移动终端的电源管理方法、装置及系统的制作方法
【专利摘要】本发明公开了一种移动终端的电源管理方法、装置及系统，用以解决现有技术中移动终端在测试期间一直处于高能耗状态导致终端耗电量大的问题。在本发明中，移动终端将测试任务中测试指标的标识、移动终端的性能参数、移动通信网络的性能参数和当前时刻值输入到预设的预测模型中，运行预测模型得到在移动终端中测试指标最大概率的预测执行时长，根据所确定的测试任务中各个测试指标的预测执行时长，确定测试任务中测试阶段对应的耗电状态，在执行测试任务的期间，根据所确定的测试任务中测试阶段对应的耗电状态进行电源管理，能够有效地根据测试任务中不同测试阶段对应的耗电状态来进行电源管理。
【专利说明】移动终端的电源管理方法、装置及系统
【技术领域】
[0001] 本发明涉及移动通信系统，尤其是涉及一种移动终端的电源管理方法、装置及系 统。
【背景技术】
[0002] 智能终端已经普及应用，一般的终端对应的操作系统均由电源管理模块来降低终 端的功耗，增加终端待机时间，提升用户体验。而当前很多业务和网络质量的测试也可以在 普通或商用智能终端上进行，但是在这些终端上所执行的测试次数多、测试时间较长，在测 试期间对终端的电量消耗非常大。
[0003] 传统的商用终端和测试终端节电方法一般包括：在固定时间后无用户操作就进入 节电状态，节电状态下无法正常执行测试。但是，测试终端可能会长时间处于业务自动拨测 状态，这自动拨测期间很少出现人机交互，测试终端的操作系统很难判断当前终端术语测 试状态，所以将一直处于高压高频的状态，从而一直处于高能耗状态。
[0004] 目前，没有有效的方法来解决移动终端在测试期间一直处于高能耗状态，导致终 端耗电量大的问题。
【发明内容】
[0005] 本发明实施例提供一种移动终端的电源管理方法、装置及系统，用以解决现有技 术中移动终端在测试期间一直处于高能耗状态导致终端耗电量大的问题。
[0006] 本发明实施例技术方案如下：
[0007] -种移动终端的电源管理方法，包括：移动终端将测试任务中测试指标的标识、移 动终端的性能参数、移动通信网络的性能参数和当前时刻值输入到预设的预测模型中，运 行预测模型得到在该终端中测试指标最大概率的预测执行时长；其中，预设的预测模型是 基于高斯混合模型和最大似然算法对历史测试数据进行训练学习得到的；将历史测试数据 中的测试指标的标识、移动终端的性能参数、移动通信网络的性能参数和测试时刻值作为 高斯混合模型的多维变量X，根据高斯混合模型确定得到多维变量X最大概率对应的类别； 并通过最大似然算法确定各种多维变量X的类别对应的最大概率的历史测试数据中的测 试指标的实际测试时长；根据所确定的测试任务中各个测试指标的预测执行时长，确定测 试任务中测试阶段对应的耗电状态；移动终端在执行测试任务的期间，根据所确定的测试 任务中测试阶段对应的耗电状态进行电源管理。
[0008] 其中，移动终端将测试任务中测试指标的标识、移动终端的性能参数、移动通信网 络的性能参数和当前时刻值输入到预设的预测模型中，运行预测模型得到在该终端中测试 指标最大概率的预测执行时长，具体包括：将将测试任务中测试指标的标识、移动终端的性 能参数、移动通信网络的性能参数和当前时刻值输入到预设的预测模型中，确定得到测试 指标的标识、移动终端的性能参数、移动通信网络的性能参数和当前时刻值最大概率对应 的类别，将该类别对应的测试时长作为测试指标最大概率的预测执行时长。
[0009] 其中，根据所确定的测试任务中各个测试指标的预测执行时长，确定测试任务中 测试阶段对应的耗电状态，具体包括：在执行测试任务的过程中，在测试指标的预测执行时 长对应的测试阶段内，耗电状态为高压高频；在执行测试指标后等待执行结果对应的测试 阶段内，耗电状态为中压中频；在执行两个测试指标之间的间歇时间对应的测试阶段内，耗 电状态为低压低频；则，
[0010] 移动终端在执行测试任务的期间，根据所确定的测试任务中各个测试指标的预测 执行时长和耗电状态进行电源管理，具体包括：在执行测试指标后等待执行结果对应的测 试阶段内以及在执行两个测试指标之间的间歇时间对应的测试阶段内，控制移动终端进入 待机状态。
[0011] 优选地，所述方法还包括：移动终端接收并保存来自测试服务器下发的预设的预 测模型；预设的预测模型是测试服务器基于高斯混合模型对历史测试数据进行训练学习得 到的。
[0012] 优选地，所述方法还包括：移动终端在测试任务执行完后，将测试任务的测试数据 发送给测试服务器，测试数据为测试服务器根据该测试数据更新预测模型提供参考；其中， 测试数据包括测试指标的标识、移动终端的性能参数、移动通信网络的性能参数、测试时刻 值和测试指标实际测试时长。
[0013] 一种移动终端的电源管理装置，包括：测试时长确定模块，用于将测试任务中测试 指标的标识、移动终端的性能参数、移动通信网络的性能参数和当前时刻值输入到预设的 预测模型中，运行预测模型得到在所述装置所述移动终端中测试指标最大概率的预测执行 时长；其中，预设的预测模型是基于高斯混合模型和最大似然算法对历史测试数据进行训 练学习得到的；将历史测试数据中的测试指标的标识、移动终端的性能参数、移动通信网络 的性能参数和测试时刻值作为高斯混合模型的多维变量X，根据高斯混合模型确定得到多 维变量X最大概率对应的类别；并通过最大似然算法确定各种多维变量X的类别对应的最 大概率的历史测试数据中的测试指标的实际测试时长；耗电状态确定模块，用于根据所述 测试时长确定模块所确定的测试任务中各个测试指标的预测执行时长，确定测试任务中测 试阶段对应的耗电状态；电源管理模块，用于根据所述耗电状态确定模块所确定的测试任 务中测试阶段对应的耗电状态进行电源管理。
[0014] 其中，测试时长确定模块，具体用于：将将测试任务中测试指标的标识、移动终端 的性能参数、移动通信网络的性能参数和当前时刻值输入到预设的预测模型中，确定得到 测试指标的标识、移动终端的性能参数、移动通信网络的性能参数和当前时刻值最大概率 对应的类别，将该类别对应的测试时长作为测试指标最大概率的预测执行时长。
[0015] 其中，耗电状态确定模块，具体用于：确定在执行测试任务的过程中，在测试指标 的预测执行时长对应的测试阶段内，耗电状态为高压高频；在执行测试指标后等待执行结 果对应的测试阶段内，耗电状态为中压中频；在执行两个测试指标之间的间歇时间对应的 测试阶段内，耗电状态为低压低频；则，
[0016] 电源管理模块，具体用于：在执行测试指标后等待执行结果对应的测试阶段内以 及在执行两个测试指标之间的间歇时间对应的测试阶段内，控制所述装置所属移动终端进 入待机状态。
[0017] 优选地，所述装置还包括：保存模块，用于接收并保存来自测试服务器下发的预设 的预测模型；预设的预测模型是测试服务器基于高斯混合模型对历史测试数据进行训练学 习得到的。
[0018] 优选地，所述装置还包括：同步更新模块，用于在测试任务执行完后，将测试任务 的测试数据发送给测试服务器，测试数据为测试服务器根据该测试数据更新预测模型提供 参考；其中，测试数据包括测试指标的标识、移动终端的性能参数、移动通信网络的性能参 数、测试时刻值和测试指标实际测试时长。
[0019] 一种移动终端的电源管理方法，包括：测试服务器基于高斯混合模型和最大似然 算法对历史测试数据进行训练学习得到预测模型；将历史测试数据中的测试指标的标识、 移动终端的性能参数、移动通信网络的性能参数和测试时刻值作为高斯混合模型的多维变 量X，根据高斯混合模型确定得到多维变量X最大概率对应的类别；并通过最大似然算法确 定各种多维变量X的类别对应的最大概率的历史测试数据中的测试指标的实际测试时长； 测试服务器将预测模型发送给移动终端，该预测模型为移动终端执行以下处理提供参考： 将测试任务中测试指标的标识、移动终端的性能参数、移动通信网络的性能参数和当前时 刻值输入到预设的预测模型中，运行预测模型得到在移动终端中测试指标最大概率的预测 执行时长，根据所确定的测试任务中各个测试指标的预测执行时长，确定测试任务中测试 阶段对应的耗电状态，以及在执行测试任务的期间，根据所确定的测试任务中测试阶段对 应的耗电状态进行电源管理。
[0020] 优选地，所述方法还包括：测试服务器接收来自移动终端的测试数据，根据该测试 数据更新预测模型；其中，测试数据包括测试指标的标识、移动终端的性能参数、移动通信 网络的性能参数、测试时刻值和测试指标实际测试时长；将更新后的预测模型发送给移动 终端。
[0021] 一种移动终端的电源管理装置，包括：预测模型生成模块，用于基于高斯混合模型 和最大似然算法对历史测试数据进行训练学习得到预测模型；将历史测试数据中的测试指 标的标识、移动终端的性能参数、移动通信网络的性能参数和测试时刻值作为高斯混合模 型的多维变量X，根据高斯混合模型确定得到多维变量X最大概率对应的类别；并通过最大 似然算法确定各种多维变量X的类别对应的最大概率的历史测试数据中的测试指标的实 际测试时长；收发模块，用于将所述预测模型生成模块得到的预测模型发送给移动终端，该 预测模型为移动终端执行以下处理提供参考：将测试任务中测试指标的标识、移动终端的 性能参数、移动通信网络的性能参数和当前时刻值输入到预设的预测模型中，运行预测模 型得到在移动终端中测试指标最大概率的预测执行时长，根据所确定的测试任务中各个测 试指标的预测执行时长，确定测试任务中测试阶段对应的耗电状态，以及在执行测试任务 的期间，根据所确定的测试任务中测试阶段对应的耗电状态进行电源管理。
[0022] 优选地，收发模块，还用于：接收来自移动终端的测试数据，测试数据包括测试指 标的标识、移动终端的性能参数、移动通信网络的性能参数、测试时刻值和测试指标实际测 试时长；并，将预测模型生成模块更新后的预测模型发送给移动终端；预测模型生成模块， 还用于：用于根据收发模块接收到的测试数据更新预测模型生成模块生成的预测模型。
[0023] -种移动终端的电源管理系统，包括：测试服务器，用于基于高斯混合模型和最大 似然算法对历史测试数据进行训练学习得到预测模型；将历史测试数据中的测试指标的标 识、移动终端的性能参数、移动通信网络的性能参数和测试时刻值作为高斯混合模型的多 维变量X，根据高斯混合模型确定得到多维变量X最大概率对应的类别；并通过最大似然算 法确定各种多维变量X的类别对应的最大概率的历史测试数据中的测试指标的实际测试 时长；将预测模型发送给移动终端；移动终端，用于接收并保存来自测试服务器下发的预 设的预测模型；移动终端将测试任务中测试指标的标识、移动终端的性能参数、移动通信网 络的性能参数和当前时刻值输入到预设的预测模型中，运行预测模型得到在该终端中测试 指标最大概率的预测执行时长；根据所确定的测试任务中各个测试指标的预测执行时长， 确定测试任务中测试阶段对应的耗电状态；移动终端在执行测试任务的期间，根据所确定 的测试任务中测试阶段对应的耗电状态进行电源管理。
[0024] 在本发明实施例的技术方案中，移动终端将测试任务中测试指标的标识、移动终 端的性能参数、移动通信网络的性能参数和当前时刻值输入到预设的预测模型中，运行预 测模型得到在移动终端中测试指标最大概率的预测执行时长，根据所确定的测试任务中各 个测试指标的预测执行时长，确定测试任务中测试阶段对应的耗电状态，在执行测试任务 的期间，根据所确定的测试任务中测试阶段对应的耗电状态进行电源管理，能够有效地根 据测试任务中不同测试阶段对应的耗电状态来进行电源管理，从而能够解决现有技术中移 动终端在测试期间一直处于高能耗状态导致终端耗电量大的问题。
[0025] 本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变 得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明 书、权利要求书、以及附图中所特别指出的结构来实现和获得。
【专利附图】
【附图说明】
[0026] 图la为本发明实施例提供的移动终端的电源管理系统的结构框图；
[0027] 图lb为本发明实施例提供的移动终端的电源管理方法的工作流程图；
[0028] 图2为本发明实施例提供的移动终端的电源管理装置的结构框图；
[0029] 图3为本发明实施例提供的移动终端的电源管理装置的另一结构框图；
[0030] 图4为本发明实施例提供的移动终端的电源管理方法的另一工作流程图；
[0031] 图5为本发明实施例提供的移动终端的电源管理装置的另一结构框图。
【具体实施方式】
[0032] 以下结合附图对本发明的实施例进行说明，应当理解，此处所描述的实施例仅用 于说明和解释本发明，并不用于限定本发明。
[0033] 针对现有技术中移动终端在测试期间一直处于高能耗状态导致终端耗电量大的 问题，本发明实施例提供了一种移动终端的电源管理方法、装置及系统，用以解决该问题。 [0034] 在本发明实施例中，移动终端通过预设的预测模型来确定测试任务中测试指标的 预测执行时长，并根据测试任务中各个测试指标的预测执行时长，确定测试任务中测试阶 段对应的耗电状态，在执行测试任务的期间，根据所确定的测试任务中测试阶段对应的耗 电状态进行电源管理，从而能够有效地根据测试任务中不同测试阶段对应的耗电状态来进 行电源管理。
[0035] 首先对移动终端侧的工作原理进行说明。
[0036] 图la示出了本发明实施例提供的移动终端的电源管理系统的结构框图，该系统 包括：
[0037] 测试服务器1，用于基于高斯混合模型和最大似然算法对历史测试数据进行训练 学习得到预测模型；将历史测试数据中的测试指标的标识、移动终端的性能参数、移动通信 网络的性能参数和测试时刻值作为高斯混合模型的多维变量X，根据高斯混合模型确定得 到多维变量X最大概率对应的类别；并通过最大似然算法确定各种多维变量X的类别对应 的最大概率的历史测试数据中的测试指标的实际测试时长；将预测模型发送给移动终端 2 ；
[0038] 移动终端2,用于接收并保存来自测试服务器1下发的预设的预测模型；移动终端 2将测试任务中测试指标的标识、移动终端的性能参数、移动通信网络的性能参数和当前时 刻值输入到预设的预测模型中，运行预测模型得到在该终端2中测试指标最大概率的预测 执行时长；根据所确定的测试任务中各个测试指标的预测执行时长，确定测试任务中测试 阶段对应的耗电状态；移动终端2在执行测试任务的期间，根据所确定的测试任务中测试 阶段对应的耗电状态进行电源管理。
[0039] 下面分别说明移动终端2的工作原理和测试服务器1的工作原理。
[0040] 首先对图la中移动终端2的工作原理进行说明。
[0041] 图lb示出了本发明实施例提供的移动终端的电源管理方法的工作流程图，该方 法包括：
[0042] 步骤101、移动终端将测试任务中测试指标的标识、移动终端的性能参数、移动通 信网络的性能参数和当前时刻值输入到预设的预测模型中，运行预测模型得到在移动终端 中测试指标最大概率的预测执行时长；
[0043] 具体地，移动终端的性能参数包括但不限于：移动终端的CPU频率，移动通信网络 的性能参数包括但不限于：移动终端所属小区的信号强度值和移动通信网络的类型(例如 2G网络、3G网络合作和LTE网络）；
[0044] 具体地，预设的预测模型可以是预置在移动终端中的；也可以是测试服务器下发 的，则预设的预测模型是测试服务器基于高斯混合模型和最大似然算法对历史测试数据进 行训练学习得到的；
[0045] 将历史测试数据中的测试指标的标识、移动终端的性能参数、移动通信网络的性 能参数和测试时刻值作为高斯混合模型的多维变量X，根据高斯混合模型确定得到多维变 量X最大概率对应的类别；并通过最大似然算法确定各种多维变量X的类别对应的最大概 率的历史测试数据中的测试指标的实际测试时长；
[0046] 高斯混合模型（GMM，GaussianMixtureModel)就是用高斯概率密度函数(正态 分布曲线）精确地量化事物，将一个事物分解为若干的基于高斯概率密度函数(正态分布曲 线）形成的模型。
[0047] 首先介绍一下单维高斯模型（SGM，SingleGaussianModel),假设多维变量X服从 高斯分布时，它的概率密度函数PDF为公式（1)所示，其中，x是维度为d的列向量，u是模 型期望，2是模型方差。在实际应用中u通常用样
【权利要求】
1. 一种移动终端的电源管理方法，其特征在于，包括： 移动终端将测试任务中测试指标的标识、移动终端的性能参数、移动通信网络的性能 参数和当前时刻值输入到预设的预测模型中，运行预测模型得到在该终端中测试指标最大 概率的预测执行时长；其中，预设的预测模型是基于高斯混合模型和最大似然算法对历史 测试数据进行训练学习得到的；将历史测试数据中的测试指标的标识、移动终端的性能参 数、移动通信网络的性能参数和测试时刻值作为高斯混合模型的多维变量X，根据高斯混合 模型确定得到多维变量X最大概率对应的类别；并通过最大似然算法确定各种多维变量X 的类别对应的最大概率的历史测试数据中的测试指标的实际测试时长； 根据所确定的测试任务中各个测试指标的预测执行时长，确定测试任务中测试阶段对 应的耗电状态； 移动终端在执行测试任务的期间，根据所确定的测试任务中测试阶段对应的耗电状态 进行电源管理。
2. 根据权利要求1所述的方法，其特征在于，移动终端将测试任务中测试指标的标识、 移动终端的性能参数、移动通信网络的性能参数和当前时刻值输入到预设的预测模型中， 运行预测模型得到在该终端中测试指标最大概率的预测执行时长，具体包括： 将测试任务中测试指标的标识、移动终端的性能参数、移动通信网络的性能参数和当 前时刻值输入到预设的预测模型中，确定得到测试指标的标识、移动终端的性能参数、移动 通信网络的性能参数和当前时刻值最大概率对应的类别，将该类别对应的测试时长作为测 试指标最大概率的预测执行时长。
3. 根据权利要求1所述的方法，其特征在于，根据所确定的测试任务中各个测试指标 的预测执行时长，确定测试任务中测试阶段对应的耗电状态，具体包括： 在执行测试任务的过程中，在测试指标的预测执行时长对应的测试阶段内，耗电状态 为商压商频； 在执行测试指标后等待执行结果对应的测试阶段内，耗电状态为中压中频； 在执行两个测试指标之间的间歇时间对应的测试阶段内，耗电状态为低压低频；则， 移动终端在执行测试任务的期间，根据所确定的测试任务中各个测试指标的预测执行 时长和耗电状态进行电源管理，具体包括： 在执行测试指标后等待执行结果对应的测试阶段内以及在执行两个测试指标之间的 间歇时间对应的测试阶段内，控制移动终端进入待机状态。
4. 根据权利要求1所述的方法，其特征在于，所述方法还包括： 移动终端接收并保存来自测试服务器下发的预设的预测模型。
5. 根据权利要求4所述的方法，其特征在于，所述方法还包括： 移动终端在测试任务执行完后，将测试任务的测试数据发送给测试服务器，测试数据 为测试服务器根据该测试数据更新预测模型提供参考；其中，测试数据包括测试指标的标 识、移动终端的性能参数、移动通信网络的性能参数、测试时刻值和测试指标实际测试时 长。
6. -种移动终端的电源管理装置，其特征在于，包括： 测试时长确定模块，用于将测试任务中测试指标的标识、移动终端的性能参数、移动通 信网络的性能参数和当前时刻值输入到预设的预测模型中，运行预测模型得到在所述装置 所述移动终端中测试指标最大概率的预测执行时长；其中，预设的预测模型是基于高斯混 合模型和最大似然算法对历史测试数据进行训练学习得到的；将历史测试数据中的测试指 标的标识、移动终端的性能参数、移动通信网络的性能参数和测试时刻值作为高斯混合模 型的多维变量X，根据高斯混合模型确定得到多维变量X最大概率对应的类别；并通过最大 似然算法确定各种多维变量X的类别对应的最大概率的历史测试数据中的测试指标的实 际测试时长； 耗电状态确定模块，用于根据所述测试时长确定模块所确定的测试任务中各个测试指 标的预测执行时长，确定测试任务中测试阶段对应的耗电状态； 电源管理模块，用于根据所述耗电状态确定模块所确定的测试任务中测试阶段对应的 耗电状态进行电源管理。
7. 根据权利要求6所述的装置，其特征在于，测试时长确定模块，具体用于：将将测试 任务中测试指标的标识、移动终端的性能参数、移动通信网络的性能参数和当前时刻值输 入到预设的预测模型中，确定得到测试指标的标识、移动终端的性能参数、移动通信网络的 性能参数和当前时刻值最大概率对应的类别，将该类别对应的测试时长作为测试指标最大 概率的预测执行时长。
8. 根据权利要求6所述的装置，其特征在于，耗电状态确定模块，具体用于： 确定在执行测试任务的过程中，在测试指标的预测执行时长对应的测试阶段内，耗电 状态为商压商频； 在执行测试指标后等待执行结果对应的测试阶段内，耗电状态为中压中频； 在执行两个测试指标之间的间歇时间对应的测试阶段内，耗电状态为低压低频；则， 电源管理模块，具体用于：在执行测试指标后等待执行结果对应的测试阶段内以及在 执行两个测试指标之间的间歇时间对应的测试阶段内，控制所述装置所属移动终端进入待 机状态。
9. 根据权利要求6所述的装置，其特征在于，所述装置还包括： 保存模块，用于接收并保存来自测试服务器下发的预设的预测模型；预设的预测模型 是测试服务器基于高斯混合模型对历史测试数据进行训练学习得到的。
10. 根据权利要求9所述的装置，其特征在于，所述装置还包括： 同步更新模块，用于在测试任务执行完后，将测试任务的测试数据发送给测试服务器， 测试数据为测试服务器根据该测试数据更新预测模型提供参考；其中，测试数据包括测试 指标的标识、移动终端的性能参数、移动通信网络的性能参数、测试时刻值和测试指标实际 测试时长。
11. 一种移动终端的电源管理方法，其特征在于，包括： 测试服务器基于高斯混合模型和最大似然算法对历史测试数据进行训练学习得到预 测模型；将历史测试数据中的测试指标的标识、移动终端的性能参数、移动通信网络的性能 参数和测试时刻值作为高斯混合模型的多维变量X，根据高斯混合模型确定得到多维变量 X最大概率对应的类别；并通过最大似然算法确定各种多维变量X的类别对应的最大概率 的历史测试数据中的测试指标的实际测试时长； 测试服务器将预测模型发送给移动终端，该预测模型为移动终端执行以下处理提供参 考：将测试任务中测试指标的标识、移动终端的性能参数、移动通信网络的性能参数和当前 时刻值输入到预设的预测模型中，运行预测模型得到在移动终端中测试指标最大概率的预 测执行时长，根据所确定的测试任务中各个测试指标的预测执行时长，确定测试任务中测 试阶段对应的耗电状态，以及在执行测试任务的期间，根据所确定的测试任务中测试阶段 对应的耗电状态进行电源管理。
12. 根据权利要求11所述的方法，其特征在于，所述方法还包括： 测试服务器接收来自移动终端的测试数据，根据该测试数据更新预测模型；其中，测试 数据包括测试指标的标识、移动终端的性能参数、移动通信网络的性能参数、测试时刻值和 测试指标实际测试时长； 将更新后的预测模型发送给移动终端。
13. -种移动终端的电源管理装置，其特征在于，包括： 预测模型生成模块，用于基于高斯混合模型和最大似然算法对历史测试数据进行训练 学习得到预测模型；将历史测试数据中的测试指标的标识、移动终端的性能参数、移动通信 网络的性能参数和测试时刻值作为高斯混合模型的多维变量X，根据高斯混合模型确定得 到多维变量X最大概率对应的类别；并通过最大似然算法确定各种多维变量X的类别对应 的最大概率的历史测试数据中的测试指标的实际测试时长； 收发模块，用于将所述预测模型生成模块得到的预测模型发送给移动终端，该预测模 型为移动终端执行以下处理提供参考：将测试任务中测试指标的标识、移动终端的性能参 数、移动通信网络的性能参数和当前时刻值输入到预设的预测模型中，运行预测模型得到 在移动终端中测试指标最大概率的预测执行时长，根据所确定的测试任务中各个测试指标 的预测执行时长，确定测试任务中测试阶段对应的耗电状态，以及在执行测试任务的期间， 根据所确定的测试任务中测试阶段对应的耗电状态进行电源管理。
14. 根据权利要求13所述的装置，其特征在于，收发模块，还用于：接收来自移动终端 的测试数据，测试数据包括测试指标的标识、移动终端的性能参数、移动通信网络的性能参 数、测试时刻值和测试指标实际测试时长；并，将预测模型生成模块更新后的预测模型发送 给移动终端； 预测模型生成模块，还用于：用于根据收发模块接收到的测试数据更新预测模型生成 模块生成的预测模型。
15. -种移动终端的电源管理系统，其特征在于，包括： 测试服务器，用于基于高斯混合模型和最大似然算法对历史测试数据进行训练学习得 到预测模型；将历史测试数据中的测试指标的标识、移动终端的性能参数、移动通信网络的 性能参数和测试时刻值作为高斯混合模型的多维变量X，根据高斯混合模型确定得到多维 变量X最大概率对应的类别；并通过最大似然算法确定各种多维变量X的类别对应的最大 概率的历史测试数据中的测试指标的实际测试时长；将预测模型发送给移动终端； 移动终端，用于接收并保存来自测试服务器下发的预设的预测模型；移动终端将测试 任务中测试指标的标识、移动终端的性能参数、移动通信网络的性能参数和当前时刻值输 入到预设的预测模型中，运行预测模型得到在该终端中测试指标最大概率的预测执行时 长；根据所确定的测试任务中各个测试指标的预测执行时长，确定测试任务中测试阶段对 应的耗电状态；移动终端在执行测试任务的期间，根据所确定的测试任务中测试阶段对应 的耗电状态进行电源管理。
【文档编号】G06F1/32GK104423532SQ201310404043
【公开日】2015年3月18日 申请日期:2013年9月6日 优先权日:2013年9月6日
【发明者】金凌, 张朗 申请人:中国移动通信集团公司