基于情景感知的Android移动终端电源管理方法
【技术领域】
[0001] 本发明属于移动终端电源管理技术领域，具体设及一种基于情景感知的智能管理Amlroid移动终端网络接口的电源管理方法。
【背景技术】
[0002] 随着移动终端软硬件的高速发展和新一代网络3G和4G的普及，越来越多的人们 使用移动智能终端并享受其带来的便捷服务和休闲娱乐。目前全球智能手机用户数量高速 增长，而Amlroid系统已占据着移动智能终端系统的大部分市场份额。同时移动终端的高 性能W及复杂应用和重度游戏也带来了更高的功耗，但是电池技术发展缓慢，容量明显受 其自身体积制约结论，如何减少功耗已成为移动终端发展的一个亟待解决的问题。
[0003] 动态电源管理值ynamicPowerManagement,DPM)是一种系统级低功耗技术，它根 据请求服务和性能要求，通过对系统部件的动态配置，对系统部件的状态进行动态转换，启 动尽可能少的部件或让其处于适当的能耗状态，W此来达到对能耗的有效利用。传统的策 略包括超时策略、预测策略和随机模型策略，它们都有各自的特点和不足。
[0004] Amlroid系统也提供了自身的电源管理方案，其中包括基于Wakelock的系统电源 管理，目的是使其在待机状态下尽量进入休眠状态。但是研究表明Amlroid移动终端的待 机状态能耗占全部能耗的一半W上，运是由于Amlroid系统的开放性导致第S方的应用在 后台滥用Wakelock资源，通过网络接口不断进行数据传输。针对待机状态下的高能耗问 题，目前的方法主要是静态设置一些固定的时间和其他条件来开启和关闭网络接口。
【发明内容】
阳〇化]为了更加智能并且有效地减少待机状态下的功耗，本发明提出了基于情景感知的Amlroid移动终端电源管理方法，利用移动终端的情景感知信息进行决策来预测当前是否 需要网络接口，并智能地对其进行动态管理，减少待机状态下的系统能耗。本发明对复杂的 情景信息进行了预处理，并优化了获取定位数据的方法。决策算法是基于改进的K最近邻 算法，样本距离计算采用加权欧式距离公式，并利用信息增益值来选取情景信息属性和确 定属性的权重。另外本发明提出了一种基于最大属性值域的样本裁剪方法，来减少决策时 的计算样本数量。
[0006] 本发明的具体技术方案如下。
[0007] 一种基于情景感知的Amlroid移动终端电源管理方法，其包括：利用移动终端的 情景感知信息进行决策来预测当前是否需要网络接口，并智能地对移动终端进行动态管 理，来减少待机状态下的系统功耗，并通过移动终端的系统接口获取相关的情景信息。
[0008] 进一步地，对获取到的复杂情景信息进行了预处理，其中包括对定位数据精确度 的确定和优化获取定位数据的方法，来减少额外损耗的能量。
[0009] 进一步地，基于改进的K最近邻算法，样本距离计算采用加权欧式距离公式，并利 用属性的信息增益来选取情景信息属性和确定属性的权重。
[0010] 进一步地，基于最大属性值域的样本裁剪方法，来减少决策时的计算样本数量。
[0011] 进一步地，所述对获取到的复杂情景信息进行了预处理包括如下步骤：
[0012] (1)在情景采集层获取初始数据，主要是针对经缔度的地理位置；
[0013] (2)利用（1)的结果采用不同的精确度使其唯一对应一个地理位置；
[0014] (3)利用（2)的结果将同一位置的经缔度数据进行合并，得到不同精度下位置的 时间分布情况；
[0015] (4)利用（3)的结果进行数据处理及分析，选取精确度等于4的经缔度方案。
[0016] 进一步地，所述基于改进的K最近邻算法包括如下步骤：
[0017] (1)计算待分类样本Y和每一个训练样本Xi的距离；
[001引 似利用（1)的结果进行升序排序，选取前k个距离最近的样本集合Z;
[0019] 做利用似的结果统计k个最近样本集合Z中每个类别C的个数N(C);
[0020] (4)利用（3)的结果选取样本集合中N(C)最多的类别C作为待分类的样本的类别 C(Y)O
[0021] 进一步地，所述基于最大属性值域的样本裁剪方法包括如下步骤： 阳0巧 （1)在训练样本集合X中，计算样本P与其时间属性值相同的样本Y的距离，W及 样本P与其时间属性值不相同的样本Q的距离；
[002引 0)利用（1)的结果来表示各个样本相对于样本Y的相对位置；
[0024] (3)利用（2)的结果得到样本Y的第K个最近样本Xi的范围；
[00对 （4)利用做的结果W-周为单位来采集训练样本，WK順算法的K值除W7来确 定公式中的K值。
[0026] 与现有技术相比，本发明具有如下优点和技术效果：
[0027] 本发明的决策算法是基于改进的K最近邻算法，样本距离计算采用加权欧式距离 公式，并利用属性的信息增益来选取情景信息属性，同时基于属性的信息增益设计了一种 确定属性权重的方法。本发明基于最大属性值域的样本裁剪方法来减少决策时的计算样本 数量。具体来说，本发明基于时间属性来确定K个最近样本的可能范围，从而排除不可能成 为K个最近的其他样本。本发明并W服务的形式实现到移动终端，来智能地管理移动终端 的网络接口，减少待机状态下的系统功耗，延长电池的可供使用时间，提高移动终端的用户 体验。
【附图说明】
[0028] 图1为情景感知策略的框架图。
[0029] 图2为需要获取的情景信息属性实例图。
[0030] 图3为不同精度下产生的位置分布示意图。
[0031] 图4为不同属性的信息增益值实例图。
[0032] 图5为不同属性的权重值实例图。
[0033] 图6为第一个可能的最近样本相对于样本Y的位置示意图。
[0034] 图7为第K个可能的最近样本相对于样本Y的位置示意图。
[0035] 图8为不同K值的准确性对比图。
[0036] 图9为实验结果的系统功耗对比图。
【具体实施方式】
[0037] 为了使本发明的技术方案及优点更加清楚明白，W下结合附图，进行进一步的详 细说明，但本发明的实施和保护不限于此。需指出的是，W下若有未特别详细说明之过程或 符号，均是本领域技术人员可W参照现有技术理解或实现的。
[003引图1是基于情景感知的电源管理方法（W下简称情景感知策略）的框架图，从上 而下分为硬件设备层、情景采集层、情景处理层和策略控制层。其中情景处理层和策略控制 层是整个策略框架的核屯、所在。下面将对每一层进行阐述。
[0039] 硬件设备层是指移动终端的所有硬件设备，包括系统组件和传感器。系统组件有 移动网络接口、WiFi接口、GPS定位、屏幕、电池等，传感器有加速度传感器、光线传感器、重 力传感器等。运些硬件设备为本发明了情景信息获取的提供硬件基础。 W40] 情景感知层则在硬件设备层的基础上，利用Amlroid系统框架提供的开发接口， 来获取各种情景信息。本发明通过运一层获取情景信息，并保存到本地数据库当中作为历 史数据，为后面深入学习用户的使用习惯做好数据准备。
[0041] 情景处理层主要是对情景感知层的采集的历史数据进行处理，得到决策模型需要 的有用信息。其中预处理模块负责对情景感知层的一些复杂信息进行简化处理，包括地理 位置信息；而特征选取模块则在众多的情景信息属性当中选择和决策结果相关性较强的属 性，来提高决策模型的决策效果。
[0042] 策略控制层利用情景感知层的实时情景数据和情景处理层提供的有效特征来对 网络接口组件进行决策，最后根据决策结果来控制组件的状态。其中策略决策模块根据KNN 算法决策模型来进行决策，而组件