CN104063221B - 一种智能手机上下文感知服务的低功耗传感器轮询方法 - Google Patents

Abstract

本发明在智能手机中传感器应用为上下文感知服务基础上，提出了一种为上下文感知应用程序使用的低功耗传感器轮询方法。该方法可以动态清除不必要的传感器活动，从而使得这些传感器可以更长时间地保持睡眠状态。同时也提出了一种寻找应用请求与传感器活动间关系的方法。采用这种方法，轮询调度器总能计算并匹配用户调用的多种应用程序组合探测频率来引导低功耗轮询以避免非必须活动。使用不同上下文应用程序对此方法进行评估，结果表明中间件中低功耗轮询响应时间极小(97ms)，与传统穷举轮询操作相比，大约可以节约70％的能耗，该上下文感知服务实现可以减少智能手机的传感器能耗并延长其电池使用时间。

Description

一种智能手机上下文感知服务的低功耗传感器轮询方法

所属技术领域

本发明涉及智能手机传感器能耗领域，尤其是涉及一种智能手机上下文感知服务的低功耗传感器轮询方法。

背景技术

目前，智能手机上的新应用程序可以根据用户上下文进行自我调整，从而需要个平台来收集、分布、交换上下文信息。通过估计用户位置、活动、生理特征、调度和周围上下文信息等用户上下文特征，可以根据用户的当前状态来主动配置移动设备。Google通过WIFI或GPS来持续探测设备位置信息，从而在用户处于指定区域时向其发送预先定义的消息。这种智能手机上的上下文感知程序，通过获取诸如GPS、加速计、麦克风等智能手机传感器的数据来推断用户上下文信息，然而，大部分传感器在连续采样时消耗大量能量，所以高频探测会极大的缩短智能手机的电池使用时间。

当智能手机上运行多个上下文感知程序时，一个底层的上下文服务层管理传感器数据，并决定诸如“IsMeeting＝True”的上下文属性值。例如，上下文感知服务可能从加速计采集信号，并从该信号推断出用户正在坐着。与此同时，麦克风信号用来识别说话者的声音，而WIFI签名则可以用来定位会议室。基于这些不同的信息类型，用户状态可以通过一些规则来推断出来。为满足并行的上下文感知程序对属性的请求，上下文感知服务必须轮询每个属性，这会导致对相关传感器的高频率探测，从而对电池供电的智能手机造成极大的能耗负担。

由于移动设备的无线通信的快速发展，目前存在多种上下文感知体系结构。首要平台之一是Java框架Context Toolkit(上下文工具包)，它可用来对基于传感器的上下文感知应用程序进快速原型开发。其它上下文感知平台使用本体论来提供异构设置中的语义一致性和可交的上下文信息。这些模型都没有考虑穷举传感器探测方法的能耗影响。本发明提出了一种动态自适应方法来降低多个应用程序同时请求不同上下文信息时的传感器探测能耗。

为对应用程序提供快速响应服务，上下文感知服务以轮询方式来探测每个传感器这表明所有传感器都必须定期激活并强制性报告其信号，以在一个区间内刷新所有属性值，而不无论属性值是否被应用程序请求。在这种穷举探测方式下，大量能量被损耗在低效传感器活动中，这极大缩短了智能手机的电池寿命，并严重影响用户体验。本发明设计了一种基于概率分布的方法来将属性请求分布转换为传感器探测分布，所以轮询机制为了节能可以降低非相关传感器的采样频率。本发明将这种上下文感知服务系统抽象为2层传递关系：请求过程(application->attribute)、探测过程(attribute->sensor)。当多个应用程序在智能手机上运行时，每个程序都会通过上下文管理模块提供的接口来调用相关的属性值。每个上下文感知程序都可以获取多个属性值，并且每个属性都可以被多个程序唤醒。因此，每个属性的访问频率都随程序并发运行的开始和结束而连续变化。上下文翻译器模块负责更新属性值，并周期性刷新所有属性。在此情形下，计算一个属性值需要探测多个传感器。轮询调度模块实现了对每个传感器的周期采样。

发明内容

本发明的目的在于提供一种智能手机上下文感知服务的低功耗传感器轮询方法。

本发明解决其技术难题所采用的技术方案的步骤如下：

1)上下文服务层中的基于概率的调度模型的分布转换方法的建立：

使用请求R_NA,NT与探测矩阵D_NT,NS来产生分布转换以给出为多个程序组合的传感器实际请求分布。若以REQ_i,j来表示程序ai调用属性t_j的随机事件，并以DET_j,k来表示t_j需要探测传感器s_k数据的随机事件，则这2个事件互相独立。即：Pr(REQ_i,j∩DET_j,k)＝Pr(REQ_i,j)Pr(DET_j,k)。以DET_i，j，k表示a_i通过调用t_j属性来驱动传感器s_j的探测事件，若要得到a_i的请求驱动S_k的探测事件DRI_i→k的概率，则需要对不同的j来求DRI_i,j,k之和：

更一般地，以NA×NS矩阵C来表示任意传感器探测过程(application，sensor)对的驱动概率分布由式1可知C＝R×D。

目标函数和上下文公式中用到的参数和变量定义如下：

2)基于探测传感器的概率分布设计的低功耗轮询方法来重排传感器探测以使传感器可以更长时间保持低功耗状态：

矩阵C可用来辅助判断单个区间内传感器应被探测多长时间。

对角阵diag(A₀，A₁，....，A_NA-1)给出了将请求概率矩阵转化到请求数目矩阵的矩阵变换，请求数目矩阵中的每个元素都是实际请求数。

显然AC服从传感器访问次数分布，其元素ac_i,k给出了传感器s_k被程序a_i调用的访问次数，因此AC中单列元素之和为单个区间内所有运行的上下文感知程序访问s_k的总次数，这样，程序请求分布{A_j}被转换为传感器探测分布{m_k}。在获得每个传感器的m_k后，可采取3步操作来生成低功耗传感器轮询调度表：周期化、扩展、重排。在调度表基础上可获得最小传感器活动：在满足探测需求的同时消除所有不必要的探测以降低能耗。图1说明了生成新调度表的全部过程。

3)周期化：如图1所示，以m_k单个区间的探测周期，设该区间长为(In)s，且s_k每(In/m_k)s被激活一次，由周期表记录了所有传感器的探测周期。探测周期越长表明在单个区间内该传感器被上下文感知程序需求的次数越少，故而该传感器应当进行更长时间的睡眠或保持更长时间的空闲状态以降低能耗。然而，周期表不能用来进行调度，因为轮询中的传感器探测存在冲突。冲突会造成一个缺陷：在之前探测仍在向中间件报告数据时必须开始新的探测。信号处理在上下文感知服务中执行，这种重叠采样将会扰乱上下文解释器进行数据采集。本发明设计了扩展和重排机制来解决该问题。

4)扩展：主要思想是将单个区间内的传感器探测进行重新排列以使其满足所有传感器的探测频率。在本步骤中，首先计算所有传感器的理论采样时间，再以时间值对(传感器—时间)对进行排序。图1中的周期表显示s0应当每0.0625In时间被调度一次，因此在Sensor-Time(传感器—时间)表中存在16条记录，即：{<0.0625，s₀>，<0.1250，s₀>，<0.1875，s₀>，…}。计算出6个传感器的所有记录后，可以比较其时间，将6个序列组合为图1中表(a)所示的包含79对传感器-时间对的更长序列，此序列中的元素以时间值排序，表明序列中的采样被分布到整个区间之内。然而调度冲突仍然不能被消除，所以本发明设计重排步骤来将每个采样放置到合适的时间段内。

5)重排：由于传感器s_k在区间内应当被测试m_k次，则其全部探测次数为在本例中，全部探测次数为79。平均传感器探测周期为本例值为0.01266。所以可将采样调度的时间段设置为0.01266In，每个时间段内都有一个传感器，且满足如下2条简单规则:在(传感器—时间)表中，若记a比记录b时间值更小，则a应当比b更早得到调度；若记录a和b具有相同时间(冲突)，则序号小的传感器比序号大的传感器更早被调度。图1中的表(b)给出了重排过程的一个示例。本例中，所有的79个传感器探测都应当在单个区间内重排。这样便可获得最终的轮询调度序列。重排机制不保证传感器被按期调度，但幸运的是，所有传感器的平均调度时间与重排之前的情形相等，这表明重排只在受限时间域(单个区间)内进行，从而不会每个传感器的时间期望。

附图说明

图1 低功耗调度过程

图2 最大延迟和最大提前与属性请求频率的关系

图3 上下文感知服务核心的性能

具体实施方式

1)平台与实现。

平台基于运行Android4.3的Sumsang Galaxy Nexus8，在实验中选择该智能手机上的14个传感器，如表1所示，以power per Hz表示每秒一次采样时的功耗。将传感器设置为5种常规状态：OFF、SLOWEST、NORMAL、GAME和FASTEST。低采样频率与更长睡眠状态和更少的功耗相对应。表1也列出了这些传感器的关联属性。

表2表示每个属性的全名与相关的应用程序，本发明设计了两个程序：activity和enviroment来对模型进行测试，activity用来探测用户状态；enviroment用来探测环境值activity程序需要请求的属性包括：IsWalking(IW)，IsDriving(ID)，IsJogging(IJ)，IsSitting(IS)，IsDownstairs(IDS)及IsUpstairs(IUS)。environment程序需要请求的属性包括：AtHome(AH)，InOffice(IO)，InIndoor(II)，IsAlone(IA)以及IsMeeting(IM)。在这2个程序的运行期间，每个属性的请求次数和比率都可被收集，从而可以基于这些数据来计算出向量A_NA-1和矩阵R。在本发明的设计中，R为2×11矩阵，D为11×14矩阵。为模仿不同上下文感知程序的启动与结束，这2个程序会在随机时间后调整测试频率。这样设计的理由是基于用户会随机打开和关闭上下文感知程序的假设。

对于上下文感知服务的区间，完整模型的实现目标是决定优化低功耗轮询序列。本发明使用表1中的属性和传感器来生成固定矩阵D，并使用向量A_NA-1来推断出实际采样次数向量m_NS-1，如图1所示。然后，periodization会被执行以生成存储每个传感器理论采样率的周期表，但理论采样率可能比传感器支持的最高采样率还要高。因此，需要执行ratefiltering(滤速)步骤以将采样率缩放到合理范围。最终会生成可行的轮询表以指导单区间内的传感器轮询。

表1实验平台传感器表

表2属性描述表

2)能耗节约。

对于传感器s_k，定义e_k为其一次采样的能耗，因此，在单一区间内s_k的自适应采样能耗可表示为e_km_k，全性能采样能耗可以e_km_k表示。低功耗轮询调度的目标是是消除无关采样，而无关采样由实际传感器探测次数m_k决定。因此，可得能耗节约率ESR的计算方式为

当所有m_k＝m_k时该值为0。能耗节约模型表明“大”的e_k和“小”的m_k会极大降低能耗，因此，在该种情形下，能耗密集型传感器将工作在低频率状态。

3)时间失配与性能

本方法不保证每个传感器的采样时间与穷举式轮询的采样时间相同，因为重排过程总为每个传感器都分配新的采样时间。有些传感器会在其理论轮询时间之前被invoke，但其它可能被提前探测。图2说明了每个属性请求频率的最大延迟和提前间隔。请求频率的增长导致延迟和提前的轮询失配降低。在40Hz时，失配变得稳定而均匀。有趣的是，请求频率为5Hz时，延迟最大，但提前为0，其原因是此时单一区间内的采样数近乎没有，且所有的采样都期望落在区间的开始段。然而，本方法在全部区间上平均地重排采样。例如，若传感器s₀和s₁分别在一个区间有1次采样，且一个被安排在该区间的开始段，另一个被安排在区间中部，则中间的采样延迟会极大，因为它本该在区间开始时进行。但这种现象并不影响所有属性的信息采集，因为它在单一区间内为所有的传感器保持周期。

本发明定义方法性能为performance＝esr×(1-delay)。图3展示了10Hz到100Hz时的性能。最优性能出现在接近30Hz处，这表明以30Hz轮询时，核心可以约100ms的最大轮询延迟获得77％的能耗节约达到了系统的最优性能。一方面，高于30Hz的请求频率会降低能耗节约率；另一方面，低于30Hz的频率可以导致更多轮询失配。在极端情况下，350ms的延迟时的能耗节约率可达到65％。平均来看，本方法以最大97ms的延迟获得70％的能耗节约。该结果是低功耗传感器轮询的一个极大能耗节约，因97m的延迟对上下文感知程序而言可以忽略，而70％的能耗节约则对以电池供电的智能手机而言，其电能节约比例是相当大的。

基于上下文感知服务体系结构的请求流，本发明为智能手机传感踌躇提出了一种低功耗轮询方法，在该方法中，传感器探测频率可以随上下文感知程序的请求动态调整。而非必须传感器探测则被消除以节约能耗。本方法在测试平台上平均可以97m的最大延迟获得70％的能耗节约。

Claims (1)

1.一种智能手机上下文感知服务的低功耗传感器轮询方法，其特征在于该方法的步骤如下：

1)使用请求R_NA,NT与探测矩阵D_NT,NS来产生分布转换以给出为多个程序组合的传感器实际请求分布，以REQ_i,j来表示程序a_i调用属性t_j的随机事件，以DET_j,k来表示t_j需要探测传感器s_k数据的随机事件，这2个事件互相独立，即：P_r(REQ_i,j∩DET_j,k)＝P_r(REQ_i,j)P_r(DET_j,k)，以DET_i，j，k表示a_i通过调用t_j属性来驱动传感器s_j的探测事件，对不同的j来求DRI_i,j,k之和得到a_i的请求驱动S_k的探测事件DRI_i→k的概率：

$\mathrm{Pr}\left({\mathrm{DRI}}_{i\&RightArrow;k}\right)=c_{i,k}=\underset{j=0}{\overset{NT-1}{\&Sigma;}}{r}_{i,j}{d}_{j,k}---\left(1\right)$

2)以NA×NS矩阵C来表示任意传感器探测过程(application，sensor)对的驱动概率分布，由式1可知C＝R×D，目标函数和上下文公式中用到的参数和变量定义如下：

3)矩阵C用来辅助判断单个区间内传感器应被探测多长时间

对角阵diag(A₀，A₁，....，A_NA-1)给出将请求概率矩阵转化到请求数目矩阵的矩阵变换，请求数目矩阵中的每个元素都是实际请求数；

AC服从传感器访问次数分布，其元素ac_i,k给出了传感器s_k被程序a_i调用的访问次数，因此AC中单列元素之和为单个区间内所有运行的上下文感知程序访问s_k的总次数，程序请求分布{A_j}被转换为传感器探测分布{m_k}，在获得每个传感器的m_k后，采取3步操作来生成低功耗传感器轮询调度表：周期化、扩展、重排，在调度表基础上可获得最小传感器活动，在满足探测需求的同时消除所有不必要的探测以降低能耗；

4)周期化：以m_k单个区间的探测周期，由周期表记录所有传感器的探测周期，探测周期越长表明在单个区间内该传感器被上下文感知程序需求的次数越少，该传感器应当进行更长时间的睡眠或保持更长时间的空闲状态以降低能耗；

5)扩展机制解决传感器重叠采样：将单个区间内的传感器探测进行重新排列以使其满足所有传感器的探测频率，在本步骤中，首先计算所有传感器的理论采样时间，再以时间值对(传感器—时间)进行排序；

6)重排机制消除调度冲突：由于传感器s_k在区间内应当被测试m_k次，则其全部探测次数为平均传感器探测周期为每个时间段内都有一个传感器，所有的个传感器探测都应当在单个区间内重排，便可获得最终的轮询调度序列。