CN109890067A - 对特定路线上的特定位置进行识别的方法及电子设备 - Google Patents
对特定路线上的特定位置进行识别的方法及电子设备 Download PDFInfo
- Publication number
- CN109890067A CN109890067A CN201910129795.9A CN201910129795A CN109890067A CN 109890067 A CN109890067 A CN 109890067A CN 201910129795 A CN201910129795 A CN 201910129795A CN 109890067 A CN109890067 A CN 109890067A
- Authority
- CN
- China
- Prior art keywords
- wireless network
- electronic equipment
- particular course
- information
- base station
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 162
- 230000008859 change Effects 0.000 claims abstract description 15
- 230000009471 action Effects 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 58
- 238000004891 communication Methods 0.000 claims description 52
- 230000006854 communication Effects 0.000 claims description 52
- 238000012545 processing Methods 0.000 claims description 35
- 230000015654 memory Effects 0.000 claims description 31
- 238000004422 calculation algorithm Methods 0.000 claims description 22
- 238000003860 storage Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 abstract description 72
- 230000003542 behavioural effect Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 68
- 230000008569 process Effects 0.000 description 60
- 230000000875 corresponding effect Effects 0.000 description 26
- 238000010586 diagram Methods 0.000 description 24
- 238000005070 sampling Methods 0.000 description 22
- 210000004027 cell Anatomy 0.000 description 15
- 238000001514 detection method Methods 0.000 description 12
- 238000010295 mobile communication Methods 0.000 description 12
- 238000005457 optimization Methods 0.000 description 11
- 210000000988 bone and bone Anatomy 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 238000007600 charging Methods 0.000 description 7
- 230000001186 cumulative effect Effects 0.000 description 7
- 230000000670 limiting effect Effects 0.000 description 7
- 230000005236 sound signal Effects 0.000 description 6
- 239000000725 suspension Substances 0.000 description 5
- 229920001621 AMOLED Polymers 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000001816 cooling Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000010985 leather Substances 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000002096 quantum dot Substances 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 238000013529 biological neural network Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 229910052738 indium Inorganic materials 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000007650 screen-printing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000000392 somatic effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/16—Discovering, processing access restriction or access information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/34—Modification of an existing route
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/18—Selecting a network or a communication service
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/20—Selecting an access point
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/56—Provisioning of proxy services
- H04L67/568—Storing data temporarily at an intermediate stage, e.g. caching
- H04L67/5681—Pre-fetching or pre-delivering data based on network characteristics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W36/00—Hand-off or reselection arrangements
- H04W36/24—Reselection being triggered by specific parameters
- H04W36/32—Reselection being triggered by specific parameters by location or mobility data, e.g. speed data
- H04W36/322—Reselection being triggered by specific parameters by location or mobility data, e.g. speed data by location data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本申请提供了一种对特定路线上的特定位置进行识别以优化终端性能的方法及电子设备,该方法可以根据用户日常的行为习惯,预测用户日常特定路线,执行与该预测的特定路线相关的特定动作,例如,改变搜网间隔,或根据网络制式的变化,搜寻不同的网络信号;或当终端设备运行游戏应用时,向用户指示终端设备接入异常基站的时刻,提醒用户应对网络异常情况;或当终端设备运行音频视频应用时,向对应的服务器发送缓存请求,该方法可以降低网络服务质量差对用户的影响,同时优化终端性能,提高用户体验。
Description
技术领域
本申请涉及电子技术领域,尤其涉及一种对特定路线上的特定位置进行识别的方法、以及优化终端性能的方法及电子设备。
背景技术
在各类应用程序(application,APP)的使用过程中,往往需要良好的网络环境。但是,并不是所有的基站都可以为电子设备提供较好的网络环境。例如,在用户日常的某一固定的路线上,可能会有多个基站为用户提供网络服务,该多个基站中可以包括信号质量好的基站和信号质量差的基站。用户途经信号质量差的基站时,可能无法正常使用网络服务。
发明内容
本申请提供一种对特定路线上的特定位置进行识别的方法及电子设备,该方法可以提醒用户应对网络异常情况,使得网络异常不会影响用户的操作,提高用户体验。
第一方面,提供了一种优化性能的方法,应用于终端设备,该终端设备保存特定路线判定模型,该特定路线判定模型包括多条特定路线的信息,该方法包括:获取当前路线的信息,当前路线的信息包括第一无线网络集合的信息,该第一无线网络集合包括第一无线网络和第二无线网络,该第一无线网络的通信质量大于第一阈值,该第二无线网络通信质量小于或等于该第一阈值;根据该特定路线判定模型和该当前路线的信息,确定该当前路线为第一特定路线;执行与该第一特定路线相关的第一特定动作,该第一特定动作包括以下至少一项:改变搜网间隔;或根据网络制式的变化,搜寻不同的网络信号;或当确定该终端设备当前运行的应用为第一应用时,生成第一消息,该第一消息用于指示该终端设备向该第一应用对应的服务器发送缓存请求,和/或该第一消息用于指示该终端设备接入该第二无线网络的时刻。
应理解,在本申请中,路线的信息指的是该路线上无线网络的信息,例如基站的信息。本申请将以基站为例,具体介绍优化终端性能的方法。在本申请中,第一无线网络对应于正常基站,正常基站是能为终端设备提供正常网络服务的基站;第二无线网络对应于异常基站,异常基站可以是不能为终端设备提供网络服务的基站,终端设备在该异常基站的覆盖范围内会断网,或者下载速率低于一定门限和/或业务发生卡顿。
还应理解,电子设备获取当前路线的信息就是获取当前路线上的所有基站的信息或者记录多个基站的位置信息。可选地,基站的信息包括基站的标识信息或小区标识信息,本申请对此不做限定。
还应理解,上述第一无线网络集合中可以包括至少一个基站,该至少一个基站可以对应于实施例描述中的正常基站和异常基站,本申请对第一无线网络集合中包括的正常基站和异常基站的数量不做限定。
本申请提供的特定路线识别方法可以用于优化终端性能,在不同的应用场景,执行不同用户业务过程中,可以通过不同的方式提醒用户网络情况,或者提前缓存音视频等,提高用户体验。其中,提醒方式可以包括弹窗等动态方式,也可以包括配置开关等静态方式。
示例性的,当终端设备运行的第一应用为游戏应用时,该方法还包括:在第一界面上显示第一消息,该第一界面是该游戏应用的运行界面,该第一消息用于指示该终端设备执行与该特定路线相关的特定动作的时刻。
或者,当终端设备运行的第一应用为音频或视频应用时,该方法还包括:确定该终端设备执行与该特定路线相关的特定动作的时刻;根据该终端设备执行与该特定路线相关的特定动作的时刻,该终端设备向该音频或视频应用对应的服务器发送缓存请求,该缓存请求用于从该服务器缓存音频数据或视频数据。
此外,在其他应用场景中,还可以通过其他方式优化终端性能。
示例性的,优化终端性能可以指优化终端设备的功耗。在实际使用中,当终端设备从正常基站的覆盖范围进入异常基站的覆盖范围,会出现掉网情况。当掉网以后,终端设备会不断搜网,例如搜寻可接入的无线网络(2G/3G/4G)信号。通过本申请实施例提供的方法,终端设备可以根据特定路线识别的结果,预测到终端设备在该特定路线上进入异常基站覆盖范围的时刻和离开异常基站覆盖范围的时刻,从而可以执行以下任一种可能的动作:
(1)改变终端设备搜网的时间间隔。
例如,增加终端设备搜网的时间间隔。或者,缩短终端设备搜网的时间间隔。
示例性的,在正常基站的覆盖范围内,终端设备的搜网频率为每2分钟搜索一次,在异常基站的覆盖范围内,终端设备的搜网频率改变为每4分钟搜索一次。通过增加终端设备的搜网的时间间隔,降低终端设备的功耗。
示例性的,在终端设备即将进入正常基站覆盖范围时,可以缩短终端设备搜网的时间间隔,使终端设备可以提前启动搜网,从而进入正常基站覆盖范围时快速接入网络,为用户提供网络服务。
(2)在第一时段内,关闭终端设备的搜网功能,使得终端设备在该第一时段内不会一直搜索和检测可用的无线网络,从而降低终端设备的功耗。
可选地,第一时段可以是指终端设备进入异常基站覆盖范围的时刻和离开异常基站覆盖范围的时刻之间的时段。应理解,该第一时段可以不包括终端设备离开异常基站的时刻,或者该第一时段可以包括终端设备离开异常基站的时刻。本申请对此不做限定。
例如,第一时段是8:30:60-8:35:60之间的时段。那么,第一时段不包括终端设备离开异常基站的时刻08:35:60,终端设备预测到8:35:60时进入正常基站内,则在8:35:60终端设备可以启动搜网功能,或者在8:35:60的前n秒(例如8:35:50)就提前启动搜网功能,可以在终端设备离开异常基站时,就接入其他无线网络,缩短断网时间,提高用户体验。
可选地,终端设备在从基站A的覆盖范围进入基站B的覆盖范围的过程中,可能会有一个没有无线网络覆盖的区域,因此,该第一时段还可以指终端设备在该没有无线网络覆盖的区域的时长。
例如,终端设备8:30:60-8:35:60在基站A的覆盖范围内,在8:35:60-8:38:60在没有任何无线网络的覆盖范围内,8:38:60-8:40:60在基站B的覆盖范围内。那么第一时段就指8:35:60-8:38:60。在该时段内,可以关闭终端设备的搜网功能,从而降低终端设备的功耗。终端设备在8:38:60离开没有任何无线网络的覆盖范围进入基站B时,可以提前开启终端设备的搜网功能,例如提前8:38:50重新搜网,当进入基站B时就可以快速接入,提高用户体验。本申请对此不作限定。
示例性的,优化终端性能还可以指快速使终端设备获取网络服务。在实际使用中,当终端设备进入异常基站的覆盖范围出现掉网情况后,终端设备会不断搜网,例如搜寻可接入的无线网络(2G/3G/4G)信号。通过本申请实施例提供的方法,终端设备可以根据特定路线识别的结果,获取该特定路线上基站的信息。
例如,终端设备从基站A切换到基站B时,终端设备可以知道,会发生何种网络制式的变化。如高低网络制式的切换,从2G到3G,还是3G到4G,或者未来的5G等。
示例性的,终端设备可以知道该特定路线上基站A为终端设备提供4G网络,基站B只能为终端设备提供3G网络,在终端设备确定基站A切换到基站B的时刻,直接搜索3G网络信号,而不需要同时搜寻其他不同网络制式提供的网络信号,如2G/4G/5G等网络信号。
或者,示例性的,终端设备还可以预测在该特定路线上从正常基站覆盖范围进入异常基站覆盖范围的时刻和离开异常基站覆盖范围的时刻,而且终端设备可以知道该正常基站可以为终端设备提供5G网络,异常基站只能为终端设备提供2G网络。从而,当终端设备从正常基站覆盖范围进入到异常基站覆盖范围时,直接搜寻该异常基站可以提供的2G网络信号,不需要同时搜寻其他不同网络制式提供的网络信号,如禁止终端设备搜寻4G/3G/5G网络等网络制式下的网络信号,从而使得终端设备可以快速获取网络服务。
结合第一方面,在第一方面的某些实现方式中,该方法还包括:确定该特定路线判定模型,该多条特定路线中的每条特定路线上包括第二无线网络集合的信息,该第二无线网络集合包括至少一个无线网络。
结合第一方面和上述实现方式,在第一方面的某些实现方式中,确定该特定路线判定模型,包括:获取该多条特定路线上第二无线网络集合中包括的无线网络的信息;根据获取的该多条特定路线上第二无线网络集合中包括的无线网络的信息,构建该多条特定路线的第一特征矩阵;根据该第一特征矩阵,对该多条特定路线进行分类处理得到第二特征矩阵;根据该第二特征矩阵,确定该特定路线判定模型。
结合第一方面和上述实现方式,在第一方面的某些实现方式中,构建该多条特定路线的第一特征矩阵,包括:通过滑动相关系数计算该多条特定路线中的任意两条特定路线的匹配特征曲线;根据该匹配特征曲线构建该第一特征矩阵;其中,该滑动相关系数计算包括硬判决计算或软判决计算。
结合第一方面和上述实现方式,在第一方面的某些实现方式中,该方法还包括:根据K最近邻算法和该第一特征矩阵,归类该多条特定路线中的任意一条路线。
应理解,在对原始特征矩阵的自主聚类过程中,可能有两个特定路线之间相似度都接近。换言之,按照上述的自主聚类过程,该两个特定路线既可以被归类到两个特定路线中的任一个。为了精确地对该类路线进行归类处理,对原始特征矩阵中进行KNN算法聚类处理。
结合第一方面和上述实现方式,在第一方面的某些实现方式中,根据该特定路线判定模型和该当前路线的信息,确定该当前路线为第一特定路线,包括:获取该特定路线判定模型中每条特定路线上包括的第二无线网络集合中包括的无线网络的信息;判断该第二无线网络集合中包括的无线网络的信息和该第一无线网络集合中包括的无线网络的信息的匹配程度大于或等于第二阈值时,确定该当前路线为第一特定路线。
结合第一方面和上述实现方式,在第一方面的某些实现方式中,获取该特定路线判定模型中包括的第二无线网络集合中包括的无线网络的信息,包括:周期性获取该第二无线网络集合中包括的无线网络的信息。
可选地,下采样是周期性获取已经学习的特定路线的信息的一种方式,同时,下采样可以降低电子设备运算量。例如,一般采样可以是1秒采样一次,下采样就可以是2秒采样一次。在不影响识别准确率的前提下,减小采样频率可以减少电子设备的计算量,从而降低功耗。
结合第一方面和上述实现方式,在第一方面的某些实现方式中,该无线网络的信息包括基站的标识信息和/或小区标识信息。
第二方面,提供了一种电子设备,包括:一个或多个处理器;存储器;多个应用程序;以及一个或多个程序,其中该一个或多个程序被存储在该存储器中,当该一个或者多个程序被该处理器执行时,使得该电子设备执行以下步骤:获取当前路线的信息,当前路线的信息包括第一无线网络集合的信息,该第一无线网络集合包括第一无线网络和第二无线网络,该第一无线网络的通信质量大于第一阈值,该第二无线网络通信质量小于或等于该第一阈值;根据该特定路线判定模型和该当前路线的信息,确定该当前路线为第一特定路线;执行与该第一特定路线相关的第一特定动作,该第一特定动作包括以下至少一项:改变搜网间隔;或根据网络制式的变化,搜寻不同的网络信号;或当确定该终端设备当前运行的应用为第一应用时,生成第一消息,该第一消息用于指示该终端设备向该第一应用对应的服务器发送缓存请求,和/或该第一消息用于指示该终端设备接入该第二无线网络的时刻。
结合第二方面,在第二方面的某些实现方式中,当该一个或者多个程序被该处理器执行时,使得该电子设备执行以下步骤:确定该特定路线判定模型,该多条特定路线中的每条特定路线上包括第二无线网络集合的信息,该第二无线网络集合包括至少一个无线网络。
结合第二方面和上述实现方式,在第二方面的某些实现方式中,当该一个或者多个程序被该处理器执行时,使得该电子设备执行以下步骤:获取该多条特定路线上第二无线网络集合中包括的无线网络的信息;根据获取的该多条特定路线上第二无线网络集合中包括的无线网络的信息,构建该多条特定路线的第一特征矩阵;根据该第一特征矩阵,对该多条特定路线进行分类处理得到第二特征矩阵;根据该第二特征矩阵,确定该特定路线判定模型。
结合第二方面和上述实现方式,在第二方面的某些实现方式中,当该一个或者多个程序被该处理器执行时,使得该电子设备执行以下步骤:通过滑动相关系数计算该多条特定路线中的任意两条特定路线的匹配特征曲线;根据该匹配特征曲线构建该第一特征矩阵;其中,该滑动相关系数计算包括硬判决计算或软判决计算。
结合第二方面和上述实现方式,在第二方面的某些实现方式中,当该一个或者多个程序被该处理器执行时,使得该电子设备执行以下步骤:根据K最近邻算法和该第一特征矩阵,归类该多条特定路线中的任意一条路线。
结合第二方面和上述实现方式,在第二方面的某些实现方式中,当该一个或者多个程序被该处理器执行时,使得该电子设备执行以下步骤:获取该特定路线判定模型中每条特定路线上包括的第二无线网络集合中包括的无线网络的信息;判断该第二无线网络集合中包括的无线网络的信息和该第一无线网络集合中包括的无线网络的信息的匹配程度大于或等于第二阈值时,确定该当前路线为第一特定路线。
结合第二方面和上述实现方式,在第二方面的某些实现方式中,当该一个或者多个程序被该处理器执行时,使得该电子设备执行以下步骤:周期性获取该第二无线网络集合中包括的无线网络的信息。
结合第二方面和上述实现方式,在第二方面的某些实现方式中,该无线网络的信息包括基站的标识信息和/或小区标识信息。
第三方面,本申请提供了一种装置,该装置包含在电子设备中,该装置具有实现上述方面及上述方面的可能实现方式中电子设备行为的功能。功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块或单元。例如,显示模块或单元、检测模块或单元、处理模块或单元等。
第四方面,本申请提供了一种电子设备,包括:触摸显示屏,其中,触摸显示屏包括触敏表面和显示器;摄像头;一个或多个处理器;一个或多个存储器;多个应用程序;以及一个或多个计算机程序。其中,一个或多个计算机程序被存储在存储器中,一个或多个计算机程序包括指令。当指令被一个或多个处理器执行时,使得电子设备执行上述任一方面任一项可能的实现中的方法。
第五方面,本申请提供了一种电子设备,包括一个或多个处理器和一个或多个存储器。该一个或多个存储器与一个或多个处理器耦合,一个或多个存储器用于存储计算机程序代码,计算机程序代码包括计算机指令,当一个或多个处理器执行计算机指令时,使得电子设备执行上述任一方面任一项可能的实现中的方法。
第六方面,本申请提供了一种计算机存储介质,包括计算机指令,当计算机指令在电子设备上运行时,使得电子设备执行上述任一方面任一项可能的方法。
第七方面,本申请提供了一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行上述任一方面任一项可能的方法。
附图说明
图1为本申请实施例提供的一种电子设备的硬件结构示意图。
图2为本申请实施例提供的一种电子设备的软件结构示意图。
图3是本申请提供的一例路线识别的示意图。
图4是本申请提供的多种可能的应用场景示意图。
图5是一例电子设备识别路线的流程图。
图6是本申请实施例提供的一例路线示意图。
图7是本申请实施例提供的一例启动特定路线的识别方法的示意图。
图8是本申请实施例提供的一例算法流程示意图。
图9是本申请实施例提供的一例滑动相关系数的计算过程示意图。
图10是本申请实施例提供的一例滑动计算过程的流程图。
图11是本申请实施例提供的一例特征曲线示意图。
图12是本申请实施例提供的又一例滑动计算过程的流程图。
图13是本申请实施例提供的一例自主聚类过程的流程图。
图14是本申请实施例提供的一例KNN聚类过程的流程图。
图15是本申请实施例提供的一例特定路线识别方法的示意性流程图。
图16是本申请实施例提供的特定路线的识别方法的示意性流程图。
图17是本申请实施例提供的一种可能的电子设备组成示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。其中,在本申请实施例的描述中,除非另有说明,“/”表示或的意思,例如,A/B可以表示A或B;本文中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,在本申请实施例的描述中,“多个”是指两个或多于两个。
以下,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。例如,本申请中的第一特征矩阵、第二特征矩阵,只是用于表征特征矩阵处理的不同阶段得到的不同处理结果。在本实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
本申请实施例提供了一种对特定路线上的特定位置进行识别的方法,可以应用于电子设备,也可是单独的应用程序,该应用程序可实现本申请中对特定路线上的特定位置进行识别的方法。具体地,电子设备可以根据用户日常的行为习惯,预测用户日常特定路线,确定用户日常特定路线以及特定路线中电子设备接入的多个基站的信息。当日常特定路线中存在信号较差的基站时,电子设备可以首先预测出到达此类基站的时间,再结合电子设备运行的APP的特性,提前向服务器发送缓存请求,防止电子设备接入信号较差的基站时影响用户的使用,或者以消息的形式告知用户到达此类基站的时间,提醒用户应对网络异常情况。
本申请实施例提供的对特定路线上的特定位置进行识别的方法可以应用于手机、平板电脑、可穿戴设备、车载设备、增强现实(augmented reality,AR)/虚拟现实(virtualreality,VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本、个人数字助理(personal digital assistant,PDA)等电子设备上,本申请实施例对电子设备的具体类型不作任何限制。
示例性的,图1示出了电子设备100的结构示意图。电子设备100可以包括处理器110,外部存储器接口120,内部存储器121,通用串行总线(universal serial bus,USB)接口130,充电管理模块140,电源管理模块141,电池142,天线1,天线2,移动通信模块150,无线通信模块160,音频模块170,扬声器170A,受话器170B,麦克风170C,耳机接口170D,传感器模块180,按键190,马达191,指示器192,摄像头193,显示屏194,以及用户标识模块(subscriber identification module,SIM)卡接口195等。其中传感器模块180可以包括压力传感器180A,陀螺仪传感器180B,气压传感器180C,磁传感器180D,加速度传感器180E,距离传感器180F,接近光传感器180G,指纹传感器180H,温度传感器180J,触摸传感器180K,环境光传感器180L,骨传导传感器180M等。
可以理解的是,本申请实施例示意的结构并不构成对电子设备100的具体限定。在本申请另一些实施例中,电子设备100可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。
处理器110可以包括一个或多个处理单元,例如:处理器110可以包括应用处理器(application processor,AP),调制解调处理器,图形处理器(graphics processingunit,GPU),图像信号处理器(image signal processor,ISP),控制器,存储器,视频编解码器,数字信号处理器(digital signal processor,DSP),基带处理器,和/或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。
其中,控制器可以是电子设备100的神经中枢和指挥中心。控制器可以根据指令操作码和时序信号,产生操作控制信号,完成取指令和执行指令的控制。
处理器110中还可以设置存储器,用于存储指令和数据。在一些实施例中,处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据,可从所述存储器中直接调用。避免了重复存取,减少了处理器110的等待时间,因而提高了系统的效率。
在一些实施例中,处理器110可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit,I2C)接口,集成电路内置音频(inter-integrated circuitsound,I2S)接口,脉冲编码调制(pulse code modulation,PCM)接口,通用异步收发传输器(universal asynchronous receiver/transmitter,UART)接口,移动产业处理器接口(mobile industry processor interface,MIPI),通用输入输出(general-purposeinput/output,GPIO)接口,用户标识模块(subscriber identity module,SIM)接口,和/或通用串行总线(universal serial bus,USB)接口等。
在本申请实施例中,处理器110可以用于确定特定路线判定模型,并根据该特定路线判定模型判断当前的路线为哪一条特定路线,从而预测该特定路线上基站的位置,以及电子设备接入该特定路线上包括的多个基站的时间。此外,处理器110还可以用于确定电子设备当前运行的应用类型,以及确定是否需要向服务器请求缓存音视频数据等。
I2C接口是一种双向同步串行总线,包括一根串行数据线(serial data line,SDA)和一根串行时钟线(derail clock line,SCL)。在一些实施例中,处理器110可以包含多组I2C总线。处理器110可以通过不同的I2C总线接口分别耦合触摸传感器180K,充电器,闪光灯,摄像头193等。例如:处理器110可以通过I2C接口耦合触摸传感器180K,使处理器110与触摸传感器180K通过I2C总线接口通信,实现电子设备100的触摸功能。
I2S接口可以用于音频通信。在一些实施例中,处理器110可以包含多组I2S总线。处理器110可以通过I2S总线与音频模块170耦合,实现处理器110与音频模块170之间的通信。在一些实施例中,音频模块170可以通过I2S接口向无线通信模块160传递音频信号,实现通过蓝牙耳机接听电话的功能。
PCM接口也可以用于音频通信,将模拟信号抽样,量化和编码。在一些实施例中,音频模块170与无线通信模块160可以通过PCM总线接口耦合。在一些实施例中,音频模块170也可以通过PCM接口向无线通信模块160传递音频信号,实现通过蓝牙耳机接听电话的功能。所述I2S接口和所述PCM接口都可以用于音频通信。
UART接口是一种通用串行数据总线,用于异步通信。该总线可以为双向通信总线。它将要传输的数据在串行通信与并行通信之间转换。在一些实施例中,UART接口通常被用于连接处理器110与无线通信模块160。例如:处理器110通过UART接口与无线通信模块160中的蓝牙模块通信,实现蓝牙功能。在一些实施例中,音频模块170可以通过UART接口向无线通信模块160传递音频信号,实现通过蓝牙耳机播放音乐的功能。
MIPI接口可以被用于连接处理器110与显示屏194,摄像头193等外围器件。MIPI接口包括摄像头串行接口(camera serial interface,CSI),显示屏串行接口(displayserial interface,DSI)等。在一些实施例中,处理器110和摄像头193通过CSI接口通信,实现电子设备100的拍摄功能。处理器110和显示屏194通过DSI接口通信,实现电子设备100的显示功能。
GPIO接口可以通过软件配置。GPIO接口可以被配置为控制信号,也可被配置为数据信号。在一些实施例中,GPIO接口可以用于连接处理器110与摄像头193,显示屏194,无线通信模块160,音频模块170,传感器模块180等。GPIO接口还可以被配置为I2C接口,I2S接口,UART接口,MIPI接口等。
USB接口130是符合USB标准规范的接口,具体可以是Mini USB接口,Micro USB接口,USB Type C接口等。USB接口130可以用于连接充电器为电子设备100充电,也可以用于电子设备100与外围设备之间传输数据。也可以用于连接耳机,通过耳机播放音频。该接口还可以用于连接其他电子设备,例如AR设备等。
可以理解的是,本申请实施例示意的各模块间的接口连接关系,只是示意性说明,并不构成对电子设备100的结构限定。在本申请另一些实施例中,电子设备100也可以采用上述实施例中不同的接口连接方式,或多种接口连接方式的组合。
充电管理模块140用于从充电器接收充电输入。其中,充电器可以是无线充电器,也可以是有线充电器。在一些有线充电的实施例中,充电管理模块140可以通过USB接口130接收有线充电器的充电输入。在一些无线充电的实施例中,充电管理模块140可以通过电子设备100的无线充电线圈接收无线充电输入。充电管理模块140为电池142充电的同时,还可以通过电源管理模块141为电子设备供电。
电源管理模块141用于连接电池142,充电管理模块140与处理器110。电源管理模块141接收电池142和/或充电管理模块140的输入,为处理器110,内部存储器121,外部存储器,显示屏194,摄像头193,和无线通信模块160等供电。电源管理模块141还可以用于监测电池容量,电池循环次数,电池健康状态(漏电,阻抗)等参数。在其他一些实施例中,电源管理模块141也可以设置于处理器110中。在另一些实施例中,电源管理模块141和充电管理模块140也可以设置于同一个器件中。
电子设备100的无线通信功能可以通过天线1,天线2,移动通信模块150,无线通信模块160,调制解调处理器以及基带处理器等实现。
天线1和天线2用于发射和接收电磁波信号。电子设备100中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用,以提高天线的利用率。例如:可以将天线1复用为无线局域网的分集天线。在另外一些实施例中,天线可以和调谐开关结合使用。
移动通信模块150可以提供应用在电子设备100上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块150可以包括至少一个滤波器,开关,功率放大器,低噪声放大器(low noise amplifier,LNA)等。移动通信模块150可以由天线1接收电磁波,并对接收的电磁波进行滤波,放大等处理,传送至调制解调处理器进行解调。移动通信模块150还可以对经调制解调处理器调制后的信号放大,经天线1转为电磁波辐射出去。在一些实施例中,移动通信模块150的至少部分功能模块可以被设置于处理器110中。在一些实施例中,移动通信模块150的至少部分功能模块可以与处理器110的至少部分模块被设置在同一个器件中。
在本申请实施例中,当处理器110确定需要向服务器请求缓存数据时,移动通信模块150可以向服务器发送请求消息,用于请求缓存。此外,移动通信模块110还可以用于检测基站信号等。
调制解调处理器可以包括调制器和解调器。其中,调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器处理。低频基带信号经基带处理器处理后,被传递给应用处理器。应用处理器通过音频设备(不限于扬声器170A,受话器170B等)输出声音信号,或通过显示屏194显示图像或视频。在一些实施例中,调制解调处理器可以是独立的器件。在另一些实施例中,调制解调处理器可以独立于处理器110,与移动通信模块150或其他功能模块设置在同一个器件中。
无线通信模块160可以提供应用在电子设备100上的包括无线局域网(wirelesslocal area networks,WLAN)(如无线保真(wireless fidelity,Wi-Fi)网络),蓝牙(bluetooth,BT),全球导航卫星系统(global navigation satellite system,GNSS),调频(frequency modulation,FM),近距离无线通信技术(near field communication,NFC),红外技术(infrared,IR)等无线通信的解决方案。无线通信模块160可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块160经由天线2接收电磁波,将电磁波信号调频以及滤波处理,将处理后的信号发送到处理器110。无线通信模块160还可以从处理器110接收待发送的信号,对其进行调频,放大,经天线2转为电磁波辐射出去。
在一些实施例中,电子设备100的天线1和移动通信模块150耦合,天线2和无线通信模块160耦合,使得电子设备100可以通过无线通信技术与网络以及其他设备通信。所述无线通信技术可以包括全球移动通讯系统(global system for mobile communications,GSM),通用分组无线服务(general packet radio service,GPRS),码分多址接入(codedivision multiple access,CDMA),宽带码分多址(wideband code division multipleaccess,WCDMA),时分码分多址(time-division code division multiple access,TD-SCDMA),长期演进(long term evolution,LTE),BT,GNSS,WLAN,NFC,FM,和/或IR技术等。所述GNSS可以包括全球卫星定位系统(global positioning system,GPS),全球导航卫星系统(global navigation satellite system,GLONASS),北斗卫星导航系统(beidounavigation satellite system,BDS),准天顶卫星系统(quasi-zenith satellitesystem,QZSS)和/或星基增强系统(satellite based augmentation systems,SBAS)。
电子设备100通过GPU,显示屏194,以及应用处理器等实现显示功能。GPU为图像处理的微处理器,连接显示屏194和应用处理器。GPU用于执行数学和几何计算,用于图形渲染。处理器110可包括一个或多个GPU,其执行程序指令以生成或改变显示信息。
显示屏194用于显示图像,视频等。显示屏194包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display,LCD),有机发光二极管(organic light-emittingdiode,OLED),有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrixorganic light emitting diode的,AMOLED),柔性发光二极管(flex light-emittingdiode,FLED),Miniled,MicroLed,Micro-oLed,量子点发光二极管(quantum dot lightemitting diodes,QLED)等。在一些实施例中,电子设备100可以包括1个或N个显示屏194,N为大于1的正整数。
电子设备100可以通过ISP,摄像头193,视频编解码器,GPU,显示屏194以及应用处理器等实现拍摄功能。
ISP用于处理摄像头193反馈的数据。例如,拍照时,打开快门,光线通过镜头被传递到摄像头感光元件上,光信号转换为电信号,摄像头感光元件将所述电信号传递给ISP处理,转化为肉眼可见的图像。ISP还可以对图像的噪点,亮度,肤色进行算法优化。ISP还可以对拍摄场景的曝光,色温等参数优化。在一些实施例中,ISP可以设置在摄像头193中。
摄像头193用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device,CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor,CMOS)光电晶体管。感光元件把光信号转换成电信号,之后将电信号传递给ISP转换成数字图像信号。ISP将数字图像信号输出到DSP加工处理。DSP将数字图像信号转换成标准的RGB,YUV等格式的图像信号。在一些实施例中,电子设备100可以包括1个或N个摄像头193,N为大于1的正整数。
数字信号处理器用于处理数字信号,除了可以处理数字图像信号,还可以处理其他数字信号。例如,当电子设备100在频点选择时,数字信号处理器用于对频点能量进行傅里叶变换等。
视频编解码器用于对数字视频压缩或解压缩。电子设备100可以支持一种或多种视频编解码器。这样,电子设备100可以播放或录制多种编码格式的视频,例如:动态图像专家组(moving picture experts group,MPEG)1,MPEG2,MPEG3,MPEG4等。
NPU为神经网络(neural-network,NN)计算处理器,通过借鉴生物神经网络结构,例如借鉴人脑神经元之间传递模式,对输入信息快速处理,还可以不断的自学习。通过NPU可以实现电子设备100的智能认知等应用,例如:图像识别,人脸识别,语音识别,文本理解等。
外部存储器接口120可以用于连接外部存储卡,例如Micro SD卡,实现扩展电子设备100的存储能力。外部存储卡通过外部存储器接口120与处理器110通信,实现数据存储功能。例如将音乐,视频等文件保存在外部存储卡中。
内部存储器121可以用于存储计算机可执行程序代码,所述可执行程序代码包括指令。处理器110通过运行存储在内部存储器121的指令,从而执行电子设备100的各种功能应用以及数据处理。内部存储器121可以包括存储程序区和存储数据区。其中,存储程序区可存储操作系统,至少一个功能所需的应用程序(比如声音播放功能,图像播放功能等)等。存储数据区可存储电子设备100使用过程中所创建的数据(比如音频数据,电话本等)等。此外,内部存储器121可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件,闪存器件,通用闪存存储器(universal flash storage,UFS)等。
电子设备100可以通过音频模块170,扬声器170A,受话器170B,麦克风170C,耳机接口170D,以及应用处理器等实现音频功能。例如音乐播放,录音等。
音频模块170用于将数字音频信息转换成模拟音频信号输出,也用于将模拟音频输入转换为数字音频信号。音频模块170还可以用于对音频信号编码和解码。在一些实施例中,音频模块170可以设置于处理器110中,或将音频模块170的部分功能模块设置于处理器110中。
扬声器170A,也称“喇叭”,用于将音频电信号转换为声音信号。电子设备100可以通过扬声器170A收听音乐,或收听免提通话。
受话器170B,也称“听筒”,用于将音频电信号转换成声音信号。当电子设备100接听电话或语音信息时,可以通过将受话器170B靠近人耳接听语音。
麦克风170C,也称“话筒”,“传声器”,用于将声音信号转换为电信号。当拨打电话或发送语音信息时,用户可以通过人嘴靠近麦克风170C发声,将声音信号输入到麦克风170C。电子设备100可以设置至少一个麦克风170C。在另一些实施例中,电子设备100可以设置两个麦克风170C,除了采集声音信号,还可以实现降噪功能。在另一些实施例中,电子设备100还可以设置三个,四个或更多麦克风170C,实现采集声音信号,降噪,还可以识别声音来源,实现定向录音功能等。
耳机接口170D用于连接有线耳机。耳机接口170D可以是USB接口130,也可以是3.5mm的开放移动电子设备平台(open mobile terminal platform,OMTP)标准接口,美国蜂窝电信工业协会(cellular telecommunications industry association of the USA,CTIA)标准接口。
压力传感器180A用于感受压力信号,可以将压力信号转换成电信号。在一些实施例中,压力传感器180A可以设置于显示屏194。压力传感器180A的种类很多,如电阻式压力传感器,电感式压力传感器,电容式压力传感器等。电容式压力传感器可以是包括至少两个具有导电材料的平行板。当有力作用于压力传感器180A,电极之间的电容改变。电子设备100根据电容的变化确定压力的强度。当有触摸操作作用于显示屏194,电子设备100根据压力传感器180A检测所述触摸操作强度。电子设备100也可以根据压力传感器180A的检测信号计算触摸的位置。在一些实施例中,作用于相同触摸位置,但不同触摸操作强度的触摸操作,可以对应不同的操作指令。例如:当有触摸操作强度小于第一压力阈值的触摸操作作用于短消息应用图标时,执行查看短消息的指令。当有触摸操作强度大于或等于第一压力阈值的触摸操作作用于短消息应用图标时,执行新建短消息的指令。
陀螺仪传感器180B可以用于确定电子设备100的运动姿态。在一些实施例中,可以通过陀螺仪传感器180B确定电子设备100围绕三个轴(即,x,y和z轴)的角速度。陀螺仪传感器180B可以用于拍摄防抖。示例性的,当按下快门,陀螺仪传感器180B检测电子设备100抖动的角度,根据角度计算出镜头模组需要补偿的距离,让镜头通过反向运动抵消电子设备100的抖动,实现防抖。陀螺仪传感器180B还可以用于导航,体感游戏场景。
气压传感器180C用于测量气压。在一些实施例中,电子设备100通过气压传感器180C测得的气压值计算海拔高度,辅助定位和导航。
磁传感器180D包括霍尔传感器。电子设备100可以利用磁传感器180D检测翻盖皮套的开合。在一些实施例中,当电子设备100是翻盖机时,电子设备100可以根据磁传感器180D检测翻盖的开合。进而根据检测到的皮套的开合状态或翻盖的开合状态,设置翻盖自动解锁等特性。
加速度传感器180E可检测电子设备100在各个方向上(一般为三轴)加速度的大小。当电子设备100静止时可检测出重力的大小及方向。还可以用于识别电子设备姿态,应用于横竖屏切换,计步器等应用。
距离传感器180F,用于测量距离。电子设备100可以通过红外或激光测量距离。在一些实施例中,拍摄场景,电子设备100可以利用距离传感器180F测距以实现快速对焦。
接近光传感器180G可以包括例如发光二极管(LED)和光检测器,例如光电二极管。发光二极管可以是红外发光二极管。电子设备100通过发光二极管向外发射红外光。电子设备100使用光电二极管检测来自附近物体的红外反射光。当检测到充分的反射光时,可以确定电子设备100附近有物体。当检测到不充分的反射光时,电子设备100可以确定电子设备100附近没有物体。电子设备100可以利用接近光传感器180G检测用户手持电子设备100贴近耳朵通话,以便自动熄灭屏幕达到省电的目的。接近光传感器180G也可用于皮套模式,口袋模式自动解锁与锁屏。
环境光传感器180L用于感知环境光亮度。电子设备100可以根据感知的环境光亮度自适应调节显示屏194亮度。环境光传感器180L也可用于拍照时自动调节白平衡。环境光传感器180L还可以与接近光传感器180G配合,检测电子设备100是否在口袋里,以防误触。
指纹传感器180H用于采集指纹。电子设备100可以利用采集的指纹特性实现指纹解锁,访问应用锁,指纹拍照,指纹接听来电等。
温度传感器180J用于检测温度。在一些实施例中,电子设备100利用温度传感器180J检测的温度,执行温度处理策略。例如,当温度传感器180J上报的温度超过阈值,电子设备100执行降低位于温度传感器180J附近的处理器的性能,以便降低功耗实施热保护。在另一些实施例中,当温度低于另一阈值时,电子设备100对电池142加热,以避免低温导致电子设备100异常关机。在其他一些实施例中,当温度低于又一阈值时,电子设备100对电池142的输出电压执行升压,以避免低温导致的异常关机。
触摸传感器180K,也称“触控面板”。触摸传感器180K可以设置于显示屏194,由触摸传感器180K与显示屏194组成触摸屏,也称“触控屏”。触摸传感器180K用于检测作用于其上或附近的触摸操作。触摸传感器可以将检测到的触摸操作传递给应用处理器,以确定触摸事件类型。可以通过显示屏194提供与触摸操作相关的视觉输出。在另一些实施例中,触摸传感器180K也可以设置于电子设备100的表面,与显示屏194所处的位置不同。
骨传导传感器180M可以获取振动信号。在一些实施例中,骨传导传感器180M可以获取人体声部振动骨块的振动信号。骨传导传感器180M也可以接触人体脉搏,接收血压跳动信号。在一些实施例中,骨传导传感器180M也可以设置于耳机中,结合成骨传导耳机。音频模块170可以基于所述骨传导传感器180M获取的声部振动骨块的振动信号,解析出语音信号,实现语音功能。应用处理器可以基于所述骨传导传感器180M获取的血压跳动信号解析心率信息,实现心率检测功能。
按键190包括开机键,音量键等。按键190可以是机械按键。也可以是触摸式按键。电子设备100可以接收按键输入,产生与电子设备100的用户设置以及功能控制有关的键信号输入。
马达191可以产生振动提示。马达191可以用于来电振动提示,也可以用于触摸振动反馈。例如,作用于不同应用(例如拍照,音频播放等)的触摸操作,可以对应不同的振动反馈效果。作用于显示屏194不同区域的触摸操作,马达191也可对应不同的振动反馈效果。不同的应用场景(例如:时间提醒,接收信息,闹钟,游戏等)也可以对应不同的振动反馈效果。触摸振动反馈效果还可以支持自定义。
指示器192可以是指示灯,可以用于指示充电状态,电量变化,也可以用于指示消息,未接来电,通知等。
SIM卡接口195用于连接SIM卡。SIM卡可以通过插入SIM卡接口195,或从SIM卡接口195拔出,实现和电子设备100的接触和分离。电子设备100可以支持1个或N个SIM卡接口,N为大于1的正整数。SIM卡接口195可以支持Nano SIM卡,Micro SIM卡,SIM卡等。同一个SIM卡接口195可以同时插入多张卡。所述多张卡的类型可以相同,也可以不同。SIM卡接口195也可以兼容不同类型的SIM卡。SIM卡接口195也可以兼容外部存储卡。电子设备100通过SIM卡和网络交互,实现通话以及数据通信等功能。在一些实施例中,电子设备100采用eSIM,即:嵌入式SIM卡。eSIM卡可以嵌在电子设备100中,不能和电子设备100分离。
电子设备100的软件系统可以采用分层架构,事件驱动架构,微核架构,微服务架构,或云架构。本申请实施例以分层架构的Android系统为例,示例性说明电子设备100的软件结构。
图2是本申请实施例的电子设备100的软件结构框图。分层架构将软件分成若干个层,每一层都有清晰的角色和分工。层与层之间通过软件接口通信。在一些实施例中,将Android系统分为四层,从上至下分别为应用程序层,应用程序框架层,安卓运行时(Android runtime)和系统库,以及内核层。应用程序层可以包括一系列应用程序包。
如图2所示,应用程序包可以包括相机,图库,日历,通话,地图,导航,WLAN,蓝牙,音乐,视频,短信息等应用程序。
应用程序框架层为应用程序层的应用程序提供应用编程接口(applicationprogramming interface,API)和编程框架。应用程序框架层包括一些预先定义的函数。
如图2所示,应用程序框架层可以包括窗口管理器,内容提供器,视图系统,电话管理器,资源管理器,通知管理器等。
窗口管理器用于管理窗口程序。窗口管理器可以获取显示屏大小,判断是否有状态栏,锁定屏幕,截取屏幕等。
内容提供器用来存放和获取数据,并使这些数据可以被应用程序访问。所述数据可以包括视频,图像,音频,拨打和接听的电话,浏览历史和书签,电话簿等。
视图系统包括可视控件,例如显示文字的控件,显示图片的控件等。视图系统可用于构建应用程序。显示界面可以由一个或多个视图组成的。例如,包括短信通知图标的显示界面,可以包括显示文字的视图以及显示图片的视图。
电话管理器用于提供电子设备100的通信功能。例如通话状态的管理(包括接通,挂断等)。
资源管理器为应用程序提供各种资源,比如本地化字符串,图标,图片,布局文件,视频文件等等。
通知管理器使应用程序可以在状态栏中显示通知信息,可以用于传达告知类型的消息,可以短暂停留后自动消失,无需用户交互。比如通知管理器被用于告知下载完成,消息提醒等。通知管理器还可以是以图表或者滚动条文本形式出现在系统顶部状态栏的通知,例如后台运行的应用程序的通知,还可以是以对话窗口形式出现在屏幕上的通知。例如在状态栏提示文本信息,发出提示音,电子设备振动,指示灯闪烁等。
在本申请中,电子设备首先确定将要接入异常基站的时刻,然后可以将接入异常基站的时刻以状态栏的通知信息的形式进行显示,以提醒用户应对网络异常等情况。
Android runtime包括核心库和虚拟机。Android runtime负责安卓系统的调度和管理。
核心库包含两部分:一部分是java语言需要调用的功能函数,另一部分是安卓的核心库。
应用程序层和应用程序框架层运行在虚拟机中。虚拟机将应用程序层和应用程序框架层的java文件执行为二进制文件。虚拟机用于执行对象生命周期的管理,堆栈管理,线程管理,安全和异常的管理,以及垃圾回收等功能。
系统库可以包括多个功能模块。例如:表面管理器(surface manager),媒体库(media libraries),三维图形处理库(例如:OpenGL ES),2D图形引擎(例如:SGL)等。
表面管理器用于对显示子系统进行管理,并且为多个应用程序提供了2D和3D图层的融合。
媒体库支持多种常用的音频,视频格式回放和录制,以及静态图像文件等。媒体库可以支持多种音视频编码格式,例如:MPEG4,H.264,MP3,AAC,AMR,JPG,PNG等。
三维图形处理库用于实现三维图形绘图,图像渲染,合成,和图层处理等。
2D图形引擎是2D绘图的绘图引擎。
内核层是硬件和软件之间的层。内核层至少包含显示驱动,摄像头驱动,音频驱动,传感器驱动。
为了便于理解,本申请以下实施例将以具有图1和图2所示结构的电子设备为例,结合附图和应用场景,对本申请实施例提供的视频中实现单词复读的方法进行具体阐述。
图3是本申请提供的一例特定路线识别的示意图。如图3所示,从家到公司的路线中,包括6个不同的基站,如图中小三角形所示出的基站。其中白色小三角形示出的基站1、3、4和6是正常基站,用户途经正常基站覆盖的区域时,电子设备可以正常接入基站,基站可以为用户提供网络服务;黑色小三角形示出的基站2和5是异常基站,用户途经异常基站覆盖的区域时,电子设备无法正常接入基站,处于掉网或者网络信号弱的状态,网络服务异常。此时,用户无法正常使用某应用的在线服务,例如使用在线音频、在线视频类等在线应用。为了不影响用户正常使用在线音频、在线视频类等在线应用,提高用户体验,电子设备可以根据用户日常的行为习惯,预测用户日常特定路线,确定用户日常特定路线以及特定路线中电子设备接入的多个基站的信息。当日常特定路线中存在信号较差的基站时,电子设备可以首先预测出到达此类基站的时间,再结合电子设备运行的APP的特性,提前向服务器发送缓存请求,防止电子设备接入信号较差的基站时影响用户的使用,或者以消息的形式告知用户到达此类基站的时间,提醒用户应对网络异常情况。
具体地,上述过程可以包括以下步骤:S301,电子设备预测接入异常基站的时间;S302,电子设备在接入异常基站的时间到来之前,向服务器发送请求,用于提前缓存数据。
应理解,本申请中以音频、视频类应用为例,介绍了电子设备预测用户的路线且提前缓存数据的机制。例如图3中电子设备的显示界面为音频播放过程中一种可能的显示界面示意图,本申请中电子设备还可以运行其他的应用,例如视频等需要缓存数据的应用类型,或者其他在线类的应用类型。
当运行音频、视频类应用时,电子设备可以预测用户的路线,并预测在该路线中接入异常基站的时间,在该时间到来之前提前向服务器发送请求,缓存音频数据或视频数据。当电子设备接入异常基站时,提前缓存的音频或视频数据可供用户使用,从而,网络异常不会影响用户的操作,该方法可以提高用户体验。
示例性的,图3中示出的电子设备的界面为音频播放界面,用于表示当前电子设备正在播放音频文件。用户从家出发,在基站1的覆盖区域内,电子设备预测到用户选取的特定路线为家到公司的路线,期间会接入异常基站2和基站5,并确定接入异常基站2和基站5的时间。在到达基站2的覆盖区域之前,电子设备向服务器发送请求,请求缓存更多的音频数据。
在一种可能的实施方式中,上述提前预测路线和网络状况的机制还可以应用于其他应用场景。
图4是本申请提供的多种可能的应用场景示意图。具体地,图4中的(a)图示出的是电子设备运行游戏应用的场景示意图。当用户运行在线游戏应用时,电子设备根据用户当前的行进速度,预测在该特定路线中接入通信质量较差的基站的时间,并提前生成消息,该消息用于通知用户网络将在一定时长后变差,以便用户采取相应的应对措施。该消息可以以(a)图所示的消息弹窗401的形式提醒用户,消息弹窗401的内容可以是:“10分钟后网络质量差”等,或者更多用于提醒用户网络质量变差的消息内容,本申请对消息弹窗的内容不作限定。
当用户的行进速度发生变化,导致接入通信质量较差的基站的时间发生变化时,通知消息可以做相应变更。例如,用户开始处于驾驶模式,电子设备在08:30时提醒用户“10分钟后网络质量差”,在08:35时,电子设备确定用户处于步行模式,接入通信质量较差的基站的时间由原来预测的08:40变化为8:55,此时通知消息可以变更为“20分钟后网络质量差”,并再次以消息弹窗形式进行显示。
可选地,当电子设备运行图4中的(b)图示出的视频播放应用时,电子设备预测在该特定路线中接入通信质量较差的基站的时间,电子设备可以向服务器发送请求,请求缓存视频数据,在视频显示界面中的播放进度条上可以显示更多的缓存进度。例如,(b)图中的播放进度条上,黑实线是用户已经观看的影片内容,黑色实心点用于表示当前播放的位置。当电子设备向服务器发送缓存请求后,影片的缓存进度可以到空心圆点示出的位置。
在一种可能的情况中,黑色实心点标识的播放位置到空心圆点标识的播放位置之间的时长,大于或等于从当前时刻起,到用户离开异常基站的覆盖范围时的时刻之间的时长。从而保证在用户接入异常基站时,不会影响用户在线观看视频。
或者,电子设备也可以提前生成消息,如消息弹窗402,该消息弹窗402的内容用于通知用户网络将在一定时长后变差,以便用户采取相应的应对措施。本申请对此不作限定。
本申请提供的特定路线识别方法可以用于优化终端性能,结合图4中列举的两种应用场景,在执行不同用户业务过程中,通过不同的方式提醒用户网络情况,或者提前缓存音视频等,提高用户体验。其中,提醒方式可以包括弹窗等动态方式,也可以包括配置开关等静态方式。此外,在其他应用场景中,还可以通过其他方式优化终端性能。
示例性的,优化终端性能可以指优化终端设备的功耗。在实际使用中,当终端设备从正常基站的覆盖范围进入异常基站的覆盖范围,会出现掉网情况。当掉网以后,终端设备会不断搜网,例如搜寻可接入的无线网络(2G/3G/4G)信号。通过本申请实施例提供的方法,终端设备可以根据特定路线识别的结果,预测到终端设备在该特定路线上进入异常基站覆盖范围的时刻和离开异常基站覆盖范围的时刻,从而可以执行以下任一种可能的动作:
(1)改变终端设备搜网的时间间隔。
例如,增加终端设备搜网的时间间隔。或者,缩短终端设备搜网的时间间隔。
示例性的,在正常基站的覆盖范围内,终端设备的搜网频率为每2分钟搜索一次,在异常基站的覆盖范围内,终端设备的搜网频率改变为每4分钟搜索一次。通过增加终端设备的搜网的时间间隔,降低终端设备的功耗。
示例性的,在终端设备即将进入正常基站覆盖范围时,可以缩短终端设备搜网的时间间隔,使终端设备可以提前启动搜网,从而进入正常基站覆盖范围时快速接入网络,为用户提供网络服务。
(2)在第一时段内,关闭终端设备的搜网功能,使得终端设备在该第一时段内不会一直搜索和检测可用的无线网络,从而降低终端设备的功耗。
可选地,第一时段可以是指终端设备进入异常基站覆盖范围的时刻和离开异常基站覆盖范围的时刻之间的时段。应理解,该第一时段可以不包括终端设备离开异常基站的时刻,或者该第一时段可以包括终端设备离开异常基站的时刻。本申请对此不做限定。
例如,第一时段是8:30:60-8:35:60之间的时段。那么,第一时段不包括终端设备离开异常基站的时刻08:35:60,终端设备预测到8:35:60时进入正常基站内,则在8:35:60终端设备可以启动搜网功能,或者在8:35:60的前n秒(例如8:35:50)就提前启动搜网功能,可以在终端设备离开异常基站时,就接入其他无线网络,缩短断网时间,提高用户体验。
可选地,终端设备在从基站A的覆盖范围进入基站B的覆盖范围的过程中,可能会有一个没有无线网络覆盖的区域,因此,该第一时段还可以指终端设备在该没有无线网络覆盖的区域的时长。
例如,终端设备8:30:60-8:35:60在基站A的覆盖范围内,在8:35:60-8:38:60在没有任何无线网络的覆盖范围内,8:38:60-8:40:60在基站B的覆盖范围内。那么第一时段就指8:35:60-8:38:60。在该时段内,可以关闭终端设备的搜网功能,从而降低终端设备的功耗。终端设备在8:38:60离开没有任何无线网络的覆盖范围进入基站B时,可以提前开启终端设备的搜网功能,例如提前8:38:50重新搜网,当进入基站B时就可以快速接入,提高用户体验。本申请对此不作限定。
示例性的,优化终端性能还可以指快速使终端设备获取网络服务。在实际使用中,当终端设备进入异常基站的覆盖范围出现掉网情况后,终端设备会不断搜网,例如搜寻可接入的无线网络(2G/3G/4G)信号。通过本申请实施例提供的方法,终端设备可以根据特定路线识别的结果,获取该特定路线上基站的信息。
例如,终端设备从基站A切换到基站B时,终端设备可以知道,会发生何种网络制式的变化。如高低网络制式的切换,从2G到3G,还是3G到4G,或者未来的5G等。
示例性的,终端设备可以知道该特定路线上基站A为终端设备提供4G网络,基站B只能为终端设备提供3G网络,在终端设备确定基站A切换到基站B的时刻,直接搜索3G网络信号,而不需要同时搜寻其他不同网络制式提供的网络信号,如2G/4G/5G等网络信号。
或者,示例性的,终端设备还可以预测在该特定路线上从正常基站覆盖范围进入异常基站覆盖范围的时刻和离开异常基站覆盖范围的时刻,而且终端设备可以知道该正常基站可以为终端设备提供5G网络,异常基站只能为终端设备提供2G网络。从而,当终端设备从正常基站覆盖范围进入到异常基站覆盖范围时,直接搜寻该异常基站可以提供的2G网络信号,不需要同时搜寻其他不同网络制式提供的网络信号,如禁止终端设备搜寻4G/3G/5G等网络制式下的网络信号,从而使得终端设备可以快速获取网络服务。
为了实现上述功能,首先电子设备需要准确预测用户途经的特定路线。在确定用户路线过程中,电子设备需要对该途经的特定路线信息进行学习,并识别出当前用户所处的路线,从而针对该路线选取对应的预测模型。
目前电子设备识别特定路线方法,主要依靠时间戳信息进行路线的识别。具体地,图5是一例电子设备识别路线的流程图。如图5所示,首先依据电子设备接入基站时间信息进行场景判别,主要分为家附近的基站和公司附近的基站的判别。图5中的(a)图为电子设备判断家附近的基站的流程,(b)图为电子设备判断公司附近的基站的流程。该识别方法中,电子设备将晚上长时间接入的基站标识为家附近的基站,记录晚上接入家附近的基站的时间戳信息;白天长时间接入的基站标识为公司附近的基站,电子设备记录白天接入公司附近的基站的时间戳信息。从而电子设备可以基于时间戳信息,并结合基站的信息判断上下班的路线,将白天脱离家附近的基站的路线标识为上班路线,晚上脱离公司附近的基站的路线标识为下班路线。
图6是本申请实施例提供的一例路线示意图。如图6所示,以用户从家、公司和最常去的商场之间的路线为例,可能会有多种路线或者不同的往返路线。对于不同的多种路线,每条路线上经过的基站不同,异常基站和正常基站的分布也不同。上述依据时间戳信息识别路线的方法,电子设备只能识别出家附近的基站和公司附近的基站,对家到公司的上班路线或者公司到家的下班路线并不能准确的识别出来。该方法只能粗略的根据时间信息估计用户在上班途中或者下班途中,并不能准确确定用户的路线以及预估路线中是否存在通信质量较差的基站。该方法存在鲁棒性和灵敏度较差的问题,如识别出路线的种类受限,以及无法识别折返的路线等问题。
此外,另外一种识别特定路线的方法,主要依靠全球定位系统(globalpositioning system,GPS)或无线网络(wireless fidelity,Wi-Fi)定位。具体地,GPS的定位方式可以利用已知位置的卫星,通过电子设备的GPS接收器计算出当前的位置。WI-FI网络定位的方式主要利用WI-FI的物理地址信息,通过三角定位法或指纹定位法,计算出电子设备的位置信息。在实际应用过程中,由于GPS搜星、WI-FI网络信号质量不佳,会造成的定位不准确、更新不及时等问题。此外,采用GPS或者WI-FI定位会导致电子设备的高功耗问题。
因此,本申请提供一种对特定路线上的特定位置进行识别的方法,可以实现对特定路线的分类和识别,能够实时和高准确度的实现路线识别,同时满足低功耗的要求。应理解,本申请所说的特定路线上的特定位置,可以指该特定路线上包括的多个基站的位置。
在一种可能的实施方式中,本申请提供的特定路线的识别方法可以通过设置应用进行启动。
图7是本申请实施例提供的一例启动特定路线的识别方法的示意图。作为一种示例而非限定,如图7中的(a)图所示,手机的屏幕显示系统显示了当前一种可能的界面内容,该界面内容为手机的主界面701。该主界面701可以显示多款第三方应用程序(application,App),例如支付宝、任务卡商店、微博、设置、微信、卡包、相册、相机等。应理解,界面内容701还可以包括其他更多的应用程序,本申请对此不作限定。
用户执行(a)图所示的对设置应用的点击操作,响应于该点击操作,手机进入设置应用的主界面702,设置应用的主界面702可以显示如图7中(b)图所示的内容。该界面702具体可以包括飞行模式设置控件、Wi-Fi设置控件、蓝牙控件、个人热点控件、移动网络控件、电池控件、显示与亮度设置控件、华为账号控件、声音设置控件和隐私控件等。应理解,设置应用的主界面702还可以包括其他更多或更少的显示内容,本申请对此不作限定。
用户执行(b)图所示的对桌面与壁纸控件的点击操作,响应于该点击操作,手机进入桌面与壁纸设置界面703。在该桌面与壁纸设置界面703中,包括本地主题设置控件、本地壁纸设置控件、本地锁屏设置控件、本地字体设置控件以及智能助手控件。
用户执行(c)图所示的对智能助手控件的开启操作,响应于该开启操作,手机启动智能助手,如图(d)所示智能助手已经开启。可选地,手机就启动了本申请实施例提供的特定路线识别功能。
应理解,该智能助手启动后还可以包括其他更多的其他功能,或者启动该特定路线识别功能还可以有其他可能的快捷方式,例如通过电子设备运行的应用的设置选项进行启动。具体地,当电子设备运行视频播放应用时,可以通过视频播放应用的设置选项进行启动,本申请对此不做限定。
在一种可能的实施方式中,本申请提供的特定路线的识别方法可以默认为启动状态,即当监测到用户目前的路线可能为电子设备已经记录的多条特定路线中的某条路线且该特定路线存在异常基站时,检测电子设备当前运行的应用,当确定在运行音频类的应用时向服务器提前请求缓存,或者在用户运行游戏等应用时以消息通知的方式提醒用户接入异常基站的时刻,以便用户做好其他准备,防止异常基站断网造成不良影响。当监测到用户目前的路线不是电子设备记录的多条特定路线中的任意路线,电子设备不采取后续的请求缓存或者生成接入异常基站的时刻提醒消息等操作。
下面结合附图介绍本申请提供的路线的识别方法,该方法可以包含两个阶段:学习阶段和预测阶段。学习阶段主要依据电子设备采集的路线信息,进行相关的匹配特征的计算,构建学习数据库的匹配特征矩阵,搜索初始自主聚类点,并采用K最近邻(k-nearestneighbor,KNN)算法,归类出多个特定路线信息。预测阶段主要根据聚类完成的数据记录,进行下采样操作,并与实时读取的基站序列进行匹配,将分类集合中匹配程度最高的路线作为预测输出,实现路线识别。当输出了预测的特定路线后,电子设备可以获取该特定路线上的基站的通信情况,预测用户到达网络质量较差的基站的时间。电子设备再根据当前运行的应用,确定是否需要提前向服务器发送请求,请求更多的数据缓存。为了更好地理解本申请提供的特定路线的识别方法,下面将介绍具体的实现过程和算法原理。
阶段一:学习阶段
在学习阶段,电子设备可以采集多条特定路线信息,例如记录多条路线上的所有基站的信息或者记录多个点的位置等。电子设备对每一条特定路线,通过滑动相关系数的计算,得到特征矩阵,并根据特征矩阵,对每条特定路线进行分类,归类出多个特定路线。
应理解,学习阶段的方法流程可以离线进行,也可以在线进行。而且,电子设备可以周期性进行路线学习。例如,对于从用户家到公司之间的路线,电子设备10天进行一次学习,更新路线数据库的信息,提高路线识别的准确度。本申请对此不作限定。
下面,将学习阶段具体分为三个步骤进行介绍。
1、特征识别及特征矩阵构建
特征提取是从原始特征中找出最有效的特征,通过特征转换的方式得到一组具有明显物理意义或者统计意义的特征。特征提取的过程需要先获取原始数据,将原始数据转变为模型的训练数据。例如,在本申请实施例中,对特定路线的特征提取过程就是获取该特定路线包括的多个基站的信息,将获取的基站的信息转变为特征矩阵的过程。特征矩阵构建就是先用原始数据协方差矩阵的前N个最大特征值对应的特征向量构成映射矩阵的过程,再对特征矩阵进行相关处理等。在特征识别及特征矩阵构建的过程中,具体可以包括计算路线小区匹配特征和构建线路匹配特征矩阵两个部分。
图8是本申请实施例提供的一例算法流程示意图。如图8所示,具体的处理流程包括:S801,滑动相关系数计算任意两条基站记录的匹配特征曲线;S802,检测相关峰作为这两条记录的匹配特征;S803,构建学习数据库的匹配特征矩阵;S804,返回特征矩阵。其中S801和S802为计算路线小区匹配特征的过程,S803为构建线路匹配特征矩阵过程。
具体地,图9是本申请实施例提供的一例滑动相关系数的计算过程示意图。在S801中,首先滑动任意两条基站记录的匹配特征曲线,如图9所示的示意图,对于两条路线,分别记做路线1和路线2。路线1上包括A1至E1五个基站,路线2上包括A2至E2五个基站。在滑动过程中,以路线1的每一个基站信息去匹配路线2的每一个基站信息。如图所示,滑动1表示路线2和路线1滑动一次,计算路线1的A1基站和路线2的E2基站的匹配程度;同理,滑动2表示路线2和路线1滑动两次,计算路线1的A1基站和路线2的D2基站、路线1的B1基站和路线2的E2基站的匹配程度;滑动5表示路线2和路线1滑动五次,计算路线1的A1基站和路线2的A2基站、路线1的B1基站和路线2的B2基站、路线1的C1基站和路线2的C2基站、路线1的D1基站和路线2的D2基站、路线1的E1基站和路线2的E2基站的匹配程度;滑动8表示路线2和路线1滑动八次,计算路线1的D1基站和路线2的A2基站、路线1的E1基站和路线2的B2基站的匹配程度。应理解,滑动次数的可以是两条特定路线上的基站数量之和减去1的到的,例如,图9中路线1和路线2的滑动次数为5+5-1=9次。
在滑动相关系数计算过程中,以路线1中的基站的特征去匹配路线2的基站的特征,如果路线1中的基站的特征和路线2的基站的特征匹配程度大于或等于第一阈值TH,则判断路线1中的基站和路线2的基站是同一个基站,记做1;如果A1的特征和A2的特征匹配低于第一阈值TH,则判断A1和A2不是同一个基站,记做0,以此类推滑动计算两条路线中的每一个基站之间的匹配程度。
图10是本申请实施例提供的一例滑动计算过程的流程图。如图10所示的过程,滑动相关系数的计算可以采取基于硬判决的相关计算方式,其中硬判决的规则为两个基站的标识ID(identification)或者基站下的小区标识(cell identification,CID)相同,则统计信息累加1,否则不累加。该过程可以包括:S1001,判断B序列是否到达最大移位;S1002,当B序列到达最大移位时,结束计算;S1003,当B序列没有到达最大移位时,判断累项求和是否结束;S1004,累项求和结束时,求和(sum)归一化;S1005,累项求和没有结束时,判断是否A[i]==B[i];S1006,当A[i]==B[i]时,统计信息累加1,表示为sum=sum+1;否则循环继续判断累项求和是否结束。
具体地,通过滑动相关系数计算任意两条小区记录的匹配特征曲线过程中,首先取出任意两条采集记录的路线序列,分别是路线1对应的A序列和路线2对应的B序列,当A序列的中的CID和B序列中的CID相同时,将sum加1,否则sum不变,然后通过sum除以比较次数进行归一化,可以求出相关系数。接着移位B序列,再次进行相关系数的计算。该计算过程直到B序列移位达到最大值为止。当滑动次数达到最大次数时,即序列达到最大移位,如图8中所示的路线1和路线2的滑动相关系数计算过程中,当滑动到用路线1的E1基站匹配路线2的A2基站时,即滑动到最大次数9次,即B序列的移位达到最大值。这样便可以随着B序列的移位值的变化,求得对应的相关系数的曲线,也就是特征曲线,并将特征曲线的最大值作为这两条记录的相关特征。
应理解,每一次移位对应一个sum值,当A[i]==B[i]时,统计信息累加1,当A[i]和B[i]不匹配时,不累加,直到最大移位。当路线2的每一个基站和路线1的任意一个基站完成匹配程度的确定后,得到一个求和序列,如下表1所示的求和序列。该序列进行归一化处理得到相应的相关系数,即求出了路线1的每一个基站和路线2的每一个基站相互之间的相关系数。
表1
0 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
1 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
1 | 1 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
1 | 1 | 1 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
1 | 1 | 1 | 1 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
1 | 1 | 1 | 1 | 1 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
1 | 1 | 1 | 1 | 1 | 1 | 0 | 1 | 1 | 1 | 1 | 1 | 1 |
1 | 1 | 1 | 1 | 1 | 1 | 1 | 0 | 1 | 1 | 1 | 1 | 1 |
1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 0 | 1 | 1 | 1 | 1 |
1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 0 | 1 | 1 | 1 |
1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 0 | 1 | 1 |
1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 0 | 1 |
1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 0 |
将相关系数随着采样点的变化而变化过程绘制成曲线,如图11所示。图11是本申请实施例提供的一例特征曲线示意图。其中,图11中的特征曲线横轴为采样点偏移值,纵轴为求得的相关系数。当计算完相关匹配特征曲线后,检测相关峰作为这两条记录的匹配特征,构建学习数据库的匹配特征矩阵,该矩阵为上三角矩阵,如下表2所示的上三角矩阵。
表2
应理解,该上三角矩阵的每一项都是两条路线之间的相关系数,用于表征两条路线之间的匹配程度。
还应理解,构建的匹配特征矩阵为上三角矩阵,因为路线1的A1基站和路线2的A2基站之间的相关系数只对应一个数值,故而将表征路线2的A2基站和路线1的A1基站之间的相关系数的矩阵下三角部分各项记做0,这样的上三角矩阵可以简化计算量,提高检测效率。
经过上述步骤,完成了特征矩阵的构建过程。
在一种可能的实施方式中,进行滑动匹配时,可以采用基于软判决的相关计算方式。
图12是本申请实施例提供的又一例滑动计算过程的流程图。如图12所示的过程,滑动相关系数的计算采取基于软判决的相关计算方式,其中软判决考虑了运营商组网时,对于位置相邻的基站会分配相邻的CID,所以在相关计算的时候,若CID相同则统计信息累加1,若CID的差别为M以内情况下,认为位置相邻,统计信息累加0.5,除此之外统计信息不累加。其中M为1-20。该过程可以包括:S1201,判断B序列是否到达最大移位;S1202,当B序列到达最大移位时,结束计算;S1203,当B序列没有到达最大移位时,判断累项求和是否结束;S1204,累项求和结束时,求和(sum)归一化;S1205,累项求和没有结束时,判断是否A[i]==B[i];S1206,当A[i]==B[i]时,统计信息累加1,表示为sum=sum+1;S1207,当A[i]不等于B[i]时,继续判断Abs(A[i]-B[i])是否小于M;S1208,当Abs(A[i]-B[i])<M时,统计信息累加0.5,表示为sum=sum+0.5;否则循环继续判断累项求和是否结束。
上述介绍的软判决方法在前述硬判滑动计算的基础上,考虑了运营商组网的因素,对于位置相邻的小区且CID也相邻时,能够保证相邻的小区因为CID的差异导致特定路线识别的误差,从而进一步提高线路识别的鲁棒性。
2、自主聚类
在学习阶段,经过上述步骤1中的方法,可以构建线路匹配的特征矩阵。例如,上表2列举的初始特征矩阵,然后对该初始特征矩阵进行处理,筛选初始自主聚类点。
图13是本申请实施例提供的一例自主聚类过程的流程图。如图13所示的过程,该过程包括:S1301,判断特征矩阵是否为全零阵;S1302,当特征矩阵是全零阵时,结束筛选过程;S1303,寻找上三角特征矩阵满足匹配特征>TH的最大值,取出对应的行坐标作为初始自主聚类点;S1304,寻找在与该行记录满足匹配特征>TH1的记录,其中TH取值可以为0-0.55;S1305,更新特征矩阵,将满足要求的记录的行和列置0;S1306,继续寻找和检查,直到特征矩阵为全零阵。
具体地,可以取TH1=0.5,在表2所示的上三角矩阵中,先查找相关系数最大值为0.958711,将最大值0.958711对应的行中满足匹配特征>0.5的项全部归零,例如将表2中的最大值0.958711所在的行中大于0.5的相关系数全部归零;再寻找与该行记录满足匹配特征大于TH的记录,将对应的行和列全部置零。经过初始聚类搜索第一轮处理得到如下表3所示的矩阵,在算法中输出体现为InitialSet=[7]。以此类推,继续寻找和检查,经过初始聚类搜索第二轮处理,直到特征矩阵为表4所示的全零阵,在算法中输出体现为InitialSet=[7,4]。
表3
0 | 0 | 0.66492147 | 0 | 0.832972 | 0 | 0.843063 | 0 | 0.80316 | 0 | 0 | 0 | 0.878719 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
0 | 0 | 0 | 0 | 0.806218 | 0 | 0.830933 | 0 | 0.865043 | 0 | 0 | 0 | 0.807018 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
0 | 0 | 0 | 0 | 0 | 0 | 0.954511 | 0 | 0.797542 | 0 | 0 | 0 | 0.812357 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0.806672 | 0 | 0 | 0 | 0.79405 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0.816171 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
表4
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
经过上述处理后,完成对所有的特定路线的分类,得到两类不同的路线。例如,本申请实施例中归类出路线4和路线7两类,且路线4和7为完全不同的两类路线,换言之,路线4和7为所有获取的特定路线中区别最大的两类路线。
3、KNN算法聚类
应理解,在对原始特征矩阵的自主聚类过程中,判断路线4和7为完全不同的两类路线。对于获取的多个特定路线中,可能有一种特定路线和特定路线4和特定路线7的相似度都接近。换言之,按照上述的自主聚类过程,该路线既可以被归类到特定路线4的一类,也可以被归类到特定路线7的一类,为了精确地对该类路线进行归类处理,在上述步骤2的自主聚类之后,对原始特征矩阵中进行KNN算法聚类处理。
接下来基于K最近邻算法(KNN算法)归类剩余路线。首先从剩余记录中选取一条路线,基于KNN法,可以选出与这个路线K个最大的匹配特征,并且匹配特征大于TH2,然后这K个特征中多数属于哪个类,就把该类作为这个路线的类,其中TH2取值0-0.55。应理解,这里TH2和上述TH1的取值可以相同也可以不同,本申请对此不做限定。
图14是本申请实施例提供的一例KNN聚类过程的流程图。如图14所示的过程,该过程包括:S1401,随机取出剩余路线中某次记录点;S1402,在满足匹配特征大于TH条件下,基于KNN算法,找到该点的匹配类;S1403,把该点纳入匹配的类集合中;S1404,判断剩余路线中记录数是否为0;S1406,当剩余路线中记录数为0时,结束聚类,否则循环继续读取剩余路线中的记录点进行判断和匹配类。
具体地,基于第二轮初始聚类搜索出来的初始自主聚类点InitialSet=[7,4],基于KNN法(选取K=1),选取与这一点最近邻的类作为该点的类,即满足匹配特征最大匹配特征>0.5。
应理解,上述经过分类之后,还有部分剩余路线未完成聚类,通过上述流程,可以将剩余路线进行归类。从每条剩余路线中提取该路线的K个最大的相关系数,且保证该K个相关系数都是大于TH2,确定该K个特征中多数属于哪个类,就把该类作为这个路线的类。
综上,电子设备完成了用户的特定路线的学习过程,经过学习阶段的处理,电子设备获取了多条家到公司之间的特定路线,以及每一条特定路线上的基站信息等,是电子设备进行路线识别与匹配的基础。应理解,该特定路线的学习可以周期性进行,可以及时对用户的特定路线进行更新,提高路线识别的准确性。
阶段二:预测阶段
经过学习阶段中的相关处理,已经完成了对特定路线的分类,预测阶段可以基于已分类的特定路线,实现对用户路线的在线识别。
图15是本申请实施例提供的一例路线识别过程的流程图。如图15所示的过程,该过程包括:S1501,将已标注的数据库记录进行下采样;S1502,滑动存储当前时刻开始T秒内的小区序列;S1503,获取与下采样数据库的匹配特征;S1504,判断最大匹配特征值Max是否大于TH;S1505,当最大匹配特征值Max大于或等于TH3时,判断为对应路线;S1506,当最大匹配特征值Max小于TH3时,放弃本次预测,继续循环对数据库进行下采样。
具体地,在预测阶段首先从剩余记录中选取一条路线,为了实现快速识别,电子设备对已归类的路线的数据集合进行采样,获取已经学习的特定路线的信息。可选地,在采样过程中,可以适当降低采样频率,例如通过下采样周期性获取学习的特定路线的信息。然后电子设备存储当前时刻开始T秒内的小区序列,将实时读取的路线信息和采样的特定路线的信息进行匹配,获取与下采样数据库的匹配特征,选取匹配特征最大且大于TH3的类作为该在线预测的结果,其中下采样周期T小于或等于120s,TH3取值0-0.55。类似的,这里TH3和上述TH2或者TH1的取值可以相同也可以不同,本申请对此不做限定。
应理解,下采样是周期性获取已经学习的特定路线的信息的一种方式,同时,下采样可以降低电子设备运算量。例如,一般采样可以是1秒采样一次,下采样就可以是2秒采样一次。在不影响识别准确率的前提下,减小采样频率可以减少电子设备的计算量,从而降低功耗。
通过上述方案,电子设备可以完成对特定路线的学习识别。滑动匹配基站的CID,构建特征信息,为线路优化提供保证。此外,该过程无需任何路径的先验信息,基于匹配特征矩阵的搜索方法,划分初始自主聚类点,通过自主聚类可以达到路线归类效果。再利用KNN算法计算剩余线路的归属类别,通过下采样达到快速线路预测效果。在滑动过程中,本申请还提供一种软判滑动算法,考虑现网组网的特征,实现基于软判的线路小区序列特征相关匹配,进一步提高线路识别的鲁棒性,在线路预测阶段提高检测实时性和灵敏度。
综上所述,本申请提供的特定路线的识别方法,相比于现有的GPS和WI-FI等识别路线的方法,大幅降低了电子设备的功耗;相比于通过时间维度去识别路线的方法,鲁棒性更强,而且提高了路线检测的实时性和灵敏度。
此外,在该特定路线的识别过程中,要将该方法应用于电子设备中,可以包括不同的实现方式。
在一种可能的实现方式中,与源应用开发端达成共识,在源应用内部提供一个接口,该接口可以用于用户设置是否启动特定路线识别功能。当用户在该接口设置启动了特定路线的识别功能,后续在特定路线识别过程中,当电子设备监测到判断输出的特定路线上有异常基站时,可以根据该应用的类型确定在接入异常基站之前进行缓存,或者以消息提醒的方式通知用户接入异常基站的时刻。在某应用内不开启特定路线的识别功能时,则电子设备不进行后续的上述操作。
示例性的,以视频播放应用为例,在视频播放应用内设置菜单提供一个开关控件,该开关控件的功能类似于图7中(d)图示出的智能助手控件。当该开关控件处于开启状态时,启动特定路线的识别功能。后续在特定路线识别过程中,当监测到特定路线上有异常基站时,电子设备可以向视频播放应用的服务器发送缓存请求,请求缓存更多的视频数据。
在另一种可能的实现方式中,不需要与源应用开发端的协商,本申请提供一套软件开发工具包(software development kit,SDK),使得电子设备在出厂之前就已经具备该特定路线识别的功能。该软件运行于图2中电子设备软件架构的系统库,为电子设备提供一种对特定路线上的特定位置进行识别的功能。
具体地,以视频播放为例,电子设备可以不依赖视频开发端,直接在电子设备内部形成功能代理,在用户无感情况下,可以实现视频数据包的收发控制。例如和服务器之间进行通信,提前请求视频数据包的缓存。当判断电子设备在当前识别出的特定路线上将接入异常基站时,将已经获取的视频数据包提前发送到该视频应用,当判断电子设备在当前识别出的特定路线上将没有异常基站时,按照电子设备正常获取视频数据包的速率发送请求并接受视频数据包。
结合上述实施例及相关附图,本申请实施例提供了一种特定路线的识别方法,该方法可以在如图1、图2所示的电子设备(例如手机、平板电脑等)中实现。图16是本申请实施例提供的特定路线的识别方法的示意性流程图,如图16所示,该方法可以包括以下步骤:
1601,电子设备获取当前路线的信息。
其中,所述当前路线的信息包括第一无线网络集合的信息,所述第一无线网络集合包括第一无线网络和第二无线网络,所述第一无线网络的通信质量大于第一阈值,所述第二无线网络通信质量小于或等于所述第一阈值,所述当前路线的信息包括所述第一无线网络的信息和所述第二无线网络的信息。
应理解,在本申请中,路线的信息指的是该路线上无线网络的信息,例如基站的信息。本申请将以基站为例,具体介绍优化终端性能的方法。在本申请中,第一无线网络对应于正常基站,正常基站可以是终端设备提供正常网络服务的基站;第二无线网络对应于异常基站,异常基站可以是不能为终端设备提供网络服务的基站,终端设备在该异常基站的覆盖范围内会断网,或者下载速率低于一定门限和/或业务发生卡顿。
还应理解,电子设备获取当前路线的信息就是获取当前路线上的所有基站的信息或者记录多个基站的位置信息。可选地,基站的信息包括基站的标识信息或小区标识信息,本申请对此不做限定。
还应理解,上述第一无线网络集合中可以包括至少一个基站,该至少一个基站可以对应于实施例描述中的正常基站和异常基站,本申请对第一无线网络集合中包括的正常基站和异常基站的数量不做限定。
在用户运动路线变化过程中,电子设备实时采集当前路线途经的基站的信息。
1602,电子设备根据该特定路线判定模型和该当前路线的信息,确定该当前路线为第一特定路线。
可选地,在步骤1602之前,电子设备可以先确定所述特定路线判定模型。其中,所述特定路线判定模型包括多条特定路线的信息,所述多条特定路线中的每条特定路线上包括第二无线网络集合。
在一种可能的实施方式中,电子设备可以获取多条特定路线上的信息,根据获取的所述多条特定路线上的信息,构建所述多条特定路线的第一特征矩阵,再根据所述第一特征矩阵,对所述多条特定路线进行分类处理得到第二特征矩阵,根据所述第二特征矩阵,确定所述特定路线判定模型。
在一种可能的实施方式中,电子设备通过滑动相关系数计算所述多条特定路线中的任意两条路线的匹配特征曲线,根据所述匹配特征曲线构建所述第一特征矩阵。其中,所述滑动相关系数计算包括硬判决计算或软判决计算。
应理解,在对原始特征矩阵的自主聚类过程中,可能有两个特定路线之间相似度都接近。换言之,按照上述的自主聚类过程,该两个特定路线既可以被归类到两个特定路线中的任一个。为了精确地对该类路线进行归类处理,对原始特征矩阵中进行KNN算法聚类处理。
具体地,可以根据K最近邻算法和所述第一特征矩阵,归类所述多条特定路线中的任意一条路线,过程请参照图14以及相关描述,此处不再赘述。
示例性的,以上过程对应于特定路线的识别过程的学习阶段,关于学习阶段的详细过程,请参照图8至图14的相关介绍,此处不再赘述。
在一种可能的实施方式中,电子设备可以获取所述特定路线判定模型中每条特定路线上包括的第二无线网络集合中基站的信息,判断所述第二无线网络集合中基站的信息和所述第一无线网络集合中基站的信息的匹配程度大于或等于第二阈值时,确定所述当前路线为所述第一特定路线。
应理解,上述第一阈值和第二阈值可以提前配置,本申请对第一阈值和第二阈值的大小和配置方式不做限定。
在一种可能的实施方式中,电子设备可以周期性获取所述特定路线判定模型中包括的第二无线网络集合中基站的信息。
示例性的,下采样是周期性获取已经学习的特定路线的信息的一种方式,同时,下采样可以降低电子设备运算量。例如,一般采样可以是1秒采样一次,下采样就可以是2秒采样一次。在不影响识别准确率的前提下,减小采样频率可以减少电子设备的计算量,从而降低功耗。
1603,执行与该第一特定路线相关的第一特定动作,该第一特定动作包括以下至少一项:改变搜网间隔;或根据网络制式的变化,搜寻不同的网络信号;或当确定所述终端设备当前运行的应用为第一应用时,生成第一消息,所述第一消息用于指示所述终端设备向所述第一应用对应的服务器发送缓存请求,和/或所述第一消息用于指示所述终端设备接入所述第二无线网络的时刻。
在一种可能的实施方式中,当所述第一应用为游戏应用时,电子设备在第一界面上显示所述第一消息,所述第一界面是所述游戏应用的运行界面,所述第一消息用于指示所述电子设备接入异常基站的时刻。
示例性的,如图4中的(a)图或(b)所示的弹窗提醒。
在一种可能的实施方式中,当所述第一应用为音频或视频应用时,电子设备根据所述第一消息,所述电子设备向所述音频或视频应用对应的服务器发送缓存请求,所述缓存请求用于从所述服务器缓存音频数据或视频数据。
示例性的,如图4中的(b)图所示的视频播放应用,电子设备可以向服务器发送请求,请求缓存视频数据,在视频显示界面中的播放进度条上可以显示更多的缓存进度。
此外,在其他应用场景中,还可以通过其他方式优化终端性能。参加前述实施例中的相关描述,此处不再赘述。
通过上述对特定路线上的特定位置进行识别的方法,电子设备可以根据用户日常的行为习惯,预测用户日常特定路线,确定用户日常特定路线以及特定路线中电子设备接入的多个基站的信息。当日常特定路线中存在信号较差的基站时,电子设备可以首先预测出到达此类基站的时间,再结合电子设备运行的APP的特性,提前向服务器发送缓存请求,防止电子设备接入信号较差的基站时影响用户的使用,或者以消息的形式告知用户到达此类基站的时间,提醒用户应对网络异常情况。从而,网络异常不会影响用户的操作,该方法可以提高用户体验。
此外,通过上述对特定路线上的特定位置进行识别的方法,优化终端的性能。例如,通过改变终端设备的搜网的时间间隔,或者在没有无线网络服务的区域内,关闭终端设备的搜网功能,使得终端设备不会一直搜索和检测可用的无线网络,优化终端设备的功耗;又或者,通过确定特定路线上不同的基站为终端设备提供的网络信号,使终端设备可以快速获取网络服务,提高用户体验。
可以理解的是,电子设备为了实现上述功能,其包含了执行各个功能相应的硬件和/或软件模块。结合本文中所公开的实施例描述的各示例的算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以结合实施例对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本实施例可以根据上述方法示例对电子设备进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块可以采用硬件的形式实现。需要说明的是,本实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
在采用对应各个功能划分各个功能模块的情况下,图17示出了上述实施例中涉及的电子设备1700的一种可能的组成示意图,如图17所示,该电子设备1700可以包括:获取单元1701、检测单元1702和处理单元1703。
其中,获取单元1701可以用于支持电子设备1700执行上述步骤1601等,和/或用于本文所描述的技术的其他过程。
检测单元1702可以用于支持电子设备1700执行上述步骤1602等,和/或用于本文所描述的技术的其他过程。
处理单元1703可以用于支持电子设备1700执行上述步骤1603等,和/或用于本文所描述的技术的其他过程。
需要说明的是,上述方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能模块的功能描述,在此不再赘述。
本实施例提供的电子设备,用于执行上述对特定路线上的特定位置进行识别的方法,因此可以达到与上述实现方法相同的效果。
在采用集成的单元的情况下,电子设备可以包括处理模块、存储模块和通信模块。其中,处理模块可以用于对电子设备的动作进行控制管理,例如,可以用于支持电子设备执行上述获取单元1701、检测单元1702和处理单元1703执行的步骤。存储模块可以用于支持电子设备执行存储程序代码和数据等。通信模块,可以用于支持电子设备与其他设备的通信。
其中,处理模块可以是处理器或控制器。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,数字信号处理(digital signal processing,DSP)和微处理器的组合等等。存储模块可以是存储器。通信模块具体可以为射频电路、蓝牙芯片、Wi-Fi芯片等与其他电子设备交互的设备。
在一个实施例中,当处理模块为处理器,存储模块为存储器时,本实施例所涉及的电子设备可以为具有图1所示结构的设备。
本实施例还提供一种计算机存储介质,该计算机存储介质中存储有计算机指令,当该计算机指令在电子设备上运行时,使得电子设备执行上述相关方法步骤实现上述实施例中的对特定路线上的特定位置进行识别的方法。
本实施例还提供了一种计算机程序产品,当该计算机程序产品在计算机上运行时,使得计算机执行上述相关步骤,以实现上述实施例中的对特定路线上的特定位置进行识别的方法。
另外,本申请的实施例还提供一种装置,这个装置具体可以是芯片,组件或模块,该装置可包括相连的处理器和存储器;其中,存储器用于存储计算机执行指令,当装置运行时,处理器可执行存储器存储的计算机执行指令,以使芯片执行上述各方法实施例中的对特定路线上的特定位置进行识别的方法。
其中,本实施例提供的电子设备、计算机存储介质、计算机程序产品或芯片均用于执行上文所提供的对应的方法,因此,其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果,此处不再赘述。
通过以上实施方式的描述,所属领域的技术人员可以了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是一个物理单元或多个物理单元,即可以位于一个地方,或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上内容,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (20)
1.一种优化性能的方法,应用于终端设备,其特征在于,所述终端设备保存特定路线判定模型,所述特定路线判定模型包括多条特定路线的信息,所述方法包括:
获取当前路线的信息,所述当前路线的信息包括第一无线网络集合的信息,所述第一无线网络集合包括第一无线网络和第二无线网络,所述第一无线网络的通信质量大于第一阈值,所述第二无线网络通信质量小于或等于所述第一阈值;
根据所述特定路线判定模型和所述当前路线的信息,确定所述当前路线为第一特定路线;
执行与所述第一特定路线相关的第一特定动作,所述第一特定动作包括以下至少一项:
改变搜网间隔;或
根据网络制式的变化,搜寻不同的网络信号;或
当确定所述终端设备当前运行的应用为第一应用时,生成第一消息,所述第一消息用于指示所述终端设备向所述第一应用对应的服务器发送缓存请求,和/或所述第一消息用于指示所述终端设备接入所述第二无线网络的时刻。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
确定所述特定路线判定模型,所述多条特定路线中的每条特定路线上包括第二无线网络集合的信息,所述第二无线网络集合包括至少一个无线网络。
3.根据权利要求2所述的方法,其特征在于,所述确定所述特定路线判定模型,包括:
获取所述多条特定路线上第二无线网络集合中包括的无线网络的信息;
根据获取的所述多条特定路线上第二无线网络集合中包括的无线网络的信息,构建所述多条特定路线的第一特征矩阵;
根据所述第一特征矩阵,对所述多条特定路线进行分类处理得到第二特征矩阵;
根据所述第二特征矩阵,确定所述特定路线判定模型。
4.根据权利要求3所述的方法,其特征在于,所述构建所述多条特定路线的第一特征矩阵,包括:
通过滑动相关系数计算所述多条特定路线中的任意两条特定路线的匹配特征曲线;
根据所述匹配特征曲线构建所述第一特征矩阵;
其中,所述滑动相关系数计算包括硬判决计算或软判决计算。
5.根据权利要求3或4所述的方法,其特征在于,所述方法还包括:
根据K最近邻算法和所述第一特征矩阵,归类所述多条特定路线中的任意一条路线。
6.根据权利要求1至5中任一项所述的方法,其特征在于,所述根据所述特定路线判定模型和所述当前路线的信息,确定所述当前路线为第一特定路线,包括:
获取所述特定路线判定模型中每条特定路线上包括的第二无线网络集合中包括的无线网络的信息;
判断所述第二无线网络集合中包括的无线网络的信息和所述第一无线网络集合中包括的无线网络的信息的匹配程度大于或等于第二阈值时,确定所述当前路线为第一特定路线。
7.根据权利要求6所述的方法,其特征在于,所述获取所述特定路线判定模型中包括的第二无线网络集合中包括的无线网络的信息,包括:
周期性获取所述第二无线网络集合中包括的无线网络的信息。
8.根据权利要求1至7中任一项所述的方法,其特征在于,所述无线网络的信息包括基站的标识信息和/或小区标识信息。
9.根据权利要求1至8中任一项所述的方法,其特征在于,所述第一应用为游戏应用,或者所述第一应用是音频或视频应用。
10.一种电子设备,其特征在于,包括:
一个或多个处理器;
一个或多个存储器;
多个应用程序;
以及一个或多个程序,其中所述一个或多个程序被存储在所述存储器中,当所述一个或者多个程序被所述处理器执行时,使得所述电子设备执行以下步骤:
获取当前路线的信息,所述当前路线的信息包括第一无线网络集合的信息,所述第一无线网络集合包括第一无线网络和第二无线网络,所述第一无线网络的通信质量大于第一阈值,所述第二无线网络通信质量小于或等于所述第一阈值;
根据所述特定路线判定模型和所述当前路线的信息,确定所述当前路线为第一特定路线;
执行与所述第一特定路线相关的第一特定动作,所述第一特定动作包括以下至少一项:
改变搜网间隔;或
根据网络制式的变化,搜寻不同的网络信号;或
当确定所述电子设备当前运行的应用为第一应用时,生成第一消息,所述第一消息用于指示所述电子设备向所述第一应用对应的服务器发送缓存请求,和/或所述第一消息用于指示所述电子设备接入所述第二无线网络的时刻。
11.根据权利要求10所述的电子设备,其特征在于,当所述一个或者多个程序被所述处理器执行时,使得所述电子设备执行以下步骤:
确定所述特定路线判定模型,所述多条特定路线中的每条特定路线上包括第二无线网络集合的信息,所述第二无线网络集合包括至少一个无线网络。
12.根据权利要求10所述的电子设备,其特征在于,当所述一个或者多个程序被所述处理器执行时,使得所述电子设备执行以下步骤:
获取所述多条特定路线上第二无线网络集合中包括的无线网络的信息;
根据获取的所述多条特定路线上第二无线网络集合中包括的无线网络的信息,构建所述多条特定路线的第一特征矩阵;
根据所述第一特征矩阵,对所述多条特定路线进行分类处理得到第二特征矩阵;
根据所述第二特征矩阵,确定所述特定路线判定模型。
13.根据权利要求12所述的电子设备,其特征在于,当所述一个或者多个程序被所述处理器执行时,使得所述电子设备执行以下步骤:
通过滑动相关系数计算所述多条特定路线中的任意两条特定路线的匹配特征曲线;
根据所述匹配特征曲线构建所述第一特征矩阵;
其中,所述滑动相关系数计算包括硬判决计算或软判决计算。
14.根据权利要求13所述的电子设备,其特征在于,当所述一个或者多个程序被所述处理器执行时,使得所述电子设备执行以下步骤:
根据K最近邻算法和所述第一特征矩阵,归类所述多条特定路线中的任意一条路线。
15.根据权利要求11至14中任一项所述的电子设备,其特征在于,当所述一个或者多个程序被所述处理器执行时,使得所述电子设备执行以下步骤:
获取所述特定路线判定模型中每条特定路线上包括的第二无线网络集合中包括的无线网络的信息;
判断所述第二无线网络集合中包括的无线网络的信息和所述第一无线网络集合中包括的无线网络的信息的匹配程度大于或等于第二阈值时,确定所述当前路线为第一特定路线。
16.根据权利要求15所述的电子设备,其特征在于,当所述一个或者多个程序被所述处理器执行时,使得所述电子设备执行以下步骤:
周期性获取所述第二无线网络集合中包括的无线网络的信息。
17.根据权利要求10至16中任一项所述的电子设备,其特征在于,所述无线网络的信息包括基站的标识信息和/或小区标识信息。
18.根据权利要求10至17中任一项所述的电子设备,其特征在于,所述第一应用为游戏应用,或者所述第一应用是音频或视频应用。
19.一种计算机存储介质,其特征在于,包括计算机指令,当所述计算机指令在电子设备上运行时,使得所述电子设备执行如权利要求1至9中任一项所述的方法。
20.一种计算机程序产品,其特征在于,当所述计算机程序产品在计算机上运行时,使得所述计算机执行如权利要求1至9中任一项所述的方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110292073.2A CN113163470B (zh) | 2019-02-21 | 2019-02-21 | 对特定路线上的特定位置进行识别的方法及电子设备 |
CN201910129795.9A CN109890067B (zh) | 2019-02-21 | 2019-02-21 | 对特定路线上的特定位置进行识别的方法及电子设备 |
EP20758903.7A EP3923634B1 (en) | 2019-02-21 | 2020-02-10 | Method for identifying specific position on specific route and electronic device |
US17/432,807 US11871328B2 (en) | 2019-02-21 | 2020-02-10 | Method for identifying specific position on specific route and electronic device |
PCT/CN2020/074592 WO2020168929A1 (zh) | 2019-02-21 | 2020-02-10 | 对特定路线上的特定位置进行识别的方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910129795.9A CN109890067B (zh) | 2019-02-21 | 2019-02-21 | 对特定路线上的特定位置进行识别的方法及电子设备 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110292073.2A Division CN113163470B (zh) | 2019-02-21 | 2019-02-21 | 对特定路线上的特定位置进行识别的方法及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109890067A true CN109890067A (zh) | 2019-06-14 |
CN109890067B CN109890067B (zh) | 2021-03-30 |
Family
ID=66928704
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910129795.9A Active CN109890067B (zh) | 2019-02-21 | 2019-02-21 | 对特定路线上的特定位置进行识别的方法及电子设备 |
CN202110292073.2A Active CN113163470B (zh) | 2019-02-21 | 2019-02-21 | 对特定路线上的特定位置进行识别的方法及电子设备 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110292073.2A Active CN113163470B (zh) | 2019-02-21 | 2019-02-21 | 对特定路线上的特定位置进行识别的方法及电子设备 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11871328B2 (zh) |
EP (1) | EP3923634B1 (zh) |
CN (2) | CN109890067B (zh) |
WO (1) | WO2020168929A1 (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020168929A1 (zh) * | 2019-02-21 | 2020-08-27 | 华为技术有限公司 | 对特定路线上的特定位置进行识别的方法及电子设备 |
CN111654824A (zh) * | 2020-05-29 | 2020-09-11 | Oppo广东移动通信有限公司 | 网络状况提示方法、装置、电子设备及存储介质 |
CN112926862A (zh) * | 2021-03-04 | 2021-06-08 | 上海第二工业大学 | 一种新能源汽车动力电池召回选址的决策方法 |
CN112954749A (zh) * | 2019-12-11 | 2021-06-11 | 华为技术有限公司 | 一种网络切换方法及电子设备 |
CN113063433A (zh) * | 2021-03-24 | 2021-07-02 | 维沃移动通信有限公司 | 导航路线显示方法及装置 |
CN113316199A (zh) * | 2020-02-26 | 2021-08-27 | 华为技术有限公司 | 一种连接管理方法及相关设备 |
CN113596987A (zh) * | 2021-07-26 | 2021-11-02 | 未鲲(上海)科技服务有限公司 | 业务办理方法、装置、计算机设备及介质 |
CN114268998A (zh) * | 2020-09-16 | 2022-04-01 | 华为技术有限公司 | 数据缓存方法及相关装置 |
CN114585037A (zh) * | 2022-04-12 | 2022-06-03 | 深圳市锐尔觅移动通信有限公司 | 网络制式切换方法及装置、终端设备、计算机可读介质 |
WO2023202483A1 (zh) * | 2022-04-19 | 2023-10-26 | 华为技术有限公司 | 应用优化方法及电子设备 |
CN117221958A (zh) * | 2020-09-16 | 2023-12-12 | 华为技术有限公司 | 数据缓存方法及相关装置 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112751884B (zh) | 2019-10-29 | 2022-05-10 | 华为终端有限公司 | 处理媒体业务的方法与电子设备 |
US11438886B2 (en) * | 2020-02-27 | 2022-09-06 | Psj International Ltd. | System for establishing positioning map data and method for the same |
CN112783731B (zh) * | 2021-01-29 | 2023-09-05 | 北京百度网讯科技有限公司 | 异常设备检测方法、装置、设备和存储介质 |
CN113079252B (zh) * | 2021-03-29 | 2023-10-27 | 支付宝(杭州)信息技术有限公司 | 地铁乘坐提醒方法及装置 |
CN114268919B (zh) * | 2021-11-12 | 2022-10-18 | 北京航空航天大学 | 一种基于加权k近邻的信道状态信息指纹定位方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015005686A1 (en) * | 2013-07-10 | 2015-01-15 | Samsung Electronics Co., Ltd. | Apparatus and method for multi cell communication using beamforming in wireless communication system |
CN105307240A (zh) * | 2015-09-29 | 2016-02-03 | 北京元心科技有限公司 | 基于位置搜索移动通信网络的方法及装置 |
WO2016119822A1 (en) * | 2015-01-27 | 2016-08-04 | Nokia Solutions And Networks Oy | Traffic flow monitoring |
CN109041148A (zh) * | 2018-08-27 | 2018-12-18 | 维沃移动通信有限公司 | 一种移动终端操作方法及移动终端 |
CN109104755A (zh) * | 2017-06-20 | 2018-12-28 | 中兴通讯股份有限公司 | 一种网络搜索方法、移动终端和网络搜索装置 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102595560B (zh) * | 2012-02-17 | 2015-04-08 | 华为技术有限公司 | 一种搜网和选网的方法、装置及系统 |
US9596670B2 (en) * | 2013-01-16 | 2017-03-14 | Apple Inc. | Location assisted service capability monitoring |
CN104640224B (zh) * | 2013-11-12 | 2018-06-19 | 华为技术有限公司 | 一种网络数据传输方法、装置及系统 |
WO2015139189A1 (zh) * | 2014-03-18 | 2015-09-24 | 华为终端有限公司 | 一种终端搜网方法及终端 |
KR102261552B1 (ko) | 2014-06-30 | 2021-06-07 | 삼성전자주식회사 | 음성 명령어 제공 방법 및 이를 지원하는 전자 장치 |
US10326521B2 (en) * | 2016-08-25 | 2019-06-18 | Global Eagle Entertainment Inc.. | Switching communication networks aboard a moving vessel based on control of priority |
WO2018236265A1 (en) * | 2017-06-22 | 2018-12-27 | Telefonaktiebolaget Lm Ericsson (Publ) | DATA COMMUNICATION MANAGEMENT IN A LOW ENERGY BLUETOOTH (BLE) MESH NETWORK |
CN108510011B (zh) * | 2018-05-03 | 2020-05-29 | 浙江大学 | 一种基于手机多传感器的用户出行方式分析方法 |
CN112369062A (zh) * | 2018-08-27 | 2021-02-12 | Oppo广东移动通信有限公司 | 一种ui显示方法、装置、终端设备及存储介质 |
CN109890067B (zh) | 2019-02-21 | 2021-03-30 | 华为技术有限公司 | 对特定路线上的特定位置进行识别的方法及电子设备 |
-
2019
- 2019-02-21 CN CN201910129795.9A patent/CN109890067B/zh active Active
- 2019-02-21 CN CN202110292073.2A patent/CN113163470B/zh active Active
-
2020
- 2020-02-10 EP EP20758903.7A patent/EP3923634B1/en active Active
- 2020-02-10 US US17/432,807 patent/US11871328B2/en active Active
- 2020-02-10 WO PCT/CN2020/074592 patent/WO2020168929A1/zh unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015005686A1 (en) * | 2013-07-10 | 2015-01-15 | Samsung Electronics Co., Ltd. | Apparatus and method for multi cell communication using beamforming in wireless communication system |
WO2016119822A1 (en) * | 2015-01-27 | 2016-08-04 | Nokia Solutions And Networks Oy | Traffic flow monitoring |
CN105307240A (zh) * | 2015-09-29 | 2016-02-03 | 北京元心科技有限公司 | 基于位置搜索移动通信网络的方法及装置 |
CN109104755A (zh) * | 2017-06-20 | 2018-12-28 | 中兴通讯股份有限公司 | 一种网络搜索方法、移动终端和网络搜索装置 |
CN109041148A (zh) * | 2018-08-27 | 2018-12-18 | 维沃移动通信有限公司 | 一种移动终端操作方法及移动终端 |
Non-Patent Citations (1)
Title |
---|
ALBRECHT J: "《IEEE Trans. Commun》", 《ENERGY EFFICIENCY IMPROVEMENTS THROUGH》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11871328B2 (en) | 2019-02-21 | 2024-01-09 | Honor Device Co., Ltd. | Method for identifying specific position on specific route and electronic device |
WO2020168929A1 (zh) * | 2019-02-21 | 2020-08-27 | 华为技术有限公司 | 对特定路线上的特定位置进行识别的方法及电子设备 |
CN112954749B (zh) * | 2019-12-11 | 2022-05-10 | 华为技术有限公司 | 一种网络切换方法及电子设备 |
CN112954749A (zh) * | 2019-12-11 | 2021-06-11 | 华为技术有限公司 | 一种网络切换方法及电子设备 |
CN113316199A (zh) * | 2020-02-26 | 2021-08-27 | 华为技术有限公司 | 一种连接管理方法及相关设备 |
CN113316199B (zh) * | 2020-02-26 | 2023-06-20 | 华为技术有限公司 | 一种连接管理方法及相关设备 |
CN111654824A (zh) * | 2020-05-29 | 2020-09-11 | Oppo广东移动通信有限公司 | 网络状况提示方法、装置、电子设备及存储介质 |
CN114268998B (zh) * | 2020-09-16 | 2023-11-10 | 华为技术有限公司 | 数据缓存方法及相关装置 |
CN114268998A (zh) * | 2020-09-16 | 2022-04-01 | 华为技术有限公司 | 数据缓存方法及相关装置 |
CN117221958A (zh) * | 2020-09-16 | 2023-12-12 | 华为技术有限公司 | 数据缓存方法及相关装置 |
EP4207874A4 (en) * | 2020-09-16 | 2024-03-06 | Huawei Tech Co Ltd | DATA BUFFERING METHOD AND RELATED DEVICE |
CN112926862A (zh) * | 2021-03-04 | 2021-06-08 | 上海第二工业大学 | 一种新能源汽车动力电池召回选址的决策方法 |
CN113063433A (zh) * | 2021-03-24 | 2021-07-02 | 维沃移动通信有限公司 | 导航路线显示方法及装置 |
CN113596987A (zh) * | 2021-07-26 | 2021-11-02 | 未鲲(上海)科技服务有限公司 | 业务办理方法、装置、计算机设备及介质 |
CN114585037A (zh) * | 2022-04-12 | 2022-06-03 | 深圳市锐尔觅移动通信有限公司 | 网络制式切换方法及装置、终端设备、计算机可读介质 |
CN114585037B (zh) * | 2022-04-12 | 2024-02-27 | 深圳市锐尔觅移动通信有限公司 | 网络制式切换方法及装置、终端设备、计算机可读介质 |
WO2023202483A1 (zh) * | 2022-04-19 | 2023-10-26 | 华为技术有限公司 | 应用优化方法及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
EP3923634B1 (en) | 2023-06-21 |
EP3923634A4 (en) | 2022-04-06 |
US20220124597A1 (en) | 2022-04-21 |
CN113163470A (zh) | 2021-07-23 |
WO2020168929A1 (zh) | 2020-08-27 |
CN109890067B (zh) | 2021-03-30 |
CN113163470B (zh) | 2023-06-09 |
EP3923634A1 (en) | 2021-12-15 |
US11871328B2 (en) | 2024-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109890067A (zh) | 对特定路线上的特定位置进行识别的方法及电子设备 | |
CN110910872B (zh) | 语音交互方法及装置 | |
WO2021018154A1 (zh) | 信息表示方法及装置 | |
CN110134316B (zh) | 模型训练方法、情绪识别方法及相关装置和设备 | |
CN109584879A (zh) | 一种语音控制方法及电子设备 | |
CN110058777A (zh) | 快捷功能启动的方法及电子设备 | |
CN110489215A (zh) | 一种应用程序中等待场景的处理方法和装置 | |
CN109766043A (zh) | 电子设备的操作方法和电子设备 | |
CN110138959A (zh) | 显示人机交互指令的提示的方法及电子设备 | |
CN110506416A (zh) | 一种终端切换摄像头的方法及终端 | |
CN110222491A (zh) | 一种启动应用的方法及一种电子设备 | |
CN110286976A (zh) | 界面显示方法、装置、终端及存储介质 | |
CN110022403A (zh) | 终端充电提醒方法、装置、设备及存储介质 | |
CN110032307A (zh) | 一种应用图标的移动方法及电子设备 | |
CN110531864A (zh) | 一种手势交互方法、装置及终端设备 | |
WO2020259554A1 (zh) | 可进行学习的关键词搜索方法和电子设备 | |
WO2020042112A1 (zh) | 一种终端对ai任务支持能力的评测方法及终端 | |
CN109981885A (zh) | 一种电子设备在来电时呈现视频的方法和电子设备 | |
CN111835904A (zh) | 一种基于情景感知和用户画像开启应用的方法及电子设备 | |
CN110493452A (zh) | 一种指纹开关的管理方法及装置 | |
CN110347455A (zh) | 一种界面布局方法及终端 | |
WO2020062014A1 (zh) | 一种向输入框中输入信息的方法及电子设备 | |
CN109756614A (zh) | 一种显示联系人的方法及相关装置 | |
WO2023179490A1 (zh) | 应用推荐方法和电子设备 | |
CN110519451A (zh) | 一种电子设备的关机管控方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210423 Address after: Unit 3401, unit a, building 6, Shenye Zhongcheng, No. 8089, Hongli West Road, Donghai community, Xiangmihu street, Futian District, Shenzhen, Guangdong 518040 Patentee after: Honor Device Co.,Ltd. Address before: 518129 Bantian HUAWEI headquarters office building, Longgang District, Guangdong, Shenzhen Patentee before: HUAWEI TECHNOLOGIES Co.,Ltd. |