CN113645638A - 一种智能手机合并转发延迟时间评估方法 - Google Patents
一种智能手机合并转发延迟时间评估方法 Download PDFInfo
- Publication number
- CN113645638A CN113645638A CN202110850196.3A CN202110850196A CN113645638A CN 113645638 A CN113645638 A CN 113645638A CN 202110850196 A CN202110850196 A CN 202110850196A CN 113645638 A CN113645638 A CN 113645638A
- Authority
- CN
- China
- Prior art keywords
- smart phone
- module
- request
- user
- delay time
- 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 27
- 238000005265 energy consumption Methods 0.000 claims abstract description 38
- 238000009826 distribution Methods 0.000 claims abstract description 37
- 230000000903 blocking effect Effects 0.000 claims abstract description 16
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 9
- 206010062519 Poor quality sleep Diseases 0.000 claims description 20
- KKEYFWRCBNTPAC-UHFFFAOYSA-N Terephthalic acid Chemical compound OC(=O)C1=CC=C(C(O)=O)C=C1 KKEYFWRCBNTPAC-UHFFFAOYSA-N 0.000 claims description 19
- 230000007704 transition Effects 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 5
- 230000003111 delayed effect Effects 0.000 claims description 5
- 230000001360 synchronised effect Effects 0.000 claims description 5
- 230000006399 behavior Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000005094 computer simulation Methods 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
- H04W16/225—Traffic simulation tools or models for indoor or short range network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/10—Flow control between communication endpoints
- H04W28/14—Flow control between communication endpoints using intermediate storage
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0225—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal
- H04W52/0248—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal dependent on the time of the day, e.g. according to expected transmission activity
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种智能手机合并转发延迟时间评估方法，包括以下步骤：建立智能手机Wi‑Fi模块模型、用户请求模型、阻塞控制器模型、唤醒控制器模型，进而由四个模型构成智能手机进行网络请求的PTA模板；对网络请求获取和释放唤醒锁概率分布进行配置，对用户请求参数进行配置；对智能手机网络请求进行蒙特卡洛模拟并得到不同网络请求概率分布下的智能手机Wi‑Fi模块能耗数据和用户不适感数据；根据步骤三所生成数据的显著性计算不同场景下通用的合并转发延迟时间。本发明准确反映不同合并转发延迟时间在不同使用场景下对智能手机能耗以及用户不适感方面的影响，帮助程序员定量分析通用的最优合并转发延迟时间，在满足用户需求的情况下最小化网络请求能耗。
Description
技术领域
本发明涉及通信技术领域，特别是一种智能手机合并转发延迟时间评估方法。
背景技术
随着现代科技的快速发展，智能手机无论在屏幕，响应速度还是网络功能等方面都有了很大的发展，其强大的功能不仅满足了用户使用需求，更极大地方便了人们的生活。但是由于智能手机的物理尺寸以及电池技术的限制，智能手机的续航问题已成为当今一大难题。深入研究并提高智能手机的节能技术将会大大改善智能手机的续航能力。
智能手机的应用场景离不开网络的支持。各种应用都需要不断通过网络请求更新自己的数据，从而导致网络请求成为智能手机中最耗能的操作之一。智能手机的网络请求通过移动网络3G/4G或者是Wi-Fi模块来实现。为了更好地节省能源，无线装置不会长时间停留在高功率状态，会在一定时刻转入睡眠等其他低功率状态，待需要时再转入高功率状态。这一状态转换在有网络请求的状况下发生，一些零散的网络请求更是使无线装置处于高功率状态的时间延长，致其功耗增加。为了尽可能地减少这类情况的发生以降低功耗，可以通过阻塞部分网络请求以合并转发的方式进行。对于智能手机中的网络请求，类别不同，需要的响应速度也不同。有些无需及时响应的请求，可以适当进行延迟，与后续的请求一起合并转发。将请求进行延迟并将若干请求合并可以降低Wi-Fi模块处于高功耗状态的时间，从而降低能耗。
但延迟网络请求会对用户满意度造成影响，选择合适的延迟时间尤为重要。实际测量的方式将会产生巨大的人力物力。
发明内容
本发明所要解决的技术问题是克服现有技术的不足而提供一种智能手机合并转发延迟时间评估方法，本发明在减小能耗的同时保证用户满意度；主要实现了智能手机Wi-Fi模块、用户请求模型的分离，并可以给出对对智能手机网络请求进行蒙特卡洛模拟的结果，从而实现合并转发网络请求的延迟时间对手机能耗以及用户满意度影响的评估，从而计算最优的通用的最优延迟时间。
本发明为解决上述技术问题采用以下技术方案：
根据本发明提出的一种智能手机合并转发延迟时间评估方法，包括以下步骤：
步骤一、使用概率时间自动机PTA建立智能手机Wi-Fi模块模型、用户请求模型、阻塞控制器模型和唤醒控制器模型，进而由这四个模型构成智能手机进行网络请求的PTA模板；
步骤二、网络请求获取和释放唤醒锁，对网络请求获取和释放的唤醒锁的概率分布进行配置，对用户请求参数进行配置；用户请求参数包括用户发送网络请求的概率分布；
步骤三、根据步骤二的网络请求的概率分布，采用查询引擎对智能手机网络请求进行蒙特卡洛模拟，每个不同网络请求的概率分布下模拟N次，每次得到一组数据，每组数据包括合并转发网络请求的延迟时间T、智能手机Wi-Fi模块能耗数据以及用户不适感数据；
步骤四、根据步骤三所生成智能手机Wi-Fi模块能耗数据和用户不适感数据的显著性计算不同场景下通用的合并转发延迟时间。
作为本发明所述的一种智能手机合并转发延迟时间评估方法进一步优化方案，步骤三中每个不同网络请求的概率分布下模拟N次，得到N组数据，每组数据为(T(i,j),energy(i,j),discomfort(i,j)),其中，第i个场景下第j个延迟时间T(i,j)为随机赋值，且在N组数据中每个T(i,j)分布均衡；energy(i,j)是T(i,j)下的智能手机Wi-Fi模块能耗数据，discomfort(i,j)是T(i,j)下的用户不适感数据，1≤i≤I,1≤j≤J,i,j∈N*，I为场景总个数，J为延迟时间总个数，N*为正整数。
作为本发明所述的一种智能手机合并转发延迟时间评估方法进一步优化方案，步骤四具体如下：
首先计算T(i,j)下energy(i,j)和discomfort(i,j)的显著性参数，根据计算出的显著性参数，然后计算在不同网络请求的概率分布下每个T(i,j)所对应的第i个场景、第j个延迟时间的平均智能手机Wi-Fi模块能耗avge(i,j)和平均用户不适感avgd(i,j)；
通过avge(i,j)和avgd(i,j)选择出在不同网络请求的概率分布下延迟时间T(i,j)的帕累托最优值；权重和Wsum＝w1*avge(i,j)+w2*avgd(i,j)，w1,w2为权重且w1+w2＝1，在帕累托最优值中得到Wsum下最小的M个最优延迟时间，M∈[3,5]，通过统计不同网络请求的概率分布下得到的M个最优延迟时间，选择出现次数最多的延迟时间作为最优延迟时间。
作为本发明所述的一种智能手机合并转发延迟时间评估方法进一步优化方案，所述PTA模板描述了步骤一中四个模型共同的行为模式，并能够访问下概率偏差-δ、上概率偏差+δ、假阴性概率α、假阳性概率β、概率不确定度ε、比率下限u0、比率上限u1，在PTA模板中对网络请求获取和释放的唤醒锁的概率分布、用户发送网络请求的概率分布进行配置；其中PTA＝<L,L0,X,Act,inv,enab,prob>；其中，L是一个有穷状态集合，L0∈L表示PTA的初始状态，X表示有穷时钟集合，Act表示有穷动作集合，inv表示在时间约束下的状态的不变量条件，enab表示在时间约束下的动作允许条件；prob表示动作转移的概率函数。
作为本发明所述的一种智能手机合并转发延迟时间评估方法进一步优化方案，步骤三中，采用蒙特卡洛模拟方法，每个场景的不同概率分布情况都进行N次模拟，模拟不同延迟时间下，t秒内产生的智能手机Wi-Fi模块能耗数据energy以及用户不适感数据；
其中energy＝0.6*WiFi.xHP+0.4*WiFi.xIL+0.01*WiFi.xDS+0.12*WiFi.xLS；
式中，WiFi.xHP为智能手机Wi-Fi模块在设定场景中一小时内保持高功耗状态时间，WiFi.xIL为智能手机Wi-Fi模块在设定场景中一小时内保持空闲监听状态时间，WiFi.xDS为智能手机Wi-Fi在设定场景中一小时内保持深度睡眠状态时间，WiFi.xLS为智能手机Wi-Fi在设定场景中一小时内保持轻度睡眠状态时间。
作为本发明所述的一种智能手机合并转发延迟时间评估方法进一步优化方案，智能手机Wi-Fi模块模型模拟了Wi-Fi模块的四个功率状态，分别为高功耗状态、空闲监听状态、深度睡眠状态和轻度睡眠状态。
作为本发明所述的一种智能手机合并转发延迟时间评估方法进一步优化方案，
模拟t秒内智能手机Wi-Fi模块在不同功率状态所处的时间，从而该时间用来计算Wi-Fi模块的能耗；
模拟出t秒内唤醒锁数量的变化，从而检查智能手机获得和释放唤醒锁是否正常，正常是指非故障；
验证是否满足t秒内，Wi-Fi模块能耗大于预设能量值E的概率大于等于设定的概率值p，0≤p≤1；从而验证合并转发网络请求对智能手机Wi-Fi模块的节能效果；
验证t秒内WiFi模块到达轻度睡眠状态的概率，从而验证在合并转发网络请求时，智能手机Wi-Fi模块是否在t秒内的一半以上时间处在轻度睡眠状态；
验证t秒内Wi-Fi模块能耗低于E并且不适感低于D的概率，D为设定的不适感值；从而验证合并转发延迟时间对于权衡能耗和用户体验的效果。
作为本发明所述的一种智能手机合并转发延迟时间评估方法进一步优化方案，Wi-Fi模块负责通过beacon信道与用户请求模型以及阻塞控制器模型进行通信，Wi-Fi模块模型接受转发请求的指令，从而Wi-Fi模块进行功率状态转移。
作为本发明所述的一种智能手机合并转发延迟时间评估方法进一步优化方案，对用户请求建模，将用户请求分为即时请求和推迟的请求，通过设置循环队列作为缓存存储用户请求信息，用户请求模型通过beacon信道与Wi-Fi模块同步；
阻塞控制器模型中未进行转发网络请求的推迟发送的请求，在达到延迟时间之后再将用户请求发出，阻塞控制器模型通过beacon信道与Wi-Fi模块同步；
唤醒控制器模型，用来模拟部分用户网络请求需要获得唤醒锁以保证Wi-Fi模块能够响应和释放唤醒锁。网络请求获取唤醒锁以及释放唤醒锁服从设置参数的概率分布。
作为本发明所述的一种智能手机合并转发延迟时间评估方法进一步优化方案，步骤三中，使用UPPAAL-SMC作为查询引擎。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
本发明可以准确地反应合并转发延迟时间在不同场景下对于手机能耗以及用户不适感的影响，帮助程序员对智能手机应用的网络请求合并转发延迟时间进行定量分析评估，从而选取通用的延迟时间，在保证用户满意度的同时尽可能减少手机能耗。
附图说明
图1为本发明框架图。
图2为本发明流程图。
图3为本发明中对智能手机Wi-Fi模块建模的示意图。
图4为本发明中对用户网络请求模块建模的示意图。
图5为本发明中对用户不适感建模的示意图。
图6为本发明中对中间控制模块阻塞网络请求建模的示意图。
图7为本发明中对唤醒锁释放模块建模的示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明进行详细描述。
本发明基于概率时间自动机的模型可通过统计模型检验方法模拟现实场景，以方便得出一个通用的最优延迟时间。构建智能手机合并转发网络请求的延迟时间评估方法，能为智能手机应用开发者在设计与网络请求相关的应用时提供最优延迟时间的参考。
本发明提出了一种在不同场景中智能手机合并转发网络请求的延迟时间的评估方法，图1是本发明中合并转发网络请求的延迟时间评估方法的框架图。
参阅图1，该图反映了整个合并转发网络请求通用延迟时间的评估方法。首先使用PTA建立智能手机Wi-Fi模块模型、用户请求模型、阻塞控制器模型、唤醒控制器模型，进而由四个模型构成智能手机进行网络请求的PTA模板。其中可以对网络请求获取和释放唤醒锁概率分布进行配置，对日常使用智能手机的不同场景中的用户请求参数进行配置。Wi-Fi模块模拟了Wi-Fi模块的四个功率状态，分别为高功耗状态、空闲监听状态、深度睡眠状态和轻度睡眠状态。依据Wi-Fi模块每个功率状态所消耗的时间，计算出整个Wi-Fi模块在一定时间范围内的能耗。用户行为建模主要将用户请求分为即时请求和可以推迟的请求，通过设置循环队列作为缓存存储用户请求信息。阻塞控制器建模通过建立中间控制模型对可以推迟发送的请求进行阻塞，并且当到达延迟时间之后再将其发出。唤醒控制器建模模拟部分用户网络请求需要获得唤醒锁以及释放唤醒锁。在生成PTA模板并配置好相应参数后，系统建模完成。使用UPPAAL-SMC作为查询引擎对智能手机网络请求进行蒙特卡洛模拟，并将产生数据通过方差分析计算P值(p值是假设检验中假设零假设为真时观测到至少与实际观测样本相同极端的样本的概率。)，并判断数据显著性。最后计算每个合并转发延迟时间对应的平均能耗和平均不适感，找出其中的帕累托最优值。
参阅图3，智能手机Wi-Fi模块的四个功率状态，分别为高功耗、空闲监听、深度睡眠以及轻度睡眠状态。采用xDS、xLS、xIL、xHP作为时钟变量，以秒为单位分别记录Wi-Fi模块在四个功率状态下所经过的时间。在每个节点的不变量中，时钟变量的导数为1，表示模型运行到此节点时，此时钟变量计时；时钟变量的导数为0，时钟变量则不计时。如此则可以在不同的节点分别记录不同功率状态所处的时间，以便于计算Wi-Fi模块所消耗的能耗。
参阅图3，依据Wi-Fi模块每个功率状态所消耗的时间，使用公式0.01×xDS+0.12×xLS+0.4×xIL+0.6×xHP(数字常量为各个功率状态的功率值，求和得总能耗)计算Wi-Fi模块消耗的能耗。由于Wi-Fi模块在从深度睡眠状态转移至高功率状态以及从轻度睡眠转移至高功率状态时存在一定延迟，所以分别设定一个过度状态进行3秒和2秒的延迟。高功率状态通过接受用户转发请求指令进行转发请求，并返回高功率状态。高功率状态下若当前请求数据已经发送完成且缓存中有新的请求数据或者之前的请求存在唤醒锁，则转移至空闲监听状态。高功率状态下若缓存中没有数据且之前的请求没有唤醒锁，则转移至轻度睡眠状态。在空闲监听状态下，存在一个5秒的空闲等待时间。当空闲时间等于5秒时，如果此时唤醒锁已经释放，则可以转入轻度睡眠节点，如果唤醒锁未释放，则空闲时间清零。在轻度睡眠状态转移至深度睡眠状态时，若空闲时间达到10秒且没有新的网络请求，则转入深度睡眠状态。深度睡眠状态、轻度睡眠状态以及空闲监听状态在接受用户转发请求指令后都转入高功耗状态。
参阅图3，beacon？表示一个同步的动作，与用户模板中的beacon！相对应，代表两个模块之间进行通信，使两个模块的动作同步进行。在Wi-Fi模块中，用beacon？表示接收用户需发出请求的一个信号，让Wi-Fi模块进行功率状态转移。
参阅图3，接收到转发请求的指令之后，Wi-Fi模块通过将当前缓存中的请求数据清空表示完成发送请求
参阅图3，从高功耗状态转移至其他状态的判断中，在当前的请求数据已发送完成的情况下，如果此时缓存中有了新的请求数据，但是还未触发请求机制或者之前的请求存在唤醒锁，则转移至空闲监听状态，即空闲监听状态；如果缓存中没有数据并且之前的请求没有唤醒锁，则转移至轻度睡眠状态。
参阅图4，用户进行网络请求主要分为即时请求和可以推迟的请求。鉴于以上两种情况，触发请求的情况有两种：当前请求为即时请求时，则会直接请求，同时将缓存中的请求一起发出；对于可以推迟的请求，当达到预定的延迟时间时，再将缓存中的请求一起发出。关于缓存，模型中设置一个相应的循环队列存储用户的请求信息，循环队列可以不断进行循环的写入和删除。图中从过渡状态到中转状态采用设置的概率分布，分别进行即时响应请求(QM)、可以延迟请求(PM)以及不进行请求(NM)三种操作。模型中带“C”的状态为committed状态，模型在该状态下没有时延。图中的虚线为UPPAAL的概率表示，模型可以根据设定的概率随机选择路径，不同的路径代表了不同的操作，QM和PM将会存入缓存队列，由系统决定是否转发，NM则不会有任何操作。
参阅图4，时钟变量保证了模型每隔n(n∈[1,10])秒运行一次，以此得到一个用户随机请求的模型。
参阅图4，QR为即时请求(QM)的标识，是一个布尔值，用以说明请求类型。！QR为可以推迟发送的请求(PM)，将请求存入缓存中等待发送。NO为NM的标识，表示用户不做任何操作。图4下方两条边都为QM，分别代表Wi-Fi模块处于不同时期的场景。与图3中相对应，用wifi_recvLoc识别。Wi-Fi模块分别对应的状态如表1所示。通过wifi_recvLoc判断Wi-Fi模块当前状态，确定不同的操作。当wifi_recvLoc＝2时，Wi-Fi模块处于状态转移的过渡时期，此时不需要beacon！与Wi-Fi模块进行同步，仅更新当前缓存队列中的请求数量，并将请求信息存入缓存中等待下一次转发。当请求类型为QM时，根据Wi-Fi模块的状态，从中转状态返回过渡状态有两种可能。当Wi-Fi模块处于深度睡眠、轻度睡眠、空闲监听以及高功率状态下，用户发出转发请求的指令并计算请求队列的长度。当Wi-Fi模块处于过渡状态，用户的转发请求则进入等待状态。
表1 wifi_recvLoc对应的Wi-Fi模块状态
| wifi_recvLoc值 | 状态 |
| 1 | 处于DeepSleep、LightSleep、IdleListen、HighPower |
| 2 | 处于interim1、interim2 |
参阅图5，采用统计模型检验生成随机延迟时间，在定义好的范围内随机选择一个延迟时间T。
参阅图5，利用时钟变量discomfort_time记录不适感，时钟变量随着时间变化，当discomfort_time′＝＝1时，时间经过1秒，discomfort_time增加1；如果discomfort_time′＝＝0时，则discomfort_time不随着时间而增加；当discomfort_time′＝＝0.1时，则时间经过1秒，discomfort_time增加0.1。以此，用时钟变量discomfort_time反应用户的不适感。对于及时请求，延迟为状态转移所带来的延迟，对用户体验带来的影响较大，将discomfort_value设置为1；当请求为可以推迟请求时，则将请求进行T时间的阻塞，此时带来的延迟主要是阻塞时间T所造成的，并且这种请求对用户造成的影响较小，将discomfort_value设置为0.1。
参阅图6，对于可以推迟发送的请求，需要建立一个中间控制模型对请求进行阻塞，当达到延迟时间之后再将其发出。T为设定的延迟时间，时钟变量interval_time会在一个空的缓存队列出现第一个请求之后开始计时，当达到延迟时间T后，就会根据Wi-Fi模块的状态进行相应的请求,与用户请求模型类似。若用户尚未进行请求，间隔时间interval_time置零。
参阅图7，在即时响应的请求中，会有一部分请求需要获得唤醒锁，在用户请求模型中，用户发出需要即时响应的请求后，系统以1/2的概率随机地使及时响应的请求获得唤醒锁，以此模拟现实中的状况。同样，建立一个释放唤醒锁的模型，每1～10s随机进行一次运行，有1/2的概率决定是否释放一个唤醒锁，当唤醒锁全部释放完成后，布尔变量lock置为false。
在系统建模完成之后，执行评估步骤。首先根据不同的使用场景设置用户发出网络请求的概率分布，并采用UPPAAL-SMC对智能手机网络请求进行蒙特卡洛模拟生成因为延迟时间T产生的智能手机能耗以及用户的不适感。为了比较延迟时间对于智能手机能耗以及用户不适感的影响，采用了如下形式的查询语句：
simulate N[<＝t]{T,energy,discomfort_time}
其中energy＝0.6*WiFi.xHP+0.4*WiFi.xIL+0.01*WiFi.xDS+0.12*WiFi.xLS。
式中，T为合并转发的延迟时间，WiFi.xHP为智能手机Wi-Fi模块在设定场景中一小时内保持高功耗状态时间，WiFi.xIL为智能手机Wi-Fi模块在设定场景中一小时内保持空闲监听状态时间，WiFi.xDS为智能手机Wi-Fi在设定场景中一小时内保持深度睡眠状态时间，WiFi.xLS为智能手机Wi-Fi在设定场景中一小时内保持轻度睡眠状态时间，discomfort_time为用户等待的时间。此查询语句模拟t秒内产生的Wi-Fi能耗和用户不适感，每个场景的不同概率分布情况都进行N次的模拟。
其他一些模拟查询形式如下：
simulate N[<＝t]{WiFi.xHP,WiFi.xIL,WiFi.xDS,WiFi.xLS}
模拟t秒内智能手机Wi-Fi模块在不同功率状态所处的时间，从而该时间用来计算Wi-Fi模块的能耗；
simulate N[<＝t]{lock_num}
模拟出t秒内唤醒锁数量的变化，从而检查智能手机获得和释放唤醒锁是否正常，正常是指非故障；
Pr[<＝t](<>(energy>E)>＝p)
验证是否满足t秒内，Wi-Fi模块能耗大于预设能量值E的概率大于等于设定的概率值p，从而验证合并转发网络请求对智能手机Wi-Fi模块的节能效果；
Pr[<＝t](<>WiFi.LightSleep)
验证t秒内WiFi模块到达轻度睡眠状态的概率，从而验证在合并转发网络请求时，智能手机Wi-Fi模块是否在t秒内大部分时间处在轻度睡眠状态；
Pr[<＝t](<>energy<E&&discomfort_time<D)
验证t秒内Wi-Fi模块能耗低于E并且不适感低于D的概率，D为设定的不适感值；从而验证合并转发延迟时间对于权衡能耗和用户体验的效果。
每个不同网络请求的概率分布下模拟N次，得到N组数据，每组数据为(T(i,j),energy(i,j),discomfort(i,j)),其中，第i个场景下第j个延迟时间T(i,j)为随机赋值，且在N组数据中每个T(i,j)分布均衡；energy(i,j)是T(i,j)下的智能手机Wi-Fi模块能耗数据，discomfort(i,j)是T(i,j)下的用户不适感数据，1≤i≤I,1≤j≤J,i,j∈N*，I为场景总个数，J为延迟时间总个数，N*为正整数。首先计算T(i,j)下energy(i,j)和discomfort(i,j)的显著性参数，根据计算出的显著性参数，然后计算在不同网络请求的概率分布下每个T(i,j)所对应的第i个场景、第j个延迟时间的平均智能手机Wi-Fi模块能耗avge(i,j)和平均用户不适感avgd(i,j)；
通过avge(i,j)和avgd(i,j)选择出在不同网络请求的概率分布下延迟时间T(i,j)的帕累托最优值；权重和Wsum＝w1*avge(i,j)+w2*avgd(i,j)，w1,w2为权重且w1+w2＝1，在帕累托最优值中得到Wsum下最小的M个最优延迟时间，M∈[3,5]，通过统计不同网络请求的概率分布下得到的M个最优延迟时间，选择出现次数最多的延迟时间作为最优延迟时间，从而为程序员提供合并转发的延迟时间的参考。
本发明提出的一种基于概率模型检验的智能手机合并转发延迟时间评估方法，根据概率时间自动机理论对智能手机的Wi-Fi模块、用户行为、阻塞控制器以及唤醒控制器进行建模，并使用UPPAAL-SMC对智能手机网络请求进行蒙特卡洛模拟，分析在不同的合并转发延迟时间下对智能手机的能耗及用户满意度的影响。智能手机应用开发者可以使用这种评估方法选择在相应场景下网络请求的合并转发延迟时间，避免了复杂的人为测试，并可以在保证用户满意度的情况下降低智能手机的能耗。
以上所述，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围内。
Claims (10)
1.一种智能手机合并转发延迟时间评估方法，其特征在于，包括以下步骤：
步骤一、使用概率时间自动机PTA建立智能手机Wi-Fi模块模型、用户请求模型、阻塞控制器模型和唤醒控制器模型，进而由这四个模型构成智能手机进行网络请求的PTA模板；
步骤二、网络请求获取和释放唤醒锁，对网络请求获取和释放的唤醒锁的概率分布进行配置，对用户请求参数进行配置；用户请求参数包括用户发送网络请求的概率分布；
步骤三、根据步骤二的网络请求的概率分布，采用查询引擎对智能手机网络请求进行蒙特卡洛模拟，每个不同网络请求的概率分布下模拟N次，每次得到一组数据，每组数据包括合并转发网络请求的延迟时间T、智能手机Wi-Fi模块能耗数据以及用户不适感数据；
步骤四、根据步骤三所生成智能手机Wi-Fi模块能耗数据和用户不适感数据的显著性计算不同场景下通用的合并转发延迟时间。
2.根据权利要求1所述的一种智能手机合并转发延迟时间评估方法，其特征在于，步骤三中每个不同网络请求的概率分布下模拟N次，得到N组数据，每组数据为(T(i，j)，energy(i，j)，discomfort(i，j))，其中，第i个场景下第j个延迟时间T(i，j)为随机赋值，且在N组数据中每个T(i，j)分布均衡；energy(i，j)是T(i，j)下的智能手机Wi-Fi模块能耗数据，discomfort(i，j)是T(i，j)下的用户不适感数据，1≤i≤I，1≤j≤J，i，j∈N*，I为场景总个数，J为延迟时间总个数，N*为正整数。
3.根据权利要求2所述的一种智能手机合并转发延迟时间评估方法，其特征在于，步骤四具体如下：
首先计算T(i，j)下energy(i，j)和discomfort(i，j)的显著性参数，根据计算出的显著性参数，然后计算在不同网络请求的概率分布下每个T(i，j)所对应的第i个场景、第j个延迟时间的平均智能手机Wi-Fi模块能耗avge(i，j)和平均用户不适感avgd(i，j)；
通过avge(i，j)和avgd(i，j)选择出在不同网络请求的概率分布下延迟时间T(i，j)的帕累托最优值；权重和Wsum＝w1*avge(i，j)+w2*avgd(i，j)，w1，w2为权重且w1+w2＝1，在帕累托最优值中得到Wsum下最小的M个最优延迟时间，M∈[3，5]，通过统计不同网络请求的概率分布下得到的M个最优延迟时间，选择出现次数最多的延迟时间作为最优延迟时间。
4.根据权利要求1所述的一种智能手机合并转发延迟时间评估方法，其特征在于，所述PTA模板描述了步骤一中四个模型共同的行为模式，并能够访问下概率偏差-δ、上概率偏差+δ、假阴性概率α、假阳性概率β、概率不确定度ε、比率下限u0、比率上限u1，在PTA模板中对网络请求获取和释放的唤醒锁的概率分布、用户发送网络请求的概率分布进行配置；其中PTA＝<L，L0，X，Act，inv，enab，prob>；其中，L是一个有穷状态集合，L0∈L表示PTA的初始状态，X表示有穷时钟集合，Act表示有穷动作集合，inv表示在时间约束下的状态的不变量条件，enab表示在时间约束下的动作允许条件；prob表示动作转移的概率函数。
5.根据权利要求1所述的一种智能手机合并转发延迟时间评估方法，其特征在于，步骤三中，采用蒙特卡洛模拟方法，每个场景的不同概率分布情况都进行N次模拟，模拟不同延迟时间下，t秒内产生的智能手机Wi-Fi模块能耗数据energy以及用户不适感数据；
其中energy＝0.6*WiFi.xHP+0.4*WiFi.xIL+0.01*WiFi.xDS+0.12*WiFi.xLS；
式中，WiFi.xHP为智能手机Wi-Fi模块在设定场景中一小时内保持高功耗状态时间，WiFi.xIL为智能手机Wi-Fi模块在设定场景中一小时内保持空闲监听状态时间，WiFi.xDS为智能手机Wi-Fi在设定场景中一小时内保持深度睡眠状态时间，WiFi.xLS为智能手机Wi-Fi在设定场景中一小时内保持轻度睡眠状态时间。
6.根据权利要求1所述的一种智能手机合并转发延迟时间评估方法，其特征在于，智能手机Wi-Fi模块模型模拟了Wi-Fi模块的四个功率状态，分别为高功耗状态、空闲监听状态、深度睡眠状态和轻度睡眠状态。
7.根据权利要求1所述的一种智能手机合并转发延迟时间评估方法，其特征在于，
模拟t秒内智能手机Wi-Fi模块在不同功率状态所处的时间，从而该时间用来计算Wi-Fi模块的能耗；
模拟出t秒内唤醒锁数量的变化，从而检查智能手机获得和释放唤醒锁是否正常，正常是指非故障；
验证是否满足t秒内，Wi-Fi模块能耗大于预设能量值E的概率大于等于设定的概率值p，0≤p≤1；从而验证合并转发网络请求对智能手机Wi-Fi模块的节能效果；
验证t秒内WiFi模块到达轻度睡眠状态的概率，从而验证在合并转发网络请求时，智能手机Wi-Fi模块是否在t秒内的一半以上时间处在轻度睡眠状态；
验证t秒内Wi-Fi模块能耗低于E并且不适感低于D的概率，D为设定的不适感值；从而验证合并转发延迟时间对于权衡能耗和用户体验的效果。
8.根据权利要求1所述的一种智能手机合并转发延迟时间评估方法，其特征在于，Wi-Fi模块负责通过beacon信道与用户请求模型以及阻塞控制器模型进行通信，Wi-Fi模块模型接受转发请求的指令，从而Wi-Fi模块进行功率状态转移。
9.根据权利要求1所述的一种智能手机合并转发延迟时间评估方法，其特征在于，对用户请求建模，将用户请求分为即时请求和推迟的请求，通过设置循环队列作为缓存存储用户请求信息，用户请求模型通过beacon信道与Wi-Fi模块同步；
阻塞控制器模型中未进行转发网络请求的推迟发送的请求，在达到延迟时间之后再将用户请求发出，阻塞控制器模型通过beacon信道与Wi-Fi模块同步；
唤醒控制器模型，用来模拟部分用户网络请求需要获得唤醒锁以保证Wi-Fi模块能够响应和释放唤醒锁。网络请求获取唤醒锁以及释放唤醒锁服从设置参数的概率分布。
10.根据权利要求1所述的一种智能手机合并转发延迟时间评估方法，其特征在于，步骤三中，使用UPPAAL-SMC作为查询引擎。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110850196.3A CN113645638B (zh) | 2021-07-27 | 2021-07-27 | 一种智能手机合并转发延迟时间评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110850196.3A CN113645638B (zh) | 2021-07-27 | 2021-07-27 | 一种智能手机合并转发延迟时间评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113645638A true CN113645638A (zh) | 2021-11-12 |
| CN113645638B CN113645638B (zh) | 2023-10-31 |
Family
ID=78418708
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110850196.3A Active CN113645638B (zh) | 2021-07-27 | 2021-07-27 | 一种智能手机合并转发延迟时间评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113645638B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003079574A1 (en) * | 2002-03-19 | 2003-09-25 | Telia Ab (Publ) | Method for configuring the power output of the pilot channels in a cellular radio network |
| US20120218926A1 (en) * | 2011-02-24 | 2012-08-30 | The Hong Kong University Of Science And Technology | Delay-constrained and energy-efficient online routing for asynchronous sensor networks |
| CN105050164A (zh) * | 2015-01-16 | 2015-11-11 | 中国矿业大学 | 基于数据重要性的降低wifi功耗方法 |
| US20160003876A1 (en) * | 2013-02-13 | 2016-01-07 | Kozo Keikaku Engineering Inc. | Living Activity Estimation System, Living Activity Estimation Device, Living Activity Estimation Program, And Recording Medium |
| US10372190B1 (en) * | 2018-06-26 | 2019-08-06 | Cypress Semiconductor Corporation | System and methods for arbitrating communications by collocated communication circuitry |
-
2021
- 2021-07-27 CN CN202110850196.3A patent/CN113645638B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003079574A1 (en) * | 2002-03-19 | 2003-09-25 | Telia Ab (Publ) | Method for configuring the power output of the pilot channels in a cellular radio network |
| US20120218926A1 (en) * | 2011-02-24 | 2012-08-30 | The Hong Kong University Of Science And Technology | Delay-constrained and energy-efficient online routing for asynchronous sensor networks |
| US20160003876A1 (en) * | 2013-02-13 | 2016-01-07 | Kozo Keikaku Engineering Inc. | Living Activity Estimation System, Living Activity Estimation Device, Living Activity Estimation Program, And Recording Medium |
| CN105050164A (zh) * | 2015-01-16 | 2015-11-11 | 中国矿业大学 | 基于数据重要性的降低wifi功耗方法 |
| US10372190B1 (en) * | 2018-06-26 | 2019-08-06 | Cypress Semiconductor Corporation | System and methods for arbitrating communications by collocated communication circuitry |
Non-Patent Citations (3)
| Title |
|---|
| CHENYANG ZHU: "Evaluation of Machine Learning Approaches for Android Energy Bugs Detection With Revision Commits", SPECIAL SECTION ON EMERGING TECHNOLOGIES FOR ENERGY INTERNET * |
| 朱正伟等: "基于用户行为的智能手机能耗优化方法", 计算机工程 * |
| 芦倩: "面向数据流的ROS2数据分发服务形式建模与分析", 软件学报 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113645638B (zh) | 2023-10-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104040942B (zh) | 用于搭载移动设备社交更新的服务器端限速算法 | |
| WO2022116424A1 (zh) | 交通流预测模型训练方法、装置、电子设备及存储介质 | |
| CN106062661A (zh) | 用于常开常听的语音识别系统的位置感知功率管理方案 | |
| KR20140079417A (ko) | 상호연결 전력 관리기를 위한 장치 및 방법들 | |
| CN104782103B (zh) | 使用低功率警报传感器的聚集框架 | |
| TWI542986B (zh) | 管理系統、多核系統和其管理方法 | |
| US20070214374A1 (en) | Ultra low power system for sensor network applications | |
| CN105468727A (zh) | 基于zookeeper实现MySQL强一致性复制方法 | |
| CN106375416A (zh) | 分布式数据存储系统中一致性动态调整方法及装置 | |
| CN113449207A (zh) | 电子设备定位的方法、装置、服务器、系统以及存储介质 | |
| CN109871982A (zh) | 一种配电网重构方法及云服务器、电子设备 | |
| WO2019085754A1 (zh) | 应用清理方法、装置、存储介质及电子设备 | |
| WO2020151244A1 (zh) | 自适应立体匹配优化方法及其装置、设备和存储介质 | |
| Chen et al. | Distributed object tracking using moving trajectories in wireless sensor networks | |
| CN113645638A (zh) | 一种智能手机合并转发延迟时间评估方法 | |
| Li et al. | Energy-saving service management technology of internet of things using edge computing and deep learning | |
| CN102012718B (zh) | 多核系统中定时器的实现方法及多核系统 | |
| CN111131449B (zh) | 一种水资源管理系统服务集群化框架构建方法 | |
| CN108280775B (zh) | 电力信息物理系统的分层分布混成计算架构体系及方法 | |
| KR20230175316A (ko) | 멀티-다이 전력 동기화 | |
| US20220365579A1 (en) | Die-to-die Dynamic Clock and Power Gating | |
| CN112699994B (zh) | 一种深度学习模型的自动化训练与测试系统 | |
| CN109213778A (zh) | 一种流数据滑动窗口聚集查询方法 | |
| Sanahmadi et al. | An srn-based model for quantitative evaluation of iot quality attributes | |
| CN114697341B (zh) | 计算电子设备的算力的方法、控制设备以及存储介质 |
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 |