CN113840362B - 一种基于能耗中断概率的手机终端优化方法 - Google Patents

一种基于能耗中断概率的手机终端优化方法 Download PDF

Info

Publication number
CN113840362B
CN113840362B CN202111417886.6A CN202111417886A CN113840362B CN 113840362 B CN113840362 B CN 113840362B CN 202111417886 A CN202111417886 A CN 202111417886A CN 113840362 B CN113840362 B CN 113840362B
Authority
CN
China
Prior art keywords
energy consumption
mobile phone
phone terminal
baseband chip
probability
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.)
Active
Application number
CN202111417886.6A
Other languages
English (en)
Other versions
CN113840362A (zh
Inventor
葛晓虎
蔡凯
钟祎
李强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN202111417886.6A priority Critical patent/CN113840362B/zh
Publication of CN113840362A publication Critical patent/CN113840362A/zh
Application granted granted Critical
Publication of CN113840362B publication Critical patent/CN113840362B/zh
Priority to US18/058,994 priority patent/US11722965B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04W52/0261—Power saving arrangements in terminal devices managing power supply demand, e.g. depending on battery level
    • H04W52/0287—Power saving arrangements in terminal devices managing power supply demand, e.g. depending on battery level changing the clock frequency of a controller in the equipment
    • 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
    • H04W52/0261—Power saving arrangements in terminal devices managing power supply demand, e.g. depending on battery level
    • H04W52/0287—Power saving arrangements in terminal devices managing power supply demand, e.g. depending on battery level changing the clock frequency of a controller in the equipment
    • H04W52/029—Power saving arrangements in terminal devices managing power supply demand, e.g. depending on battery level changing the clock frequency of a controller in the equipment reducing the clock frequency of the controller
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26—Power supply means, e.g. regulation thereof
    • G06F1/30—Means for acting in the event of power-supply failure or interruption, e.g. power-supply fluctuations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/06—Testing, supervising or monitoring using simulated traffic
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Telephone Function (AREA)

Abstract

本发明公开了一种基于能耗中断概率的手机终端优化方法，属于无线通信与传热学领域。包括：S1.实时预测能耗中断概率；S2.根据预测得到的能耗中断概率，调整手机终端的基带芯片工作频率，所述能耗中断是指手机终端在通信过程中，手机芯片发热功率导致手机后盖温度超过人体皮肤安全温度，为避免烫伤而产生的通信中断。本发明通过实时预测智能手机终端能耗中断事件发生的概率，所述能耗中断是指手机终端在通信过程中，手机芯片发热功率导致手机后盖温度超过人体皮肤安全温度，为避免烫伤而产生的通信中断，通过调整手机终端的基带芯片工作频率，来降低能耗中断概率，避免通信中断的发生，保证用户通信质量。

Description

一种基于能耗中断概率的手机终端优化方法
技术领域
本发明属于无线通信与传热学领域，更具体地，涉及一种基于能耗中断概率的手机终端优化方法。
背景技术
5G移动通信系统已经开始支持许多高速率移动通信应用，例如虚拟现实、增强现实等。而下一代移动通信系统将支持更高速率的移动通信应用，例如全息通信。在未来B5G（B5G，Beyond 5G）移动通信系统中，高速率移动通信应用需要Gbps级别的传输速率和无缝的网络覆盖来保证用户良好的体验质量。目前，5G移动通信系统已经采用毫米波通信以及大规模MIMO等技术为移动终端提供Gbps级别的传输速率。此外，超密集蜂窝网络作为5G移动通信系统的部署方案能够为移动终端提供无缝覆盖，并降低基站与移动终端之间的通信中断概率。在5G和B5G移动通信系统中，仍然是主要终端设备。手机终端设备最大接收速率的提出表明移动终端仍有可能在具有无缝覆盖和高速率特性的5G和B5G移动通信系统下发生通信中断，并且该类型中断被称为能耗中断。不同于信道状态不理想导致信号接收功率小于中断阈值功率造成的信道中断，能耗中断与基带芯片计算资源、散热以及通信持续时间有关，并且属于新的中断类型。能耗中断的准确定义和特征尚未被详细研究。给出能耗中断的准确定义和特征，建立能耗中断概率模型，并分析能耗中断对移动通信性能的影响是B5G移动通信系统中断研究的关键问题。
在高速率移动通信应用中，手机终端设备基带芯片计算产生的热量会导致表面温度上升。在持续一段时间的高速率移动通信后，手机终端设备表面温度有可能超过引起人体皮肤烫伤的最低温度，即45 ℃。出于用户安全考虑，手机终端设备基带芯片会降低其计算能力来降低手机终端设备发热量和手机终端设备表面温度。基带芯片计算能力的降低意味着基带芯片计算资源的减少。当基带芯片无冗余计算资源用于数据处理时，移动通信系统性能变的不可接受，即发生能耗中断。
发明内容
针对现有技术的缺陷和改进需求，本发明提供了一种基于能耗中断概率的手机终端优化方法，其目的在于降低能耗中断的发生，避免通信中断发生，保障用户服务质量。
为实现上述目的，按照本发明的第一方面，提供了一种基于能耗中断概率的手机终端优化方法，该方法包括：S1.实时预测能耗中断概率，所述能耗中断是指手机终端在通信过程中，手机芯片发热功率导致手机后盖温度超过人体皮肤安全温度；S2.根据预测得到的能耗中断概率，调整手机终端的基带芯片工作频率。
优选地，步骤S1中采用能耗中断概率模型，预测能耗中断概率，所述能耗中断概率模型如下：
Figure 930111DEST_PATH_IMAGE001
其中
Figure 607080DEST_PATH_IMAGE002
其中，
Figure 107331DEST_PATH_IMAGE003
表示能耗中断概率，
Figure 324686DEST_PATH_IMAGE004
表示中括号内事件发生概率，
Figure 659240DEST_PATH_IMAGE005
表示积分学中的符号
Figure 569427DEST_PATH_IMAGE006
，
Figure 963499DEST_PATH_IMAGE007
表示通信持续时间，
Figure 46862DEST_PATH_IMAGE008
表示手机后盖温度，
Figure 905096DEST_PATH_IMAGE009
表示防止人体皮肤烫伤的最高温度，也是智能手机表面安全温度的上界，即45°C，
Figure 923868DEST_PATH_IMAGE010
表示高斯误差函数，
Figure 133132DEST_PATH_IMAGE011
表示高斯误差函数中的期望，
Figure 20186DEST_PATH_IMAGE012
表示高斯误差函数中的标准差，
Figure 264085DEST_PATH_IMAGE013
表示处理每比特数据需要的CPU周期数，服从伽马分布，
Figure 250496DEST_PATH_IMAGE014
表示形状参数，
Figure 498723DEST_PATH_IMAGE015
表示尺度参数，
Figure 127150DEST_PATH_IMAGE016
表示与
Figure 225556DEST_PATH_IMAGE017
和
Figure 320551DEST_PATH_IMAGE007
相关的函数，
Figure 769987DEST_PATH_IMAGE018
表示伽马函数，
Figure 936526DEST_PATH_IMAGE019
表示带宽，
Figure 889439DEST_PATH_IMAGE020
表示基带芯片的扇出系数，
Figure 545548DEST_PATH_IMAGE021
表示基带芯片中晶体管的激活因子，
Figure 216701DEST_PATH_IMAGE022
表示基带芯片中单个晶体管的开关能耗，
Figure 455440DEST_PATH_IMAGE023
表示基带处理算法中处理每比特信息需要的逻辑操作数，指标与工作频率相关性高，
Figure 262859DEST_PATH_IMAGE024
表示基带芯片中晶体管数量，
Figure 965235DEST_PATH_IMAGE025
表示空气对流换热系数，
Figure 858105DEST_PATH_IMAGE026
表示散热片的面积，
Figure 428764DEST_PATH_IMAGE027
表示后盖的初始温度，
Figure 762793DEST_PATH_IMAGE028
表示导热系数，
Figure 963967DEST_PATH_IMAGE029
表示基带芯片的比热，
Figure 344133DEST_PATH_IMAGE030
表示基带芯片的质量，
Figure 187324DEST_PATH_IMAGE031
表示热量从下行链路的低噪声放大器和上行链路的功率放大器传递到基带芯片的比例，
Figure 641439DEST_PATH_IMAGE032
表示低噪声放大器和功率放大器的发热功率。
有益效果：针对现在存在的由于手机终端大量计算，导致芯片产生热量，芯片过热触发手机终端芯片降频，并引发计算过载，即能耗中断的问题，本发明通过建立度量能耗中断的指标，建立手机终端的传输模型与传热模型，通过分析传输与计算过程中的随机变量建立能耗中断概率模型，为此新类型的通信中断提供了相应的能耗中断概率度量模型，谨慎权衡移动终端芯片温度、通信持续时间和下行链路速率之间的关系，能够更好地对手机终端发生能耗中断做出预测，为在手机终端基于能耗中断概率进行相应调整提供了数据依据。
优选地，步骤S2包括：如果当前能耗中断概率大于等于90%，则将基带芯片工作频率调整为当前频率的50%；如果当前能耗中断概率大于等于80%且小于90%，则将基带芯片工作频率调整为当前频率的60%；如果当前能耗中断概率大于等于70%且小于80%，则将基带芯片工作频率调整为当前频率的70%；如果当前能耗中断概率大于等于60%且小于70%，则将基带芯片工作频率调整为当前频率的80%；如果当前能耗中断概率大于等于50%且小于60%，则将基带芯片工作频率调整为当前频率的90%；其他情况不变。
有益效果：针对现有的智能手机终端存在能耗中断的问题，本发明通过实时预测手机终端的能耗中断概率，并根据相应算法调整基带芯片的工作频率。由于通过分析评估智能手机各个模块的能耗表明：基带芯片CPU是智能手机正常使用过程中能耗最高的模块。而基带芯片CPU的主要功耗近似的和工作频率成正比，通过调整系统运行时基带芯片CPU的频率，能够在不影响处理器峰值性能的同时，有效地减少能耗和发热量。因此通过调整基带芯片的工作频率，能够降低手机终端芯片的基带处理能耗、应用处理能耗和系统能耗，使能耗中断概率降低，避免能耗中断的发生，保障用户的通信质量。
优选地，该方法还包括：S3.根据调整过的工作频率得到新的工作电压，并由电源管理模块供给基带芯片CPU。
有益效果：针对现有的智能手机终端存在能耗中断的问题，本发明通过实时预测手机终端的能耗中断概率，并根据相应算法调整基带芯片的工作频率，并根据调整过的工作频率得到新的工作电压，并由电源管理模块供给基带芯片CPU。由于通过分析评估智能手机各个模块的能耗表明：基带芯片CPU是智能手机正常使用过程中能耗最高的模块。而基带芯片CPU的主要功耗还近似的和工作电压的平方成正比。对于根据相应算法调整后的基带芯片的工作频率，需要根据系统处理器的性能变化，例如温度、负载、瞬态、工艺及其他有关的变动，确定新的工作电压，并由电源管理模块供给基带芯片CPU。能够使的手机终端保持稳定且进一步降低手机终端的能耗，有利于降低手机终端的能耗中断概率。
优选地，部件的工作电压和频率满足：
Figure 810252DEST_PATH_IMAGE033
其中，
Figure 349818DEST_PATH_IMAGE034
为常数系数，
Figure 197033DEST_PATH_IMAGE035
表示CPU的工作频率，
Figure 895867DEST_PATH_IMAGE036
表示CPU的工作电压，
Figure 845369DEST_PATH_IMAGE037
表示阈值电压。
有益效果：本发明通过以上方式基于工作频率调整工作电压，由于在降低CPU电路的工作频率时，工作电压也会相应的降低。因此，通过改变工作频率和工作电压来降低能耗中断概率的同时必须考虑其对性能的影响，而部件为了能够稳定运行，两者之间的关系需要满足上式，使部件的工作频率与工作电压相协调，从而保证部件的稳定运行。
优选地，将多核处理器的所有核视为一个核，对该核进行调整后，其他核的工作频率进行相同的调整。
有益效果：针对手机终端的多核处理器的优化过程，本发明通过将多核处理器的所有核当成一个核，对该核进行调整后，其他的核的工作频率进行相同的调整。由于进行统一的调整，该过程的调整速度和能量消耗有一定程度上的优势，对基带芯片CPU的工作频率和相应的工作电压的调整实际开销较低，能够减少能量消耗，有利于降低能耗中断概率。
为实现上述目的，按照本发明的第二方面，提供了一种智能手机终端，包括：计算机可读存储介质和处理器；所述计算机可读存储介质用于存储可执行指令；所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行第一方面所述的基于能耗中断概率的手机终端优化方法。
总体而言，通过本发明所构思的以上技术方案，能够取得以下有益效果：
本发明通过实时预测智能手机终端能耗中断事件发生的概率，所述能耗中断是指手机终端在通信过程中，手机芯片发热功率导致手机后盖温度超过人体皮肤安全温度，为避免烫伤而产生的通信中断，通过调整手机终端的基带芯片工作频率，来降低能耗中断概率，避免通信中断的发生，保证用户通信质量。
附图说明
图1为本发明提供的一种基于能耗中断概率的手机终端优化方法流程图。
图2为本发明提供的大规模MIMO基站与单个智能手机通信系统模型示意图。
图3为本发明提供的基于能耗中断模型对手机终端设备基带芯片工作频率和电压调整的原理图。
图4为本发明提供的能耗中断概率与信噪比（SNR）以及通信持续时间关系图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示，本发明提供了一种基于能耗中断概率的手机终端优化方法，包括：
步骤一、根据当前手机终端设备和系统的条件，基于能耗中断模型，对手机终端设备可能发生的能耗中断进行预测。
能耗中断模型，根据当前手机终端设备和系统的重要参数，对手机终端设备的基带芯片能耗部分进行分析预测，得到发生能耗中断的概率。
步骤二、根据能耗中断模型的预测，判断手机终端设备在之后时刻发生能耗中断的概率是否大于设定的阈值，超过则调整手机终端设备的基带芯片的工作频率和工作电压。
通过调整手机终端设备的基带芯片的工作频率和工作电压，能够降低芯片的基带处理能耗、应用处理能耗和系统能耗。
步骤三、通过调整手机终端设备的基带芯片的工作频率和工作电压，能够降低能耗中断概率，避免能耗中断的发生，保证通信的正常进行，保障用户的服务质量。
如图2所示，所述能耗中断模型考虑一个单用户点对点的大规模MIMO系统，其中用户设备为手机终端设备。基站配备
Figure 731285DEST_PATH_IMAGE038
根发射天线，智能手机配备
Figure 385120DEST_PATH_IMAGE039
根接收天线，并且满足
Figure 548248DEST_PATH_IMAGE040
。假设智能手机已知完美的信道状态信息，可以得到下行链路传输速率。
所述能耗中断模型中，主要能耗考虑手机终端设备集成CPU和基带处理器的核心芯片等部分产生的能耗。
手机终端设备的传热模型包括：手机终端设备集成CPU和基带处理器的核心芯片的传热模型，在手机终端移动通信过程中，通过散热片传导的热量包括两部分，一部分为芯片产生的热量，另一部分是从放大器传递到芯片的热量。
手机终端设备传热模型中，还包括：传热模型中，从放大器传递到芯片的热量，为下行链路的低噪声放大器和上行链路的功率放大器。低噪声放大器和功率放大器传递到芯片的热量按照一定比例计算得到。
手机终端设备传热模型中，手机终端设备基带芯片能耗
Figure 58864DEST_PATH_IMAGE041
由3个部分组成，即基带处理能耗
Figure 573022DEST_PATH_IMAGE042
、应用处理能耗
Figure 764969DEST_PATH_IMAGE043
和系统能耗
Figure 172817DEST_PATH_IMAGE044
。
手机终端设备基带芯片能耗部分
在下行链路通信的场景中，手机终端设备的基带处理以信道解码为主，并且信道解码的能耗与下行链路传输速率近似成线性关系。可由下述公式计算得到：
Figure 57596DEST_PATH_IMAGE045
。
其中，
Figure 793471DEST_PATH_IMAGE046
表示基带处理能耗，
Figure 854355DEST_PATH_IMAGE047
表示下行链路传输速率，
Figure 726496DEST_PATH_IMAGE048
表示基带处理算法中处理每比特信息需要的逻辑操作数，
Figure 782177DEST_PATH_IMAGE049
表示芯片的扇出系数，
Figure 129982DEST_PATH_IMAGE050
表示芯片中晶体管的激活因子，
Figure 335835DEST_PATH_IMAGE051
表示芯片中单个晶体管的开关能耗。
基带处理能耗与基带处理算法中处理每比特信息需要的逻辑操作数
Figure 718275DEST_PATH_IMAGE052
、芯片的扇出系数
Figure 944857DEST_PATH_IMAGE053
、芯片中晶体管的激活因子
Figure 389745DEST_PATH_IMAGE054
、芯片中单个晶体管的开关能耗
Figure 523923DEST_PATH_IMAGE055
等相关，且
Figure 901815DEST_PATH_IMAGE055
可以计算为：
Figure 33719DEST_PATH_IMAGE056
，
其中，
Figure 356116DEST_PATH_IMAGE057
为晶体管的开关能耗与兰道尔极限的比值，下标
Figure 903772DEST_PATH_IMAGE058
表示半导体工艺技术中晶体管栅极长度，
Figure 257874DEST_PATH_IMAGE059
为兰道尔极限，
Figure 232783DEST_PATH_IMAGE060
为玻尔兹曼常数，
Figure 245739DEST_PATH_IMAGE061
表示空气温度。
手机终端设备基带芯片能耗部分
应用处理能耗部分，在多媒体数据传输的场景中，从基站传输到手机终端设备的数据会被手机终端设备的应用处理器解码，即被手机终端设备的CPU解码。此外，多媒体数据解码的能耗与多媒体数据量近似成线性关系。可由下述公式得到：
Figure 721719DEST_PATH_IMAGE062
。
其中，
Figure 543045DEST_PATH_IMAGE063
表示应用处理功耗，
Figure 344648DEST_PATH_IMAGE064
是应用程序处理每比特信息需要的逻辑操作数，
Figure 251424DEST_PATH_IMAGE065
为芯片中晶体管数量，
Figure 468778DEST_PATH_IMAGE066
为处理每比特数据需要的CPU周期数。在多媒体应用中，可以将参数
Figure 534823DEST_PATH_IMAGE067
建模为服从Gamma分布的随机变量。因此
Figure 117114DEST_PATH_IMAGE068
的概率密度函数
Figure 635820DEST_PATH_IMAGE069
为：
Figure 656866DEST_PATH_IMAGE070
，
其中，
Figure 452784DEST_PATH_IMAGE071
为尺度参数，
Figure 599119DEST_PATH_IMAGE072
表示伽马函数，
Figure 480487DEST_PATH_IMAGE073
为形状参数，并且
Figure 836382DEST_PATH_IMAGE074
。此外，假设不同时刻的
Figure 814702DEST_PATH_IMAGE075
独立同分布。
手机终端设备基带芯片能耗部分
系统能耗
Figure 738796DEST_PATH_IMAGE076
是单位时间内智能手机运行系统和本地应用消耗的能量。在初始状态下，手机终端设备仅运行系统和本地应用且未建立通信链路，假设初始状态下手机终端设备处于热平衡状态，系统能耗与初始环境温度有关，可以计算为：
Figure 497674DEST_PATH_IMAGE077
。
其中，
Figure 532626DEST_PATH_IMAGE078
表示空气对流换热系数，
Figure 162190DEST_PATH_IMAGE079
表示散热片面积，
Figure 585081DEST_PATH_IMAGE080
是后盖区域温度
Figure 441042DEST_PATH_IMAGE081
的初始温度，
Figure 404319DEST_PATH_IMAGE082
表示空气温度，且
Figure 357231DEST_PATH_IMAGE083
。
手机终端设备传热模型中，芯片总发热功率包含以上方面，传热模型与能耗中断的发生相关联。
能耗中断定义为：手机终端设备在通信过程中，手机芯片发热功率导致手机后盖温度超过人体皮肤安全温度，为避免烫伤而产生的通信中断。45℃，是防止人体皮肤烫伤的最高温度。
手机终端设备芯片温度和手机终端设备表面温度可以通过热平衡方程建立联系。
根据能耗中断的定义，将能耗中断表示为事件
Figure 623127DEST_PATH_IMAGE084
的发生。其中，
Figure 88088DEST_PATH_IMAGE085
表示芯片温度，
Figure 730422DEST_PATH_IMAGE086
表示人体皮肤安全温度。基于传热学理论，图3中芯片温度
Figure 537841DEST_PATH_IMAGE087
与智能手机后盖温度
Figure 364852DEST_PATH_IMAGE088
存在关系：
Figure 929825DEST_PATH_IMAGE089
，
其中，
Figure 969325DEST_PATH_IMAGE090
，
Figure 896830DEST_PATH_IMAGE091
表示导热系数，
Figure 504529DEST_PATH_IMAGE092
表示散热片长度，
Figure 947012DEST_PATH_IMAGE093
表示散热片热传导系数，
Figure 665569DEST_PATH_IMAGE094
表示散热片面积，
Figure 447580DEST_PATH_IMAGE095
表示后盖的厚度，
Figure 350814DEST_PATH_IMAGE096
表示后官湖热传导系数，
Figure 890380DEST_PATH_IMAGE097
表示空气对流换热系数。考虑的
Figure 805771DEST_PATH_IMAGE098
限制和上式，不发生能耗中断的情况为
Figure 114392DEST_PATH_IMAGE099
，
即
Figure 188527DEST_PATH_IMAGE100
。因此，
Figure 277706DEST_PATH_IMAGE101
由
Figure 603645DEST_PATH_IMAGE102
决定，即能耗中断等价于事件
Figure 156986DEST_PATH_IMAGE103
的发生。
在智能手机移动通信过程中，手机后盖温度
Figure 277389DEST_PATH_IMAGE104
的初始温度为
Figure 916181DEST_PATH_IMAGE105
，芯片总发热功率为
Figure 108128DEST_PATH_IMAGE106
，通信持续时间为
Figure 125762DEST_PATH_IMAGE107
。考虑一维非稳态热传导过程，
Figure 807279DEST_PATH_IMAGE108
与
Figure 808734DEST_PATH_IMAGE107
的变化关系满足
Figure 335530DEST_PATH_IMAGE109
，
其中，
Figure 821654DEST_PATH_IMAGE110
，
Figure 549439DEST_PATH_IMAGE111
表示基带芯片的质量。
手机终端设备的能耗中断概率模型为：
Figure 897243DEST_PATH_IMAGE112
其中
Figure 368676DEST_PATH_IMAGE113
。
其中，
Figure 485537DEST_PATH_IMAGE114
表示能耗中断概率，
Figure 446539DEST_PATH_IMAGE115
表示中括号内事件发生概率，
Figure 157006DEST_PATH_IMAGE116
表示积分学中的符号
Figure 556764DEST_PATH_IMAGE117
，
Figure 403497DEST_PATH_IMAGE118
表示通信持续时间，
Figure 800980DEST_PATH_IMAGE119
表示手机后盖温度，
Figure 857798DEST_PATH_IMAGE120
表示防止人体皮肤烫伤的最高温度，
Figure 671033DEST_PATH_IMAGE121
表示高斯误差函数，
Figure 28065DEST_PATH_IMAGE122
表示高斯误差函数中的期望，
Figure 2974DEST_PATH_IMAGE123
表示高斯误差函数中的标准差，
Figure 18859DEST_PATH_IMAGE124
表示处理每比特数据需要的CPU周期数，
Figure 494840DEST_PATH_IMAGE125
表示形状参数，
Figure 581745DEST_PATH_IMAGE126
表示尺度参数，
Figure 852189DEST_PATH_IMAGE127
表示与
Figure 86861DEST_PATH_IMAGE128
和
Figure 241899DEST_PATH_IMAGE129
相关的函数，
Figure 307944DEST_PATH_IMAGE130
表示伽马函数，
Figure 890235DEST_PATH_IMAGE131
表示带宽，
Figure 408941DEST_PATH_IMAGE132
表示基带芯片的扇出系数，
Figure 429987DEST_PATH_IMAGE133
表示基带芯片中晶体管的激活因子，
Figure 225905DEST_PATH_IMAGE134
表示基带芯片中单个晶体管的开关能耗，
Figure 103731DEST_PATH_IMAGE135
表示基带处理算法中处理每比特信息需要的逻辑操作数，
Figure 985099DEST_PATH_IMAGE136
表示基带芯片中晶体管数量，
Figure 603644DEST_PATH_IMAGE137
表示空气对流换热系数，
Figure 581964DEST_PATH_IMAGE138
表示散热片的面积，
Figure 506058DEST_PATH_IMAGE139
表示后盖的初始温度，
Figure 264935DEST_PATH_IMAGE140
表示导热系数，
Figure 299887DEST_PATH_IMAGE141
表示基带芯片的比热，
Figure 929452DEST_PATH_IMAGE142
表示基带芯片的质量，
Figure 352343DEST_PATH_IMAGE143
表示热量从下行链路的低噪声放大器和上行链路的功率放大器传递到基带芯片的比例，
Figure 942724DEST_PATH_IMAGE144
表示低噪声放大器和功率放大器的发热功率。
对于手机终端设备，根据系统和手机终端设备的当前条件，基于能耗中断模型的预测，对手机终端设备的调整包括：降低手机终端设备的基带芯片工作频率和工作电压。
降低手机终端设备的基带芯片工作频率和工作电压，能够降低手机终端设备芯片的基带处理能耗、应用处理能耗和系统能耗，能够降低能耗中断的发生概率，避免能耗中断的发生，保障用户的服务质量。
根据能耗中断模型预测得到的中断概率，调整手机终端设备的基带芯片工作频率和工作电压。该技术可以依据系统的能耗终端概率，对供电电压和频率进行调节。
如图3所示，性能管理单元具有可以预测手机终端能耗中断概率功能，当下一个阶段手机终端的能耗中断概率被计算出的时候，根据相应的调整算法来调整基带芯片CPU的工作频率和电压，性能管理单元输出两个系统所需的电压
Figure 906001DEST_PATH_IMAGE145
和频率信号
Figure 796596DEST_PATH_IMAGE146
。其中，
Figure 187127DEST_PATH_IMAGE147
输入到时钟产生单元中，由时钟产生单元提供所需的工作频率。另一个信号
Figure 592700DEST_PATH_IMAGE148
输入到电压调节模块中，然后产生出系统所需的工作电压。
基于预测模型的方法主要通过采集一些与系统性能相关的信号、中断等信息来判断系统的性能。该技术会根据系统当前的性能相关的参数，来预测下一阶段内系统所需的性能。
根据计算能耗中断模型预测下一阶段系统发生能耗中断的概率，为了避免计算能耗中断的发生，调整基带芯片需要的工作频率，从而调整芯片的时钟频率设置。
调整基带芯片需要的工作频率，根据新的基带芯片工作频率计算相应的工作电压，并由电源管理模块调整供给基带芯片CPU的电压。
本发明中通过类似于开环控制法的基带芯片工作频率调节方法，基于计算能耗中断概率模型，分段式按比例
Figure 969455DEST_PATH_IMAGE149
的频率调节方法，
Figure 842120DEST_PATH_IMAGE150
。
其中，
Figure 278918DEST_PATH_IMAGE151
表示调节的比例，
Figure 968525DEST_PATH_IMAGE152
表示调节前的工作频率，
Figure 476867DEST_PATH_IMAGE153
表示调节后的工作频率。
对于当前手机终端不同的计算能耗中断概率，对当前基带芯片工作频率按不同比例进行调整。
在实际设计中，使用的分段式按比例对基带芯片工作频率调整算法如下：
（1）获取当前手机终端的计算能耗中断概率；
（2）如果当前计算能耗中断概率大于等于90%，则直接将基带芯片工作频率调整为当前频率的50%；
（3）如果当前计算能耗中断概率大于等于80%且小于90%，则直接将基带芯片工作频率调整为当前频率的60%；
（4）如果当前计算能耗中断概率大于等于70%且小于80%，则直接将基带芯片工作频率调整为当前频率的70%；
（5）如果当前计算能耗中断概率大于等于60%且小于70%，则直接将基带芯片工作频率调整为当前频率的80%；
（6）如果当前计算能耗中断概率大于等于50%且小于60%，则直接将基带芯片工作频率调整为当前频率的90%；
（7）其他情况不变。
根据新的基带芯片工作频率计算相应的工作电压，并由电源管理模块调整供给基带芯片CPU的电压。其主要依据为基带芯片电源电压和频率之间的关系。对于以CMOS工艺为基础的处理器等高速部件，为了保障部件稳定运行，部件的电压和频率必须满足：
Figure 76476DEST_PATH_IMAGE154
。
其中，
Figure 74387DEST_PATH_IMAGE155
为常数系数，
Figure 861078DEST_PATH_IMAGE156
为部件的供电电压，
Figure 969848DEST_PATH_IMAGE157
为阈值电压。一般
Figure 751859DEST_PATH_IMAGE157
远小于
Figure 530460DEST_PATH_IMAGE156
，于是频率和电压近似为线性关系：
Figure 194659DEST_PATH_IMAGE158
。
因此，可以根据调整过的工作频率得到新的供电电压，并由电源管理模块调整供给基带芯片CPU的电压。
在移动终端设备的优化过程中，对于手机基带芯片的工作频率和供电电压的调整，在本发明中对手机终端设备的调节技术指的是将多核处理器的所有核当成一个核，对这个核进行了调整后，其他的核的工作频率就跟这个核一样，进行了相同的调整，满足性能要求。
如图4所示，为本发明提供的能耗中断概率与SNR以及通信持续时间关系图。通过仿真图，可以看到，通过能耗中断模型的仿真结果，当
Figure 44803DEST_PATH_IMAGE159
时，能耗中断在
Figure 353425DEST_PATH_IMAGE160
的情况下一定发生，即
Figure 690210DEST_PATH_IMAGE161
。而当
Figure 717072DEST_PATH_IMAGE162
时，能耗中断在
Figure 902065DEST_PATH_IMAGE163
的情况下一定发生。因此基于计算能耗中断概率模型的仿真预测结果，可以通过调整手机终端设备的基带芯片的工作频率和工作电压，降低手机终端设备的功耗，来降低能耗中断的概率，避免能耗中断的发生，保证通信正常进行，保障用户的服务质量。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于能耗中断概率的手机终端优化方法，其特征在于，该方法包括：
S1.实时预测能耗中断概率，所述能耗中断是指手机终端设备表面温度超过引起人体皮肤烫伤的最低温度时，手机终端设备基带芯片降低其计算能力来降低手机终端设备发热量和手机终端设备表面温度，当基带芯片无冗余计算资源用于数据处理时，移动通信系统性能变得不可接受，最终导致移动通信中断；
S2.根据预测得到的能耗中断概率，调整手机终端的基带芯片工作频率；
步骤S2包括：
如果当前能耗中断概率大于等于90%，则将基带芯片工作频率调整为当前频率的50%；
如果当前能耗中断概率大于等于80%且小于90%，则将基带芯片工作频率调整为当前频率的60%；
如果当前能耗中断概率大于等于70%且小于80%，则将基带芯片工作频率调整为当前频率的70%；
如果当前能耗中断概率大于等于60%且小于70%，则将基带芯片工作频率调整为当前频率的80%；
如果当前能耗中断概率大于等于50%且小于60%，则将基带芯片工作频率调整为当前频率的90%；
其他情况不变；
步骤S1中采用能耗中断概率模型，预测能耗中断概率，所述能耗中断概率模型如下：
Figure 795937DEST_PATH_IMAGE001
其中
Figure 524859DEST_PATH_IMAGE002
其中，
Figure 400411DEST_PATH_IMAGE003
表示能耗中断概率，
Figure 632809DEST_PATH_IMAGE004
表示中括号内事件发生概率，
Figure 201194DEST_PATH_IMAGE005
表示积分学中 的符号
Figure 886253DEST_PATH_IMAGE005
，
Figure 565496DEST_PATH_IMAGE006
表示通信持续时间，
Figure 917980DEST_PATH_IMAGE007
表示手机后盖温度，
Figure 594949DEST_PATH_IMAGE008
表示防止人体皮肤烫伤的 最高温度，
Figure 841340DEST_PATH_IMAGE009
表示高斯误差函数，
Figure DEST_PATH_IMAGE010
表示高斯误差函数中的期望，
Figure 793115DEST_PATH_IMAGE011
表示高斯误差函 数中的标准差，
Figure 265685DEST_PATH_IMAGE012
表示处理每比特数据需要的CPU周期数，
Figure 113555DEST_PATH_IMAGE013
表示形状参数，
Figure 835524DEST_PATH_IMAGE014
表示尺度参 数，
Figure 794252DEST_PATH_IMAGE015
表示与
Figure 652487DEST_PATH_IMAGE012
和
Figure 936838DEST_PATH_IMAGE006
相关的函数，
Figure 83785DEST_PATH_IMAGE016
表示伽马函数，
Figure 908522DEST_PATH_IMAGE017
表示带宽，
Figure 824525DEST_PATH_IMAGE018
表示基带芯 片的扇出系数，
Figure 810936DEST_PATH_IMAGE019
表示基带芯片中晶体管的激活因子，
Figure 445180DEST_PATH_IMAGE020
表示基带芯片中单个晶体管的开 关能耗，
Figure 808028DEST_PATH_IMAGE021
表示基带处理算法中处理每比特信息需要的逻辑操作数，
Figure 844117DEST_PATH_IMAGE022
表示基带芯片 中晶体管数量，
Figure 204691DEST_PATH_IMAGE023
表示空气对流换热系数，
Figure 388548DEST_PATH_IMAGE024
表示散热片的面积，
Figure 492770DEST_PATH_IMAGE025
表示后盖的初始温 度，
Figure 180103DEST_PATH_IMAGE026
表示导热系数，
Figure 711579DEST_PATH_IMAGE027
表示基带芯片的比热，
Figure 117152DEST_PATH_IMAGE028
表示基带芯片的质量，
Figure 25065DEST_PATH_IMAGE029
表示热量从下 行链路的低噪声放大器和上行链路的功率放大器传递到基带芯片的比例，
Figure 832484DEST_PATH_IMAGE030
表示低噪 声放大器和功率放大器的发热功率。
2.如权利要求1所述的方法，其特征在于，该方法还包括：
S3.根据调整过的工作频率得到新的工作电压，并由电源管理模块供给基带芯片CPU。
3.如权利要求2所述的方法，其特征在于，部件的工作电压和频率满足：
Figure 800440DEST_PATH_IMAGE031
其中，
Figure 630993DEST_PATH_IMAGE032
为常数系数，
Figure 139335DEST_PATH_IMAGE033
表示CPU的工作频率，
Figure 738944DEST_PATH_IMAGE034
表示CPU的工作电压，
Figure 674538DEST_PATH_IMAGE035
表示阈值电压。
4.如权利要求1所述的方法，其特征在于，将多核处理器的所有核视为一个核，对该核进行调整后，其他核的工作频率进行相同的调整。
5.一种智能手机终端，其特征在于，包括：计算机可读存储介质和处理器；
所述计算机可读存储介质用于存储可执行指令；
所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行权利要求1至4任一项所述的基于能耗中断概率的手机终端优化方法。
CN202111417886.6A 2021-11-26 2021-11-26 一种基于能耗中断概率的手机终端优化方法 Active CN113840362B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111417886.6A CN113840362B (zh) 2021-11-26 2021-11-26 一种基于能耗中断概率的手机终端优化方法
US18/058,994 US11722965B2 (en) 2021-11-26 2022-11-28 Method for optimizing mobile phone terminal based on probability of energy consumption-related interruption

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111417886.6A CN113840362B (zh) 2021-11-26 2021-11-26 一种基于能耗中断概率的手机终端优化方法

Publications (2)

Publication Number Publication Date
CN113840362A CN113840362A (zh) 2021-12-24
CN113840362B true CN113840362B (zh) 2022-03-04

Family

ID=78971604

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111417886.6A Active CN113840362B (zh) 2021-11-26 2021-11-26 一种基于能耗中断概率的手机终端优化方法

Country Status (2)

Country Link
US (1) US11722965B2 (zh)
CN (1) CN113840362B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114860058B (zh) * 2022-04-20 2024-05-07 贵州电网有限责任公司 一种电力芯片低功耗处理方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101771428A (zh) * 2010-01-19 2010-07-07 青岛海信移动通信技术股份有限公司 一种温度检测电路及移动通信设备
CN103492974A (zh) * 2011-04-25 2014-01-01 高通股份有限公司 用于通过监视和控制便携式计算装置中的电流流动来减少热负载的方法和系统
CN104412198A (zh) * 2012-06-29 2015-03-11 高通股份有限公司 用于便携式计算设备中的自适应热管理的系统和方法
CN104951026A (zh) * 2014-03-25 2015-09-30 联芯科技有限公司 基于嵌入式温度传感器的芯片过温自动控制方法及系统
CN106026264A (zh) * 2016-06-24 2016-10-12 北京小米移动软件有限公司 终端短路保护的方法及装置
CN106339011A (zh) * 2015-07-10 2017-01-18 深圳市中兴微电子技术有限公司 一种芯片温度检测和控制方法与装置
CN108401511A (zh) * 2017-04-20 2018-08-14 北京小米移动软件有限公司 保护用户设备的方法、装置、用户设备及基站
CN112198944A (zh) * 2020-09-09 2021-01-08 深圳联想懂的通信有限公司 一种电子设备散热控制方法及装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103208824B (zh) * 2012-01-16 2016-12-07 华为终端有限公司 一种充电电路及充电器
US10159165B2 (en) * 2017-02-02 2018-12-18 Qualcomm Incorporated Evaporative cooling solution for handheld electronic devices
CN113423081B (zh) * 2021-06-18 2022-08-12 深圳大学 一种无线输能方法、装置、计算机设备及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101771428A (zh) * 2010-01-19 2010-07-07 青岛海信移动通信技术股份有限公司 一种温度检测电路及移动通信设备
CN103492974A (zh) * 2011-04-25 2014-01-01 高通股份有限公司 用于通过监视和控制便携式计算装置中的电流流动来减少热负载的方法和系统
CN104412198A (zh) * 2012-06-29 2015-03-11 高通股份有限公司 用于便携式计算设备中的自适应热管理的系统和方法
CN104951026A (zh) * 2014-03-25 2015-09-30 联芯科技有限公司 基于嵌入式温度传感器的芯片过温自动控制方法及系统
CN106339011A (zh) * 2015-07-10 2017-01-18 深圳市中兴微电子技术有限公司 一种芯片温度检测和控制方法与装置
CN106026264A (zh) * 2016-06-24 2016-10-12 北京小米移动软件有限公司 终端短路保护的方法及装置
CN108401511A (zh) * 2017-04-20 2018-08-14 北京小米移动软件有限公司 保护用户设备的方法、装置、用户设备及基站
CN112198944A (zh) * 2020-09-09 2021-01-08 深圳联想懂的通信有限公司 一种电子设备散热控制方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Power-Consumption Outage in Beyond Fifth Generation Mobile Communication Systems;Jing Yang, Xiaohu Ge, et al;《IEEE Transactions on Wireless Communications》;20201013;第897引言部分，第901-902页第三节能耗中断部分 *

Also Published As

Publication number Publication date
US11722965B2 (en) 2023-08-08
CN113840362A (zh) 2021-12-24
US20230171702A1 (en) 2023-06-01

Similar Documents

Publication Publication Date Title
Mao et al. Power-delay tradeoff in multi-user mobile-edge computing systems
Chen et al. Energy-efficient resource allocation for latency-sensitive mobile edge computing
Wen et al. Energy-optimal mobile application execution: Taming resource-poor mobile devices with cloud clones
US9292070B2 (en) Method and apparatus with stochastic control based power saving operation
Mahmood et al. Weighted utility aware computational overhead minimization of wireless power mobile edge cloud
CN113840362B (zh) 一种基于能耗中断概率的手机终端优化方法
Chen et al. Dynamic task software caching-assisted computation offloading for multi-access edge computing
Chang et al. Offloading decision in edge computing for continuous applications under uncertainty
Wei et al. Optimal offloading in fog computing systems with non-orthogonal multiple access
Ren et al. Dynamic resource allocation scheme and deep deterministic policy gradient-based mobile edge computing slices system
Hua et al. Online offloading scheduling for noma-aided mec under partial device knowledge
Iqbal et al. Double deep Q-network for power allocation in cloud radio access network
Luo et al. Adaptive resource allocation considering power-consumption outage: A deep reinforcement learning approach
Yang et al. Power-consumption outage in beyond fifth generation mobile communication systems
CN114697333A (zh) 一种能量队列均衡的边缘计算方法
Chen et al. Joint computation offloading and radio resource allocations in wireless cellular networks
Zhang et al. Joint service quality control and resource allocation for service reliability maximization in edge computing
Zheng et al. Dynamic noma-based computation offloading in vehicular platoons
Mitsiou et al. Energy-aware optimization of zero-energy device networks
Zhao et al. Energy-efficient federated learning over cell-free IoT networks: Modeling and optimization
Wang et al. Resource management and reflection optimization for intelligent reflecting surface assisted multi-access edge computing using deep reinforcement learning
CN116193476A (zh) 考虑能耗中断的无人机通信资源分配方法及系统
Di Lorenzo et al. Joint optimization of radio resources and code partitioning in mobile cloud computing
KR20210073240A (ko) 인공 잡음을 활용한 보안 성능 향상 방법 및 장치
Zhang et al. Energy-efficient massive MIMO with decentralized precoder design

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