CN115734323B - 功耗优化方法和装置 - Google Patents

Abstract

本申请实施例公开了一种功耗优化方法和装置，用于优化近场分布式通信中的设备功耗。该方法可以包括：第一终端设备获取设备连接规律信息，该设备连接规律信息用于描述第一终端设备与其它终端设备之间的连接规律；根据设备连接规律信息，确定未来预设时间段内第一终端设备与第二终端设备发生连接行为的概率，其它终端设备包括第二终端设备；根据概率，执行功耗优化策略。

Description

功耗优化方法和装置

本申请是分案申请，原申请的申请号是202011026542.8，原申请日是2020年09月25日，原申请的全部内容通过引用结合在本申请中。

技术领域

本申请涉及通信技术领域，尤其涉及一种功耗优化方法和装置。

背景技术

分布式通信是指近场环境下，多个终端设备之间通信的过程。分布式通信涉及终端设备之间的设备发现、拓扑组网、连接协议以及通道保持等过程。

现有的设备发现过程中，终端设备的扫描间隙是固定的，即扫描间隙与扫描周期之间比值是固定的，也即扫描占空比是不变的。其中，一个扫描周期包括扫描间隙和扫描间隔，扫描间隔不产生功耗，扫描间隙产生功耗。

发明内容

本申请实施例提供一种功耗优化方法和装置，可以优化近场分布式通信中的设备功耗。

第一方面，本申请实施例提供一种功耗优化方法，应用于第一终端设备，该方法包括：获取设备连接规律信息，该设备连接规律信息用于描述第一终端设备与其它终端设备之间的连接规律；根据设备连接规律信息，确定未来预设时间段内第一终端设备与第二终端设备发生连接行为的概率，其它终端设备包括第二终端设备；根据概率，执行功耗优化策略。

本申请实施例通过设备连接规律信息，预测未来一段时间内第一终端设备和其它终端设备发送连接行为的概率，再根据概率的大小执行功率优化策略，以对分布式通信功耗进行优化。

示例性地，功耗优化策略包括调整占空比，即根据概率大小调整占空比的大小。功耗优化策略包括提前与第二终端设备建立连接等。

在第一方面的一些可能的实现方式中，根据概率，执行功耗优化策略的过程可以包括：当概率大于第一阈值，与第二终端设备建立连接或者增大占空比；当概率小于第二阈值，减小占空比，第二阈值小于或等于第一阈值，占空比为扫描时隙与扫描周期之间的比值。

在该实现方式中，根据设备连接规律，预测未来一段时间内第一终端设备和第二终端设备发生连接行为的概率，再基于发生连接行为的概率大小，增大或减小占空比，即动态调整占空比。这样，在低概率连接的情况下，通过减小占空比来降低由于设备扫描产生的功耗，节约了低概率连接场景下的无效扫描功耗；而在高概率连接的情况下，通过增大占空比来提高设备发现效率，以提升高概率连接场景下的设备连接响应效率，从而实现设备功耗的优化。

在第一方面的一些可能的实现方式中，根据设备连接规律信息，确定未来预设时间段内第一终端设备与第二终端设备发生连接行为的概率的过程可以包括：根据预设信息，从设备连接规律信息中查找目标连接规律信息，预设信息包括当前地点，以及以下至少一项：当前时间和第一终端设备已打开的目标应用程序；当查找到目标连接规律信息，获得目标连接规律信息对应的第一支持度；根据第一支持度得到未来预设时间段内第一终端设备与第二终端设备发生连接行为的概率。

在第一方面的一些可能的实现方式中，根据预设信息，从设备连接规律信息中查找目标连接规律信息的过程可以包括：根据当前时间和当前地点，从高频行为规律集中查找目标高频行为规律，目标高频行为规律的时间段包括当前时间，且目标高频行为规律的地点与当前地点一致；当查找到目标高频行为规律，将目标高频行为规律作为目标连接规律信息；当查找不到目标高频行为规律，确定查找不到目标连接规律信息；其中，预设信息包括当前时间和当前地点，设备连接规律信息包括高频行为规律集。

在第一方面的一些可能的实现方式中，根据预设信息，从设备连接规律信息中查找目标连接规律信息的过程可以包括：根据目标应用程序和当前地点，从上下文行为规律集中查找目标上下文行为规律，目标上下文行为规律的地点与当前地点一致，且目标应用程序包括目标上下文行为规律的应用程序；当查找到目标上下文行为规律，将目标上下文行为规律作为目标连接规律信息；当查找不到目标上下文行为规律，确定查找不到目标连接规律信息；其中，预设信息包括目标应用程序和当前地点，设备连接规律信息包括上下文行为规律集。

在第一方面的一些可能的实现方式中，根据预设信息，从设备连接规律信息中查找目标连接规律信息的过程可以包括：根据当前时间和当前地点，从高频行为规律集中查找目标高频行为规律，目标高频行为规律的时间段包括当前时间，且目标高频行为规律的地点与当前地点一致；当查找到目标高频行为规律，将目标高频行为规律作为目标连接规律信息；当查找不到目标高频行为规律，根据目标应用程序和当前地点，从上下文行为规律集中查找目标上下文行为规律，目标上下文行为规律的地点与当前地点一致，且目标应用程序包括目标上下文行为规律的应用程序；当查找到目标上下文行为规律，将目标上下文行为规律作为目标连接规律信息；当查找不到目标上下文行为规律，确定查找不到目标连接规律信息；其中，预设信息包括目标应用程序、当前地点和当前时间，设备连接规律信息包括上下文行为规律集和高频行为规律集。

在第一方面的一些可能的实现方式中，该方法还可以包括：获取第一终端设备的第一日志数据；根据第一日志数据，得到高频行为规律集和/或上下文行为规律集，设备连接规律信息包括高频行为规律集和/或上下文行为规律集。

在第一方面的一些可能的实现方式中，根据第一日志数据，得到高频行为规律集的过程可以包括：对第一日志数据进行预处理，得到预处理后的第二日志数据，第二日志数据包括第一时间戳、第一地点、连接事件类型、第一主连接设备和第一被连接设备；对第二日志数据进行处理，得到第一规律集，第一规律集中的每条行为规律包括时间点、第一地点、第一主连接设备、第一被连接设备和第二支持度；对第一规律集进行聚类，得到第二规律集，第二规律集中的每条行为规律包括时间段、第一地点、第一主连接设备、第一被连接设备和第三支持度；去除第二规律集中第三支持度小于第一预设支持度阈值的行为规律，得到高频行为规律集。

在第一方面的一些可能的实现方式中，对第二日志数据进行处理，得到第一规律集的过程可以包括：去除连接事件类型为连接结束的第二日志数据，并针对连接事件类型为连接开始的第二日志数据，将各个第一时间戳映射到各个第一时间单元，得到第三日志数据，第三日志数据包括第一时间单元、第一地点、第一主连接设备和第一被连接设备，第一时间单元为对一天按照分钟进行划分得到的时间单元，一个第一时间单元对应一分钟；将第三日志数据中，同属于同一天、同一个第一时间单元，且第一主连接设备和第一被连接设备均相同的多个日志数据合并为一个日志数据后，得到第四日志数据；按照第一维度，对第四日志数据进行分类统计，生成第一规律集，第一维度包括时间、地点和第一事件对，第一事件对包括第一主连接设备和第一被连接设备。

在第一方面的一些可能的实现方式中，根据第一日志数据，得到上下文行为规律集的过程可以包括：对第一日志数据进行预处理，得到预处理后的第五日志数据，第五日志数据包括第二时间戳、第二地点、连接事件类型、主连接设备应用、第二主连接设备和第二被连接设备；对第五日志数据进行处理，得到第三规律集，第三规律集中的每条行为规律包括第二地点、主连接设备应用、第二主连接设备、第二被连接设备和第四支持度；去除第三规律集中第四支持度小于第二预设支持度阈值的行为规律，得到上下文行为规律集。

在第一方面的一些可能的实现方式中，对第五日志数据进行处理，得到第三规律集的过程可以包括：去除连接事件类型为连接结束的第五日志数据，并针对连接事件类型为连接开始的第五日志数据，将各个第二时间戳映射到各个第二时间单元，得到第六日志数据，第六日志数据包括第二时间单元、第二地点、主连接设备应用、第二主连接设备和第二被连接设备，第二时间单元为对一天按照分钟进行划分得到的时间单元，一个第二时间单元对应一分钟；将第六日志数据中，同属于同一天、同一个第二时间单元，且主连接设备应用、第二主连接设备和第二被连接设备均相同的多个日志数据合并为一个日志数据后，得到第七日志数据；按照第二维度，对第七日志数据进行分类统计，生成第三规律集，第二维度包括地点、应用和第二事件对，第二事件对包括第二主连接设备和第二被连接设备。

在第一方面的一些可能的实现方式中，该方法还可以包括：检测当前剩余电量；若当前剩余电量大于第三阈值，减小第一阈值；若当前剩余电量小于第三阈值，增大第一阈值。

第二方面，本申请实施例提供一种终端设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述第一方面任一项的方法。

第三方面，本申请实施例提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上述第一方面任一项的方法。

第四方面，本申请实施例提供一种芯片系统，该芯片系统包括处理器，处理器与存储器耦合，处理器执行存储器中存储的计算机程序，以实现如上述第一方面任一项所述的方法。该芯片系统可以为单个芯片，或者多个芯片组成的芯片模组。

第五方面，本申请实施例提供一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面任一项所述的方法。

可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

附图说明

图1为本申请实施例提供的扫描周期示意图；

图2为本申请实施例提供的高频行为、上下文行为和随机行为的分布比例示意图；

图3为本申请实施例提供的功耗优化方法的流程示意框图；

图4为本申请实施例提供的分布式图库场景示意图；

图5为本申请实施例提供的一种分布式通信场景示意图；

图6为本申请实施例提供的功耗优化装置的一种示意框图；

图7为本申请实施例提供的功耗优化装置的另一种示意框图；

图8为本申请实施例提供的交互流程示意图；

图9为本申请实施例提供的终端设备900的硬件结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。

参见图1示出的扫描周期示意图，一个扫描周期由一个扫描时隙和一个扫描间隔组成。处于扫描时隙下，终端设备会产生功耗，而处于扫描间隔下，终端设备不产生功耗。其中，扫描周期一般是固定不变的，扫描时隙增大，占空比就增大，扫描时隙减小，占空比就减小。基于此，扫描时隙和扫描周期之间的比值越大，即占空比越大，终端设备的功耗就越高，反之，占空比越小，终端设备的功耗就越低。

在近场分布式通信过程中，占空比的大小与设备发现的快慢有关。占空比越大，设备发现越快，用户体验越好。反之，占空比越小，设备发现越慢，用户体验越差。

由上可见，占空比越大，设备发现越快，用户体验越好，但终端设备的功耗越高。占空比越小，设备发现越慢，用户体验越差，但终端设备的功耗越低。设备功耗和用户体验是相互矛盾的。具体应用中，可以通过设置合适的占空比，以兼顾设备功耗和用户体验。

现有技术中，占空比是固定的，即扫描间隙和扫描周期的比值是固定不变的。终端设备按照预先设定的占空比进行扫描时，即使设备之间没有连接需求，终端设备还是会产生功耗，造成功耗浪费。而在设备之间有连接需求时，由于扫描间隙一定，设备发现速度一定，使得设备建立连接的速度不会变快。

针对现有的分布式通信功耗问题，本申请实施例提供一种功耗优化方案，该方案通过根据设备连接规律信息，预测未来一段时间内终端设备之间存在连接行为的可能性，并根据发生连接行为的可能性，执行功耗优化策略，实现功耗优化。该功耗优化策略可以例如为动态调整占空比。

动态调整占空比具体是指：预测出未来一段时间内，第一终端设备与第二终端设备状态之间发生连接行为的概率大于一定阈值时，则通过增大扫描间隙的方式，增大占空比；预测出未来一段时间内，第一终端设备与第二终端设备之间发生连接行为的概率小于一定阈值时，则通过减小扫描间隙的方式，减小占空比。

动态调整占空比相较于非动态调整占空比(即占空比固定)，前者可以节省低概率连接场景下的无效扫描功耗，并且，在高概率连接场景下，可以提高连接响应效率，使得建立连接的速度更快。

具体来说，在预测发生连接行为的概率小于一定阈值时，第一终端设备减小扫描时隙，以减小占空比。由于扫描时隙产生功耗，扫描间隔不产生功耗，减小了扫描时隙，进而降低了设备功耗。而在预测发生连接行为的概率大于一定阈值时，第一终端设备增大扫描间隙，以增大占空比。扫描间隙越大，设备发现越快。设备发现越快，建立连接的速度就越快。即增大占空比，可以提高连接响应效率。

另外，在低概率连接场景，减小占空比，以降低或节省无效扫描功耗。而在高概率连接场景，增大占空比，以利用更高的设备功耗，提升设备连接响应速度。这样，可以看作是将低概率连接场景下节省下来的功耗，用到高概率连接场景，以提高连接响应效率，从而让终端设备有限的电量得到更优的通信质量体现，同等功耗下用户体验最好。

本申请实施例提供的功耗优化方案中，可以包括设备连接规律学习过程，以及基于设备连接规律动态调整占空比的过程。设备连接规律学习过程可以根据所记录的用户行为数据，得到设备连接规律信息。下面将分别对这两个过程进行介绍说明。

1、设备连接规律学习过程

用户行为规律是一种特殊的用户画像，是用户所有行为中可描述的规律全集。用户行为规律主要包括三部分：高频行为、上下文行为和随机行为。一般情况下，所有用户的行为规律都可以由上述三种行为构成。但对于每个人来说，这三种行为的分布是存在差异。例如，参见图2示出的高频行为、上下文行为和随机行为分布比例示意图，如图2所示，高频行为占M％，上下文行为占N％，高频行为和上下文行为存在重叠部分，重叠部分占P％。随机行为占K％。(M+N-P)+K＝100％。例如，M为40，N为40，P为10，K为30。

高频行为是指在特定的时间，或者地点，或者时间+地点组合表现出的重复模式。例如，【12:30】【公司】【咖啡店】：买咖啡，即某用户在每天的12点30分左右，都会或者大概率在公司的咖啡店买咖啡。

上下文行为是指表现出行为前后关系的行为，其可以包括多项行为。例如，【上班打卡】【买早餐】，即用户打开手机上的办公应用程序进行上班打卡后，打开手机的支付应用程序买早餐。

随机行为是指无法描述的随机行为。例如，【22:56】【下班途中】【交警】：交通事故。

在本申请实施例中，涉及上文提及的高频行为和上下文行为。具体地，终端设备先记录用户行为数据，然后再对用户行为数据进行分析挖掘，最后得到设备连接规律信息。该设备连接规律信息可以包括高频行为规律集或者上下文行为规律集，或者同时包括高频行为规律集和上下文行为规律集。

下面分别高频行为规律学习过程和上下文行为规律学习过程进行介绍。

高频行为规律学习过程

首先，终端设备获取所记录的日志数据。该日志数据包括用户行为数据。例如，终端设备为手机。某天晚上八点，用户在家里使用手机连接智能电视，将手机的视频画面投屏至智能电视。针对这一用户行为，手机会记录到日志数据中。

接着，终端设备对日志数据进行预处理，以得到预处理后的日志数据。预处理过程中，针对日志数据的时间，将时间按照1440分钟划分为1440个单元。其中，将24小时按照分钟划分成1440分钟，每一分钟对应一个时间单元。另外，将地点按照预设地点进行划分，例如，针对日志数据的位置，按照家、公司和其它地方分割为三个单元。

预处理后的日志数据中，每个日志数据可以包括时间戳、地点、连接事件类型、主连接设备和被连接设备。预处理后的日志数据的具体形式可以如下表1所示。

表1

其中，主连接设备是指发起连接的设备。例如，手机主动与智能电视建立连接，以将手机上的视频画面投屏至智能电视，在过程中，手机为主连接设备，智能电视为被连接设备。

上表1中，终端设备8610XXXX0001是指本机。本机与终端设备8610XXXX0002发生了一次连接，本机与终端设备8610XXXX0003发生了一次连接。

然后，终端设备对预处理后的日志数据进行处理，得到规律集。规律集中包括多条行为规律，每条行为规律均可以包括时间点、地点、主连接设备、被连接设备和支持度。具体应用中，每条行为规律可以表现为【时间点】【地点】【主连接设备】【被连接设备】的形式，例如，【@8:15】【@家】【手机A】【电视B】。

具体应用中，根据预处理后的日志数据得到规律集的过程中，不需要连接事件类型为连接结束对应的日志数据，因此，终端设备可以去除连接事件类型为连接结束的日志数据。例如，去除上述表1中序号为2和4对应的日志数据。去除连接结束的日志数据，得到的日志数据如下表2所示。

表2

当然，在其它一些实施例中，终端设备也可以不去除连接事件类型为连接结束的日志数据，而是筛选出连接事件类型为连接开始的日志数据。

去除连接事件类型为连接结束的日志数据后，针对连接事件类型为连接开始的日志数据，将各个时间戳均映射到每日的1440分钟之内。例如，将0:00:01-0:01:00映射为1，将23:59:01-0:00:00映射为1440。在时间戳映射过程中，不区分日志数据是哪一天的。

示例性地，将时间戳映射到每日的1440分钟后，得到的日志数据可以如下表3所示。

表3

在表3中，时间点1230、1235、1236的单位为分钟。

可以理解的是，同一天的同一分钟中，可能会出现至少两次相同的连接开始事件，相同的连接事件是指地点、主连接设备和被连接设备均相同的连接开始事件。针对同一天的同一分钟出现的多次相同的连接事件，合并为一条。

例如，时间为3月21日的8时15分3秒，地点为家，手机主动与智能电视发生一次连接；时间为3月21日的8时15分23秒，地点为家，手机主动与智能电视发生一次连接；时间为3月21日的8时15分53秒，地点为家，手机主动与智能电视发生一次连接。即8时15分这一分钟中，发生了3次相同的连接事件。将8时15分发生的3次相同的连接事件，合并为一次连接事件。换句话说，虽然发生了3次连接事件，但仍然认为是一次连接。

另外，不同一天的同一分钟，也可能会出现至少两次相同的连接开始事件。例如，时间为3月21日的8时15分，地点为家，手机主动与智能电视发生一次连接；时间为3月22日的8时15分，地点为家，手机主动与智能电视发生一次连接。针对这种情况，不能将两次相同的连接开始事件合并为一条。

还有，同一天的同一分钟中，或者不同一天的同一分钟，如果地点不同，不能合并到一起。例如，时间为3月21日的8时15分23秒，地点为家，手机主动与智能电视发生一次连接；时间为3月21日的8时15分23秒，地点为公司，手机主动与智能电视发生一次连接；不能将这两个连接事件合并为一个。

示例性的，将各个时间戳映射到1440分钟之后，得到如下表4所示的日志数据。由于表4中的连接事件类型均为连接开始，故表4省略了连接事件类型。

表4

序号	时间点	地点	主连接设备	被连接设备
					1	1230(3月21日)	家	8610XXXX0001	8610XXXX0002
2	1230(3月21日)	家	8610XXXX0001	8610XXXX0002
					3	1230(3月22日)	家	8610XXXX0001	8610XXXX0002
4	1236	家	8610XXXX0001	8610XXXX0002

上表4中，由于序号1和序号2的时间点均是3月21日1230分钟，且这两个数据的地点、主连接设备和被连接设备均相同，则将序号1和序号2的数据合并到一起，或者说删除其中一条数据。而序号3与序号1的时间点虽然是同一分钟，但不是同一天，故不删除序号3的数据。合并后的日志数据如下表5所示。

表5

序号	时间点	地点	主连接设备	被连接设备
					1	1230(3月21日)	家	8610XXXX0001	8610XXXX0002
3	1230(3月22日)	家	8610XXXX0001	8610XXXX0002
					4	1236	家	8610XXXX0001	8610XXXX0002

可以理解的是，虽然将时间戳映射到1440分钟之内的时候，不区分是哪一天的数据。但终端设备仍然可以知道日志数据是哪一天的。

将同一天同一分钟，多次相同的连接事件对应的日志数据合并之后，同一天同一分钟，并且地点、主连接设备和被连接设备均相同的日志数据只会出现一次。而不同一天，同一分钟，并且地点、主连接设备和被连接设备均相同的日志数据则可能出现多次。

接着，按照时间点、地点、事件对这三个维度进行统计，得到时间点+地点+事件对组合的频次。示例性地，将同一天同一分钟，多次相同的连接事件对应的日志数据合并之后，按照时间点、地点和事件对三个维度进行统计，得到的数据如下表6所示。

表6

序号	时间点	地点	主连接设备	被连接设备	支持度
						1	1230	家	8610XXXX0001	8610XXXX0002	4
2	1235	家	8610XXXX0001	8610XXXX0002	3
						3	1236	家	8610XXXX0001	8610XXXX0002	4
4	1231	家	8610XXXX0001	8610XXXX0002	4
						5	800	公司	8610XXXX0001	8610XXXX0003	1
6	804	公司	8610XXXX0001	8610XXXX0003	1

上表6中，序号1对应的行为规律的支持度为4，表明在30天的日志数据中，有4天的1230分钟出现了序号1对应的行为规律。同理，序号2对应的行为规律的支持度为3，表明在30天的日志数据中，有3天的1235分钟出现了序号2对应的行为规律。

最后，终端设备对预处理后的日志数据进行处理，得到规律集之后，对规律集进行聚类和支持度过滤等步骤，得到最终的高频行为规律集。

具体地，针对规律集中的每一条规律，可以以5分钟为门限，调用时间维度的一维DBSCAN算法(Density-Based Spatial Clustering of Applications with Noise，DBSCAN)进行聚类，以合并相邻的规律。合并之后，规律集中的规律的时间不再是单时间单元，而是多个时间单元组成的时间段，一个时间单元是指一分钟。例如，合并之前的规律集中的某条规律为：【@8:15】【@家】【手机A】【电视B】；合并之后的规律集中的某条规律为：【@8:15-8:39】【@家】【手机A】【电视B】。

示例性地，规律集包括上表6示出的行为规律。对上表6的行为规律进行聚类合并之后，得到如下表7所示的规律。

表7

需要说明的是，聚类合并后规律中，时间段的长短是任意的，时间段的长短可以由DBSCAN算法中的可连接特性决定的。

需要说明的是，在得到支持度之后，根据支持度和日志数据的总天数，计算出概率值。例如，表7中序号1的数据，支持度为15，总共包括30天的日志数据，则15/30＝0.5，即概率为50％。

对规律集进行聚类，合并相邻的规律之后，再根据预先设置的支持度阈值，过滤掉一些频次较少的行为规律。该支持度阈值可以根据实际应用需要进行设定。

示例性地，以上述表6和表7示出的数据为例，由于包含30天日志数据，故可以设置支持度阈值为10％，即去除支持度小于10％，或者频次小于3的行为规律。上表7中，序号2对应的行为规律的支持度小于10％，故将序号2对应的行为规律去除，而序号1对应的行为规律的支持度大于10％，则保留序号1对应的行为规律。删除序号2对应的行为规律之后，可以得到如下表8所示的数据。

表8

由上表8可见，高频行为规律集中一条行为规律的格式为：【时间段】【地点】【主连接设备】【被连接设备】，且每条行为规律均有对应的支持度或者概率。

终端设备基于所记录的日志数据，通过高频行为学习过程，得到高频行为规律集。在介绍完高频行为规律学习过程之后，下面将对上下文行为规律学习过程进行介绍。

上下文行为规律学习过程

首先，终端设备获取所记录的日志数据，对日志数据进行预处理后，得到预处理后的日志数据。预处理过程中，将日志数据的地点划分为多个单元，例如，划分为家、公司和其它三个单元；还将日志数据的时间划分为多个时间单元，每个时间单元为一分钟，一天有1440分钟，则有1440个时间单元。

预处理后的日志数据中，每个日志数据均包括时间戳、地点、连接事件类型、主连接设备、被连接设备和主连接设备应用。示例性地，预处理后的日志数据如下表9所示。

表9

接着，对预处理后的日志数据进行处理，得到规律集。规律集包括多条上下文行为规律。每条规律的格式为：【时间点】【地点】【主连接设备应用】【主连接设备】【被连接设备】。例如，某条上下文行为规律为：【@8:15】【@家】【手机的华为视频】【手机】【智能电视】。

具体应用中，根据预处理后的日志数据得到规律集的过程中，不需要连接事件类型为连接结束对应的日志数据。因此，终端设备可以去除连接事件类型为连接结束的日志数据。例如，去除上表9中序号2和序号4对应的日志数据。去除连接结束的日志数据，得到的日志数据如下表10所示。

表10

去除连接事件类型为连接结束的日志数据后，针对连接事件类型为连接开始的日志数据，将各个时间戳均映射到每日的1440分钟之内。例如，将0:00:01-0:01:00映射为1，将23:59:01-0:00:00映射为1440。在时间戳映射过程中，不区分日志数据是哪一天的。

示例性地，将时间戳映射到每日的1440分钟后，得到的日志数据可以如下表11所示。

表11

将时间戳映射到1440分钟之内的过程和上文高频行为规律学习过程中的映射过程相同，相关介绍请参见上文，在此不再赘述。

在将时间戳映射到1440分钟之后，将同一天同一分钟，多次相同的连接事件对应的日志数据进行合并。

示例性的，将各个时间戳映射到1440分钟之后，得到如下表12所示的日志数据。由于表12中的连接事件类型均为连接开始，故表12省略了连接事件类型。

表12

上表12中，由于序号1和序号2的时间点均是3月21日1230分钟，且这两个数据的地点、主连接设备应用、主连接设备和被连接设备均相同，则将序号1和序号2的数据合并到一起，或者说删除其中一条数据。而序号3与序号1的时间点虽然是同一分钟，但不是同一天，故不删除序号3的数据。合并后的日志数据如下表13所示。

表13

另外，如果两个相同的上下文行为之间的时间间隔小于或等于预设时间阈值，则将两个相同的上下文行为计算为一次，而如果两个相同的上下文行为的时间间隔大于预设时间阈值，则将两个相同的上下文行为计算为两次。

例如，存在两条相同的上下文行为，分别为：1230分钟，【华为视频】【手机】【智能电视】；1234分钟，【华为视频】【手机】【智能电视】。由于这两条上下文行为的时间间隔为4分钟，时间间隔小于5分钟，针对【华为视频】【手机】【智能电视】这一上下文行为则计算为一次。

又例如，存在两条相同的上下文行为，分别为：1230分钟，【华为视频】【手机】【智能电视】；1238分钟，【华为视频】【手机】【智能电视】。由于这两条上下文行为的时间间隔为8分钟，时间间隔大于5分钟，针对【华为视频】【手机】【智能电视】这一上下文行为则计算为两次。

也就是说，将时间间隔小于或等于预设时间阈值的两条相同的上下文操作合并为一条。

还有，在确定某个行为是否为上下文操作时，也可以考虑两个行为之间的时间间隔。当时间间隔小于预设时间间隔时，才将两个行为确定为一个上下文行为。例如，手机打开华为视频、手机和智能电视连接这两个行为，如果手机打开华为视频之后的5分钟内，手机和智能电视连接，则认为这两个行为构成一个上下文行为，即【华为视频】【手机】【智能电视】。而如果手机打开华为视频之后的10分钟之后，手机才和智能电视连接，则认为这两个行为不构成一个上下文行为。此时，由于时间间隔为5分钟，这意味着其实最大的支持度就是1440/5＝288.0，即每天每隔5分钟就弄一个上下文操作。

接着，不考虑时间点，按照地点、应用、事件对这三个维度进行统计，得到应用+地点+事件对组合的频次。事件对包括主连接设备和被连接设备。示例性地，将同一天同一分钟，多次相同的连接事件对应的日志数据合并之后，按照应用、地点和事件对三个维度进行统计，得到的数据如下表14所示。

表14

上表14中，序号1对应的行为规律的支持度为5，表明在30天的日志数据中，有5天出现了序号1对应的行为规律。同理，序号2对应的行为规律的支持度为1，表明在30天的日志数据中，有3天出现了序号2对应的行为规律。

也就是说，支持度等于发生的总次数/有数据的总天数，例如，30天内发生了15次，则支持度为0.5，如果30天内发生60次，则支持度为2.0。

最后，终端设备对预处理后的日志数据进行处理，得到规律集之后，对规律集进行支持度过滤，得到最终的上下文行为规律集。

具体地，根据预先设置的支持度阈值，过滤掉一些频次较少的行为规律。该支持度阈值可以根据实际应用需要进行设定。

示例性地，以上述表14示出的数据为例，由于包含30天日志数据，故可以设置支持度阈值为3，即去除支持度(频次)小于3的行为规律。上表14中，序号3和序号4对应的行为规律的支持度小于3，故将序号3和序号4对应的行为规律去除，而序号1和序号2对应的行为规律的支持度大于或等于3，则保留序号1和序号2对应的行为规律。删除序号3和序号4对应的行为规律之后，可以得到如下表15所示的数据。

表15

由上表8可见，上下文行为规律集中一条行为规律的格式为：【地点】【主连接设备应用】【主连接设备】【被连接设备】，且每条行为规律均有对应的支持度或者概率。

在计算出上下文行为规律的支持度之后，再将支持度转化成概率。

具体应用中，当最大的支持度大于或等于1，将最大支持度的概率计算为100％。除了最大支持度的其它支持度按照等比转化。例如，从30天的日志数据中得出三条上下文行为规律，这三条上下文行为规律分别发生了60次、30次和20次，则支持度分别为60/30＝2，30/30＝1，20/30＝0.5。最大支持度为2，大于1，则将最大支持度的概率计算为100％，即60/60。其它支持度等比转化，即：支持度为1的概率为30/60＝0.5，即计算为50％；支持度为0.5的概率为20/60＝0.33，即计算为33％。

当最大的支持度小于1，则直接将支持度除以总天数作为概率值。例如，从30天的日志数据中得出三条上下文行为规律，这三条上下文行为规律分别发生了20次、15次和10次，这三条上下文行为规律的支持度分别为：20/30＝0.67，15/30＝0.5，10/30＝0.33。此时，由于最大支持度为0.67，小于1，则直接将发生总次数/总天数作为概率值，即支持度0.67、0.5和0.33对应的概率值依次为67％、50％和33％。

终端设备基于所记录的日志数据，通过上下文行为学习过程，得到上下文行为规律集。

上下文行为规律学习过程和高频行为规律学习过程中，一些相同的地方可以相互参见，在此不再赘述。

2、基于设备连接规律动态调整占空比

终端设备基于日志数据，通过上文的高频行为规律学习过程和/或上下文行为规律学习过程，得到设备连接规律信息之后，再基于设备连接规律信息，预测未来一段时间内，终端设备与其它终端设备发生连接行为的概率；最后，根据概率值的大小，增大或者减小占空比，以动态调整占空比。

当设备连接规律信息包括高频行为规律集和上下文行为规律集时，终端设备获取当前时间点、当前地点和当前已打开的应用程序。当前地点是指终端设备当前所处的位置。然后，终端设备根据当前时间点和当前地点，在高频行为规律集中进行匹配，当高频行为规律集中的某条高频行为规律的时间段包含当前时间点，且该条高频行为规律的地点与当前地点一致，则将该条高频行为规律作为目标高频行为规律。查找出目标高频行为规律之后，获取目标高频行为规律中的被连接设备和支持度后，将该支持度作为未来一段时间内终端设备与被连接设备发生连接行为的概率。

例如，当前时间点为早上6点，当前地点为家。由于高频行为规律集中每条规律的时间段是以分钟为单位，将早上6点映射为360分钟。此时，高频行为规律集中存在一条高频行为规律：【355-375】【家】【手机】【音箱】，该高频行为规律对应的概率为50％。由于当前时间点360分钟落入时间段355-375，且当前地点为家，则认为当前地点和当前时间均与【355-375】【家】【手机】【音箱】这一条高频行为规律相匹配，将该高频行为规律作为目标高频行为规律。此时，手机判定在未来15分钟内，手机可能会与音箱发生连接行为，且概率为50％。

如果根据当前时间点和当前地点，在高频行为规律集中查找不到目标高频行为规律，则根据当前地点和当前已打开的应用程序，继续在上下文行为规律集中查找。当上下文行为规律集中的某条上下文行为规律的地点与当前地点一致，且当前已打开的应用程序包含主连接设备应用或者与主连接设备应用一致，则将该上下文行为规律作为目标上下文行为规律。查找出目标上下文行为规律之后，获取目标上下文行为规律中的被连接设备和支持度后，根据该支持度得到未来一段时间内终端设备与被连接设备发生连接行为的概率。

例如，当前地点为家，手机当前已打开的应用程序包括闹钟。上下文行为规律集中的某条上下文行为规律为：【家】【手机闹钟】【手机】【音箱】，对应的概率为50％。由于该上下文行为规律的地点与当前地点一致，且手机当前已打开的应用程序和该上下文行为规律中的应用一致，手机则判定【家】【手机闹钟】【手机】【音箱】为目标上下文行为规律。基于【家】【手机闹钟】【手机】【音箱】这一上下文行为规律，手机判定在未来15分钟捏，手机可能会与音箱发生连接行为，且概率为50％。

如果根据当前地点和当前已打开的应用程序，在上下文行为规律集中查找不到目标上下文行为规律，终端设备无法判断发生连接行为的概率，此时，终端设备可以不执行任何功率优化策略。

需要说明的是，当设备连接规律信息包括高频行为规律集和上下文行为规律集时，可以先根据当前地点和当前时间点，在高频行为规律集中查找目标高频行为规律，当查找不到目标高频行为规律时，再根据当前地点和当前已打开的应用，在上下文行为规律集中查找目标上下文行为规律；也可以先根据当前地点和当前已打开的应用，在上下文行为规律集查找目标上下文行为规律，当查找不到目标上下文行为规律时，再根据当前地点和当前时间点，在高频行为规律集中查找目标高频行为规律。

当然，根据当前地点和当前时间点，在高频行为规律集中查找目标高频行为规律，以及根据当前地点和当前已打开的应用程序，在上下文行为规律集中查找目标上下文行为规律这两个过程可以同时进行。此时，当查找到目标高频行为规律和目标上下文行为规律时，终端设备分别根据目标高频行为规律和目标上下文行为进行预测。当只查找到目标高频行为规律和目标上下文行为规律中的一个时，则根据所查找出的行为规律进行预测。当查找不到目标高频行为规律，也查找不到上下文行为规律时，终端设备可以给出无法判定的结果，即终端设备无法判定未来一段时间内与其它设备发送连接行为的概率。此时，终端设备可以不执行任何操作。

例如，手机根据当前地点和当前时间点，查找出的目标高频行为规律为：【355-375】【家】【手机】【音箱】，对应的概率为50％。根据当前地点和当前已打开的应用程序，查找出的目标上下文行为规律为：【家】【华为视频】【手机】【智能电视】，对应的概率为50％。手机根据【355-375】【家】【手机】【音箱】这一高频行为规律，预测未来15分钟内，手机可能会与音箱发生连接行为，且概率为50％。另外，手机根据【家】【华为视频】【手机】【智能电视】这一上下文行为规律，预测未来15分钟内，手机可能会与智能电视发生连接行为，且概率为50％。

当设备连续规律信息只包括高频行为规律集时，终端设备获取当前时间点和当前地点。然后，终端设备根据当前时间点和当前地点，在高频行为规律集中进行匹配，当高频行为规律集中的某条高频行为规律的时间段包含当前时间点，且该条高频行为规律的地点与当前地点一致，则将该条高频行为规律作为目标高频行为规律。查找出目标高频行为规律之后，获取目标高频行为规律中的被连接设备和支持度后，将该支持度作为未来一段时间内终端设备与被连接设备发生连接行为的概率。如果根据当前时间点和当前地点，在高频行为规律集中查找不到目标高频行为规律，终端设备可以给出无法判定的结果，即终端设备无法判定未来一段时间内与其它设备发送连接行为的概率。

当设备连接规律信息只包括上下文行为规律集时，终端设备获取当前地点和当前已打开的应用程序。然后根据当前地点和当前已打开的应用程序，在上下文行为规律集中查找。当上下文行为规律集中的某条上下文行为规律的地点与当前地点一致，且当前已打开的应用程序包含主连接设备应用或者与主连接设备应用一致，则将该上下文行为规律作为目标上下文行为规律。查找出目标上下文行为规律之后，获取目标上下文行为规律中的被连接设备和支持度后，将该支持度作为未来一段时间内终端设备与被连接设备发生连接行为的概率。如果根据当前地点和当前已打开的应用程序，在上下文行为规律集中查找不到目标上下文行为规律，则终端设备可以给出无法判定的结果，即终端设备无法判定未来一段时间内与其它设备发送连接行为的概率。终端设备根据设备连接规律信息，预测出未来一段时间与其它设备发生连接行为的概率之后，再比较概率与预设阈值之间的大小。当概率大于第一阈值时，终端设备则增大扫描间隙，以增大占空比；当概率小于第二阈值时，终端设备则减小扫描间隙，以减小占空比。

当概率大于第一阈值时，终端设备除了可以增大占空比之外，还可以与其它设备提前建立连接。例如，手机预测在未来15分钟内，手机与智能电视发生连接行为的概率为50％，手机则提前与智能电视建立连接。

由上可见，本申请实施例先根据日志数据，通过高频行为规律学习过程和/或上下文行为规律学习过程，得到设备连接规律信息。再根据设备连接规律信息，预测未来一段时间内，终端设备与其它设备发生连接行为的概率，并根据概率的大小，增大或减小占空比。

需要说明的是，上文提及的高频行为规律集和上下文行为规律集，除了应用于分布式通信功耗优化场景之外，还可以用于其它场景。例如，在高频行为规律集和上下文行为规律集之后，终端设备根据规律集可以得知未来一段时间内需要干什么，则提前准备好相关的系统资源，预先启动好相关的应用程序。

另外，功耗优化策略除了上文提及的动态调整占空比之外，还可以体现为其它方式。例如，功耗优化策略包括关闭或打开开关，即根据所预测的发生连接行为的概率大小，动态打开或关闭开关。示例性地，当预测发生连接行为的概率大于一定概率阈值时，则打开Wi-Fi开关，反之，当预测发生连接行为的概率小于一定概率阈值时，则关闭Wi-Fi开关。根据概率大小动态关闭无线连接的开关，实现了对功耗的优化。

又例如，功耗优化策略可以包括提前与对端设备建立连接等。示例性地，手机预测出在未来15分钟内，与智能电视建立连接的概率为80％，手机则提前与智能电视建立连接。

又例如，功耗优化策略还可以包括从实连接变成虚连接，即当预测发生连接行为的概率小于一定概率阈值时，则将原本的实连接变为虚连接。当然，也可以将虚连接变为实连接，即当发生连接的概率高于一定概率阈值，则将设备之间的虚连接变为长连接。或者从长连接变为短连接，即当预测发生连接行为的概率小于一定概率阈值时，则将设备之间的长连接变为短连接。当然，也可以将短连接变为长连接，即当概率大于一定概率阈值时，则将设备之间的短连接变为长连接。

为了更好地介绍本申请实施例提供的功耗优化方案，下面将结合附图进行介绍说明。

参见图3示出的本申请实施例提供的一种功耗优化方法的流程示意框图，该方法可以包括以下步骤：

步骤S301、第一终端设备获取设备连接规律信息，该设备连接规律信息用于描述第一终端设备与其它终端设备之间的连接规律。

具体应用中，第一终端设备可以读取存储在本地的设备连接规律信息，以获取到设备连接规律信息。当然，第一终端设备也可以通过其它方式，获取到设备连接规律信息。

该设备连接规律信息可以包括高频行为规律集和/或上下文行为规律集。第一终端设备可以基于日志数据，通过上文提及的高频行为规律学习过程和/或上下文行为规律学习过程，得到设备连接规律信息。

当然，在其它一些实施例中，根据日志数据得到设备连接规律信息的方式不限于上文提及的高频行为规律学习过程和上下文行为规律学习过程，还可以根据日志数据，通过简单的统计学模型，得到设备连接规律信息。但相较于言，上文提及的高频行为规律学习过和上下文行为规律学习过程，计算复杂度更低，且后续的连接概率预测的精度更高。

上述设备连接规律信息除了可以外现为高频行为规律集和/或上下文行为规律集等用户行为特征之外，还可以外现为用户画像，即根据日志数据得出用户画像，该用户画像包括设备连接规律信息。相较而言，本申请实施例根据用户行为特征进行功耗优化，连接预测概率的预测精度更高。

步骤S302、第一终端设备根据设备连接规律信息，确定未来预设时间段内第一终端设备与第二终端设备发生连接行为的概率，其它终端设备包括第二终端设备。

其中，上述未来预设时间段可以根据实际需要进行设置，例如，该未来预设时间段为15分钟，即第一终端设备预测未来15分钟内发生连接行为的概率。当然，该未来预设时间段也可以为0，此时，第一终端设备预测当前时刻发现连接行为的概率。

具体地，第一终端设备先获取预设信息，该预设信息包括当前地点，以及以下至少一项：当前时间和第一终端设备已打开的目标应用程序。也即，该预设信息可以包括当前地点和当前时间，可以包括当前地点和目标应用程序，也可以包括当前地点、当前时间点和目标应用程序。

然后，第一终端设备再根据预设信息，从设备连接规律信息中查找目标连接规律信息。当查找到目标连接规律信息，获得目标连接规律信息对应的第一支持度，再根据第一支持度得到未来预设时间段内第一终端设备与第二终端设备发生连接行为的概率。当然，也可以直接从设备连接规律信息中查找到对应的概率值。

在一些实施例中，当设备连接规律信息只包括高频行为规律集时，预设信息包括当前地点和当前时间。第一终端设备根据当前地点和当前时间，在高频行为规律集中查找目标高频行为规律(即目标连接规律信息)。当高频行为规律集中的某条高频行为规律的时间段包括当前时间，地点与当前地点一致，则认为该高频行为规律为目标高频行为规律，并获取该目标高频行为规律对应的支持度，以及主连接设备和被连接设备。根据支持度得到未来一段时间内第一终端设备和第二终端设备之间发生连接行为的概率。

例如，当前时间点为晚上20点45分，当前地点为家。由于高频行为规律集中每条规律的时间段是以分钟为单位，将早上20点45分映射为1245分钟。此时，高频行为规律集中存在一条高频行为规律：【1230-1260】【家】【手机】【智能电视】，该高频行为规律对应的概率为50％。由于当前时间点1245分钟落入时间段1230-1260，且当前地点为家，则认为当前地点和当前时间均与【1230-1260】【家】【手机】【智能电视】这一条高频行为规律相匹配，将该高频行为规律作为目标高频行为规律。此时，手机判定在未来15分钟内，手机与智能电视发生连接行为的概率为50％。

在另一些实施例中，当设备连接规律信息只包括上下文行为规律集时，预设信息包括当前地点和当前已打开的目标应用程序。第一终端设备根据目标应用程序和当前地点，从上下文行为规律集中查找目标上下文行为规律。当上下文行为规律中的某条上下文行为规律的地点与当前地点一致，且目标应用程序包含上下文行为规律的主连接设备应用，则认为该上下文行为规律为目标上下文行为规律。此时，根据目标上下文行为规律对应的支持度得到发生连接行为的概率。如果查找不到目标上下文行为规律，无法判断发生连接行为的概率。

例如，手机当前所处位置为家，且手机当前已打开的应用程序中包括华为视频。上下文行为规律集中存在的某一条上下文行为规律为：【家】【华为视频】【手机】【智能电视】，概率为50％。由于当前地点和目标应用程序均与该上下文行为规律的地点和主连接设备应用相匹配，则判定【家】【华为视频】【手机】【智能电视】为目标上下文行为规律。此时，机判定在未来15分钟内，手机与智能电视发生连接行为的概率为50％。

在又一些实施例中，当设备连接规律信息只包括高频行为规律集和上下文行为规律集时，预设信息包括当前地点、当前时间和目标应用程序。第一终端设备先根据当前时间和当前地点，从高频行为规律集中查找目标高频行为规律；当查找到目标高频行为规律，将目标高频行为规律作为目标连接规律信息。当查找不到目标高频行为规律，根据目标应用程序和当前地点，继续从上下文行为规律集中查找目标上下文行为规律；当查找到目标上下文行为规律，将目标上下文行为规律作为目标连接规律信息；当查找不到目标上下文行为规律，确定查找不到目标连接规律信息。

当然，也可以先查找上下文行为规律集，再查找高频行为规律集，或者同时查找。

当从高频行为规律集中查找到目标高频行为规律，也从上下文行为规律集中查找到目标上下文行为规律，再分别根据目标高频行为规律和目标上下文行为规律进行预测。

步骤S303、根据概率，执行功耗优化策略。

需要说明的是，功耗优化策略可以是任意的。例如，功耗优化策略为动态调整占空比、提前建立连接或者动态开启/关闭开关等。

当功耗优化策略为动态调整占空比时，当概率大于第一阈值，与第二终端设备建立连接或者增大占空比。当概率小于第二阈值，减小占空比，第二阈值小于或等于第一阈值。

需要说明的是，增大多少占空比或者减小多少占空比可以根据实际需要进行设定。比如，如果概率为零，则将占空比减小至零，让设备进行休眠状态。如果概率大于零，且小于第二阈值，则将占空比减小至一个预定的占空比。

上述第一阈值和第二阈值可以根据实际需要进行设定。比如，根据各个终端设备所能承受的功耗，设置第一阈值和第二阈值。并且，同一个终端设备中，还可以根据剩余电量，动态调节第一阈值和第二阈值。当剩余电量大于第三阈值时，则认为终端设备的当前剩余电量较高，可以减小第一阈值。而当剩余电量小于第三阈值时，则认为终端设备的当前剩余电量较低，则增大第一阈值。换句话说，高电量时，终端设备的功耗管理宽松，而在低电量时，功耗管理更严格一些。

本申请实施例中，在低概率连接的情况下，通过减小占空比来降低由于设备扫描产生的功耗，节约了低概率连接场景下的无效扫描功耗；而在高概率连接的情况下，通过增大占空比来提高设备发现效率，以提升高概率连接场景下的设备连接响应效率，从而实现设备功耗的优化。

此外，本申请实施例的功耗优化方案还可以在预测未来一段时间内，与其它设备发生连接行为的概率较高时，可以从休眠状态中唤醒，并提高占空比，以尽可能地避免终端设备无条件休眠造成的无法连接，提高用户体验。具体来说，终端设备一般安装有省电精灵等应用程序，这一类应用程序为了给终端设备省电，会在某段时间(例如晚上)让终端设备进行休眠状态。终端设备在某段时间内无条件休眠，可能会导致终端设备的某些功能无法使用，影响用户体验。

例如，参见图4示出的分布式图库场景示意图。如图4所示，该场景包括手机41和平板电脑42。手机41和平板电脑42上均存储有图片，通过分布式图库功能，手机41可以查询、浏览平板电脑42上存储的图片，同理，平板电脑42也可以查询、浏览手机41上存储的图片。在晚上的某个时刻，平板电脑42上的省电精灵让平板电脑进入休眠状态，导致手机41无法通过无线连接查询到平板电脑42上存储的图片421。

使用本申请实施例提供的功耗优化方案后，平板电脑42根据日志数据，得到设备连接规律信息，并且，根据设备连接规律信息，预测到未来一段时间内手机41会和平板电脑42连接，且发生连接行为的概率大于第一阈值，平板电脑42则从休眠状态中唤醒，提高占空比，等待手机41和平板电脑42建立无线连接，以让手机41通过所建立的无线连接查询、浏览平板电脑42上存储的图片421。

为了更好地介绍本申请实施例提供的功耗优化方案，下面结合图5示出的一种分布式通信场景示意图进行介绍。

如图5所示，该场景包括手机51、平板电脑52和智能电视53。

在场景A中，手机51、平板电脑52和智能电视53均使用现有的设备扫描方式，即不动态调整占空比。手机51、平板电脑52和智能电视53相互连接，进行相应的分布式业务，例如，互相投屏等。并测量此时的总用电量和平均连接响应速度。

在场景B中，构造高频行为规律集和上下文行为规律集，并且，手机51、平板电脑52和智能电视53均根据高频行为规律集和上下文行为规律集，动态调整占空比。其它条件保持与场景A相同。测量此时的总用电量和平均连接响应速度。

通过对比可知，场景B的总用电量比场景A的总用电量更低，或者，场景B的平均连接响应速度高于场景B的平均连接响应速度。或者，场景B的总用电量低于场景A的，且平均连接响应速度高于场景A的。

基于上文的实施例，上述方法还可以包括：第一终端设备获取所记录的第一日志数据；并根据第一日志数据，得到高频行为规律集和/或上下文行为规律集，设备连接规律信息包括高频行为规律集和/或上下文行为规律集。

在一些实施例中，根据第一日志数据，得到高频行为规律集的过程可以包括：第一终端设备对第一日志数据进行预处理，得到预处理后的第二日志数据，第二日志数据包括第一时间戳、第一地点、连接事件类型、第一主连接设备和第一被连接设备。该第二日志数据可以包括如上表1所示的数据。然后，对第二日志数据进行处理，得到第一规律集，第一规律集中的每条行为规律包括时间点、第一地点、第一主连接设备、第一被连接设备和第二支持度。该第一规律集可以包括如上表6所示的数据。接着，对第一规律集进行聚类，得到第二规律集，第二规律集中的每条行为规律包括时间段、第一地点、第一主连接设备、第一被连接设备和第三支持度。该第二规律集可以包括如上表7所示的数据。最后，去除第二规律集中第三支持度小于第一预设支持度阈值的行为规律，得到高频行为规律集，该高频行为规律可以包括如上表8所示的数据。

进一步地，第一终端设备对第二日志数据进行处理，得到第一规律集的过程可以包括：首先，去除连接事件类型为连接结束的第二日志数据，并针对连接事件类型为连接开始的第二日志数据，将各个第一时间戳映射到各个第一时间单元，得到第三日志数据，第三日志数据包括第一时间单元、第一地点、第一主连接设备和第一被连接设备，第一时间单元为对一天按照分钟进行划分得到的时间单元，一个第一时间单元对应一分钟。具体地，一天有1440分钟，故有1440个时间单元。该第三日志数据可以包括如上表3所示的数据。

然后，将第三日志数据中，同属于同一天、同一个第一时间单元，且第一主连接设备和第一被连接设备均相同的多个日志数据合并为一个日志数据后，得到第四日志数据。该第四日志数据可以包括如上表5所示的数据。最后，按照第一维度，对第四日志数据进行分类统计，生成第一规律集，第一维度包括时间、地点和第一事件对，第一事件对包括第一主连接设备和第一被连接设备。

在一些实施例中，根据第一日志数据，得到上下文行为规律集的过程可以包括：第一终端设备对第一日志数据进行预处理，得到预处理后的第五日志数据，第五日志数据包括第二时间戳、第二地点、连接事件类型、主连接设备应用、第二主连接设备和第二被连接设备。该第五日志数据可以包括上表9所示的数据。然后，对第五日志数据进行处理，得到第三规律集，第三规律集中的每条行为规律包括第二地点、主连接设备应用、第二主连接设备、第二被连接设备和第四支持度。该第三规律集可以包括如上表14所示的数据。最后，去除第三规律集中第四支持度小于第二预设支持度阈值的行为规律，得到上下文行为规律集。该上下文行为规律集可以包括如上表15所示的数据。

进一步地，对第五日志数据进行处理，得到第三规律集的过程可以包括：首先，去除连接事件类型为连接结束的第五日志数据，并针对连接事件类型为连接开始的第五日志数据，将各个第二时间戳映射到各个第二时间单元，得到第六日志数据，第六日志数据包括第二时间单元、第二地点、主连接设备应用、第二主连接设备和第二被连接设备，第二时间单元为对一天按照分钟进行划分得到的时间单元，一个第二时间单元对应一分钟。该第六日志数据可以包括如上表11所示的数据。

然后，将第六日志数据中，同属于同一天、同一个第二时间单元，且主连接设备应用、第二主连接设备和第二被连接设备均相同的多个日志数据合并为一个日志数据后，得到第七日志数据。该第七日志数据可以包括如上表13所示的数据。最后，按照第二维度，对第七日志数据进行分类统计，生成第三规律集，第二维度包括地点、应用和第二事件对，第二事件对包括第二主连接设备和第二被连接设备。

关于高频行为规律集和上下文行为规律集可以参见上文示出的高频行为规律学习过程和上下文行为规律学习过程，在此不再赘述。

对应于上文提及的功耗优化方法，本申请实施例提供一种功耗优化装置，应用于第一终端设备。参见图6示出的本申请实施例提供的功耗优化装置的一种示意框图，该功耗优化装置可以包括：

获取模块61，用于获取设备连接规律信息，该设备连接规律信息用于描述第一终端设备与其它终端设备之间的连接规律。

预测模块62，用于根据设备连接规律信息，确定未来预设时间段内第一终端设备与第二终端设备发生连接行为的概率，其它终端设备包括第二终端设备.

功耗优化模块63，用于根据概率，执行功耗优化策略。

在一些可能的实现方式中，上述功耗优化模块63具体用于：当概率大于第一阈值，与第二终端设备建立连接或者增大占空比，当概率小于第二阈值，减小占空比，第二阈值小于或等于第一阈值，占空比为扫描时隙与扫描周期之间的比值。

在一些可能的实现方式中，上述预测模块62具体用于：根据预设信息，从设备连接规律信息中查找目标连接规律信息，预设信息包括当前地点，以及以下至少一项：当前时间和第一终端设备已打开的目标应用程序；当查找到目标连接规律信息，获得目标连接规律信息对应的第一支持度；根据第一支持度得到未来预设时间段内第一终端设备与第二终端设备发生连接行为的概率。

在一些可能的实现方式中，上述预测模块62具体用于：根据当前时间和当前地点，从高频行为规律集中查找目标高频行为规律，目标高频行为规律的时间段包括当前时间，且目标高频行为规律的地点与当前地点一致；当查找到目标高频行为规律，将目标高频行为规律作为目标连接规律信息；当查找不到目标高频行为规律，确定查找不到目标连接规律信息；其中，预设信息包括当前时间和当前地点，设备连接规律信息包括高频行为规律集。

在一些可能的实现方式中，上述预测模块62具体用于：根据目标应用程序和当前地点，从上下文行为规律集中查找目标上下文行为规律，目标上下文行为规律的地点与当前地点一致，且目标应用程序包括目标上下文行为规律的应用程序；当查找到目标上下文行为规律，将目标上下文行为规律作为目标连接规律信息；当查找不到目标上下文行为规律，确定查找不到目标连接规律信息；其中，预设信息包括目标应用程序和当前地点，设备连接规律信息包括上下文行为规律集。

在一些可能的实现方式中，上述预测模块62具体用于：根据当前时间和当前地点，从高频行为规律集中查找目标高频行为规律，目标高频行为规律的时间段包括当前时间，且目标高频行为规律的地点与当前地点一致；当查找到目标高频行为规律，将目标高频行为规律作为目标连接规律信息；当查找不到目标高频行为规律，根据目标应用程序和当前地点，从上下文行为规律集中查找目标上下文行为规律，目标上下文行为规律的地点与当前地点一致，且目标应用程序包括目标上下文行为规律的应用程序；当查找到目标上下文行为规律，将目标上下文行为规律作为目标连接规律信息；当查找不到目标上下文行为规律，确定查找不到目标连接规律信息；其中，预设信息包括目标应用程序、当前地点和当前时间，设备连接规律信息包括上下文行为规律集和高频行为规律集。

在一些可能的实现方式中，该装置还可以包括：日志数据获取模块，用于获取第一终端设备的第一日志数据。以及设备连接规律学习模块，用于根据第一日志数据，得到高频行为规律集和/或上下文行为规律集，设备连接规律信息包括高频行为规律集和/或上下文行为规律集。

在一些可能的实现方式中，上述设备连接规律学习模块具体用于：对第一日志数据进行预处理，得到预处理后的第二日志数据，第二日志数据包括第一时间戳、第一地点、连接事件类型、第一主连接设备和第一被连接设备；对第二日志数据进行处理，得到第一规律集，第一规律集中的每条行为规律包括时间点、第一地点、第一主连接设备、第一被连接设备和第二支持度；对第一规律集进行聚类，得到第二规律集，第二规律集中的每条行为规律包括时间段、第一地点、第一主连接设备、第一被连接设备和第三支持度；去除第二规律集中第三支持度小于第一预设支持度阈值的行为规律，得到高频行为规律集。

在一些可能的实现方式中，上述设备连接规律学习模块具体用于：去除连接事件类型为连接结束的第二日志数据，并针对连接事件类型为连接开始的第二日志数据，将各个第一时间戳映射到各个第一时间单元，得到第三日志数据，第三日志数据包括第一时间单元、第一地点、第一主连接设备和第一被连接设备，第一时间单元为对一天按照分钟进行划分得到的时间单元，一个第一时间单元对应一分钟；将第三日志数据中，同属于同一天、同一个第一时间单元，且第一主连接设备和第一被连接设备均相同的多个日志数据合并为一个日志数据后，得到第四日志数据；按照第一维度，对第四日志数据进行分类统计，生成第一规律集，第一维度包括时间、地点和第一事件对，第一事件对包括第一主连接设备和第一被连接设备。

在一些可能的实现方式中，上述设备连接规律学习模块具体用于：对第一日志数据进行预处理，得到预处理后的第五日志数据，第五日志数据包括第二时间戳、第二地点、连接事件类型、主连接设备应用、第二主连接设备和第二被连接设备；对第五日志数据进行处理，得到第三规律集，第三规律集中的每条行为规律包括第二地点、主连接设备应用、第二主连接设备、第二被连接设备和第四支持度；去除第三规律集中第四支持度小于第二预设支持度阈值的行为规律，得到上下文行为规律集。

在一些可能的实现方式中，上述设备连接规律学习模块具体用于：去除连接事件类型为连接结束的第五日志数据，并针对连接事件类型为连接开始的第五日志数据，将各个第二时间戳映射到各个第二时间单元，得到第六日志数据，第六日志数据包括第二时间单元、第二地点、主连接设备应用、第二主连接设备和第二被连接设备，第二时间单元为对一天按照分钟进行划分得到的时间单元，一个第二时间单元对应一分钟；将第六日志数据中，同属于同一天、同一个第二时间单元，且主连接设备应用、第二主连接设备和第二被连接设备均相同的多个日志数据合并为一个日志数据后，得到第七日志数据；按照第二维度，对第七日志数据进行分类统计，生成第三规律集，第二维度包括地点、应用和第二事件对，第二事件对包括第二主连接设备和第二被连接设备。

在一些可能的实现方式中，该装置还可以包括：阈值调整模块，用于检测当前剩余电量；若当前剩余电量大于第三阈值，减小第一阈值；若当前剩余电量小于第三阈值，增大第一阈值。

上述功耗优化装置具有实现上述功耗优化方法的功能，该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，模块可以是软件和/或硬件。

在一些分布式通信场景下，终端设备之间可以通过分布式连接控制模块进行交互。此时，参见图7示出的功耗优化装置的另一种示意框图，上述功耗优化装置可以包括用户画像模块71、决策模块72和分布式连接控制模块73。

其中，用户画像模块71用于根据日志数据，计算用户行为特征，该用户行为特征是指高频行为特征和上下文行为特征等。并且，还用于根据用户行为特征，计算分布式连接控制模块的连接行为特征。

也就是说，用户画像模块71用于根据日志数据，通过高频行为规律学习过程得到高频行为规律集，和/或，根据日志数据，通过上下文行为规律学习过程得到上下文行为规律集。

决策模块72用于根据高频行为规律集和/或上下文行为规律集，预测分布式连接控制模块是否有连接需求，并提示分布式连接控制模块73。具体地，决策模块72根据高频行为规律集和/或上下文行为规律集，预测本设备与其它设备发生连接行为的概率，并根据概率的大小提示分布式连接控制模块73增大占空比或者减小占空比。

分布式连接控制模块73用于根据决策模块72的提示信息，执行对应的功耗优化策略。例如，根据决策模块72的提示信息，增大占空比或者减小占空比。当决策模块72提示发生连接行为的概率较小，则减小占空比，反之，当决策模块72提示发生连接行为的概率较大，则增大占空比。

为了更好地介绍用户画像模块71、决策模块72和分布式连接控制模块73之间的流程，下面将结合图8进行介绍说明。

参见图8示出的本申请实施例提供的交互流程示意图，如图8所示，某个终端设备包括用户画像模块71、决策模块72和分布式连接控制模块73。该交互流程包括以下步骤：

步骤S801、用户画像模块71根据日志数据，计算出设备连接规律信息，该设备连接规律信息包括高频行为规律集和/或上下文行为规律集。

具体应用中，用户画像模块71可以每天都获取当天的日志数据，并根据当天的日志数据更新规律集。

步骤S802、决策模块72根据设备连接规律信息中的高频行为规律集和/或上下文行为规律集，预测未来一段时间内本设备和其它设备发生连接行为的概率。

具体地，决策模块72向用户画像模块71发送查询请求，用户画像模块71接收到该查询请求之后，根据当前时间点和当前地点，从高频行为规律集中查找目标高频行为规律，和/或，根据当前地点和当前已打开的应用程序，从上下文行为规律几种查找目标上下文行为规律。用户画像模块71查找到目标高频行为规律和/或目标上下文行为规律之后，则将查找到的行为规律返回给决策模块72。当查找不到相匹配的行为规律时，用户画像模块71可以给决策模块72返回一个信息，用于告知决策模块72查找不到相匹配的行为规律。

例如，手机当前所处地点为家，且当前时间点为早上6点，将早上6点映射为360分钟。根据当前时间和当前地点，搜索高频行为规律集。看当前时间和当前地点，是否落入某条高频行为规律中。如果落入，手机的用户画像模块71则将命中的高频行为规律返回给决策模块72。此时，如果命中的高频行为规律为：【355-375】【家】【手机】【音箱】，对应的概率为50％。这样，决策模块72通过用户画像模块71返回的高频行为规律，得知未来15分钟内，手机和音箱之间发生连接行为的概率为50％。

用户画像模块71根据当前时间和当前地点，在高频行为规律集中搜索不到相匹配的高频行为规律。则继续根据当前已打开的应用程序和当前地点，搜索上下文行为规律集。此时，如果命中的上下文行为规律为：【家】【手机闹钟】【手机】【音箱】，对应的概率为50％，用户画像模块71则将该上下文行为规律返回给决策模块72。决策模块72通过用户画像模块71返回的上下文行为规律，知道在未来15分钟内，手机和音箱发送连接行为的概率为50％。

步骤S803、决策模块72根据概率的大小，提示分布式连接控制模块73有无连接需求。

具体地，决策模块72当判断出概率大于第一阈值时，则认为未来一段时间内发生连接行为的概率为大概率，则提示分布式连接控制模块中控73有连接需求。当判断出概率小于第二阈值时，则认为未来一段时间内发生连接行为的概率为小概率，则提示分布式连接控制模块73无连接需求。

步骤S804、分布式连接控制模块73响应决策模块72的提示，增大占空比、减小占空比或者提前与其它设备建立连接。

具体地，当发生连接行为的概率较高时，分布式连接控制模块73可以提前与其它设备建立连接，即分布式连接控制模块73与其它设备的分布式连接控制模块进行交互，建立连接。建立连接之后，本设备和其它设备可以通过所建立的连接，进行业务交互。并且，在业务交互结束后，分布式连接控制模块73可以自动与其它设备的分布式连接控制模块断开连接。

当然，当发生连接行为的概率较高时，分布式连接控制模块73也可以增大占空比。

当发生连接行为的概率较低时，分布式连接控制模块73可以减小占空比。当概率为零时，分布式连接控制模块可以进入休眠状态。

本申请实施例还提供一种终端设备，该终端设备可以包括但不限于存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述功耗优化方法实施例中任一项的方法。

可以理解的是，本申请实施例提供的终端设备的类型可以是任意的，例如，该终端设备可以为手机、平板电脑等便携式终端设备。该终端设备的具体结构也是任意的。作为示例而非限定，如图9所示，终端设备900可以包括处理器910，外部存储器接口920，内部存储器921，通用串行总线(universal serial bus，USB)接口930，充电管理模块940，电源管理模块941，电池942，天线1，天线2，移动通信模块950，无线通信模块960，音频模块970，扬声器970A，受话器970B，麦克风970C，耳机接口970D，传感器模块980，按键990，马达991，指示器992，摄像头993，显示屏994，以及用户标识模块(subscriber identification module，SIM)卡接口995等。其中传感器模块980可以包括压力传感器980A，陀螺仪传感器980B，气压传感器980C，磁传感器980D，加速度传感器980E，距离传感器980F，接近光传感器980G，指纹传感器980H，温度传感器980J，触摸传感器980K，环境光传感器980L，骨传导传感器980M等。

可以理解的是，本申请实施例示意的结构并不构成对终端设备900的具体限定。在本申请另一些实施例中，终端设备900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910可以包括一个或多个处理单元，例如：处理器910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，控制器可以是终端设备900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910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910中的存储器为高速缓冲存储器。该存储器可以保存处理器910刚用过或循环使用的指令或数据。如果处理器910需要再次使用该指令或数据，可从存储器中直接调用。避免了重复存取，减少了处理器910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910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。

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910可以包含多组I2C总线。处理器910可以通过不同的I2C总线接口分别耦合触摸传感器980K，充电器，闪光灯，摄像头993等。例如：处理器910可以通过I2C接口耦合触摸传感器980K，使处理器910与触摸传感器980K通过I2C总线接口通信，实现终端设备900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910可以包含多组I2S总线。处理器910可以通过I2S总线与音频模块970耦合，实现处理器910与音频模块970之间的通信。

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970与无线通信模块960可以通过PCM总线接口耦合。I2S接口和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910与无线通信模块960。例如：处理器910通过UART接口与无线通信模块960中的蓝牙模块通信，实现蓝牙功能。

MIPI接口可以被用于连接处理器910与显示屏994，摄像头993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910和摄像头993通过CSI接口通信，实现终端设备900的拍摄功能。处理器910和显示屏994通过DSI接口通信，实现终端设备900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910与摄像头993，显示屏994，无线通信模块960，音频模块970，传感器模块980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930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930可以用于连接充电器为终端设备900充电，也可以用于终端设备900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终端设备，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，并不构成对终端设备900的结构限定。在本申请另一些实施例中，终端设备900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940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940可以通过USB接口930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可以通过终端设备900的无线充电线圈接收无线充电输入。充电管理模块940为电池942充电的同时，还可以通过电源管理模块941为终端设备供电。

电源管理模块941用于连接电池942，充电管理模块940与处理器910。电源管理模块941接收电池942和/或充电管理模块940的输入，为处理器910，内部存储器921，外部存储器，显示屏994，摄像头993，和无线通信模块960等供电。电源管理模块941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941也可以设置于处理器910中。在另一些实施例中，电源管理模块941和充电管理模块940也可以设置于同一个器件中。

终端设备900的无线通信功能可以通过天线1，天线2，移动通信模块950，无线通信模块960，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。终端设备900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950可以提供应用在终端设备900上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块950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950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950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950的至少部分功能模块可以被设置于处理器910中。在一些实施例中，移动通信模块950的至少部分功能模块可以与处理器910的至少部分模块被设置在同一个器件中。

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970A，受话器970B等)输出声音信号，或通过显示屏994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910，与移动通信模块950或其他功能模块设置在同一个器件中。

无线通信模块960可以提供应用在终端设备900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960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960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910。无线通信模块960还可以从处理器910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，终端设备900的天线1和移动通信模块950耦合，天线2和无线通信模块960耦合，使得终端设备900可以通过无线通信技术与网络以及其他设备通信。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。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)。

终端设备900通过GPU，显示屏994，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994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910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994用于显示图像，视频等。显示屏994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，终端设备900可以包括1个或N个显示屏994，N为大于1的正整数。

终端设备900可以通过ISP，摄像头993，视频编解码器，GPU，显示屏994以及应用处理器等实现拍摄功能。

ISP用于处理摄像头993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993中。

摄像头993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，终端设备900可以包括1个或N个摄像头993，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，当终端设备900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。终端设备900可以支持一种或多种视频编解码器。这样，终端设备900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可以实现终端设备900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920可以用于连接外部存储卡，例如Micro SD卡，实现扩展终端设备900的存储能力。外部存储卡通过外部存储器接口920与处理器910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921可以用于存储计算机可执行程序代码，可执行程序代码包括指令。处理器910通过运行存储在内部存储器921的指令，从而执行终端设备900的各种功能应用以及数据处理。内部存储器921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。存储数据区可存储终端设备900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921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。

终端设备900可以通过音频模块970，扬声器970A，受话器970B，麦克风970C，耳机接口970D，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970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970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970可以设置于处理器910中，或将音频模块970的部分功能模块设置于处理器910中。

扬声器970A，也称“喇叭”，用于将音频电信号转换为声音信号。终端设备900可以通过扬声器970A收听音乐，或收听免提通话。

受话器970B，也称“听筒”，用于将音频电信号转换成声音信号。当终端设备900接听电话或语音信息时，可以通过将受话器970B靠近人耳接听语音。

麦克风970C，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970C发声，将声音信号输入到麦克风970C。终端设备900可以设置至少一个麦克风970C。在另一些实施例中，终端设备900可以设置两个麦克风970C，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，终端设备900还可以设置三个，四个或更多麦克风970C，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970D用于连接有线耳机。耳机接口970D可以是USB接口930，也可以是3.5mm的开放移动终端设备平台(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980A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980A可以设置于显示屏994。压力传感器980A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980A，电极之间的电容改变。终端设备900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994，终端设备900根据压力传感器980A检测触摸操作强度。终端设备900也可以根据压力传感器980A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980B可以用于确定终端设备900的运动姿态。在一些实施例中，可以通过陀螺仪传感器980B确定终端设备900围绕三个轴(即，x，y和z轴)的角速度。陀螺仪传感器980B可以用于拍摄防抖。示例性的，当按下快门，陀螺仪传感器980B检测终端设备900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终端设备900的抖动，实现防抖。陀螺仪传感器980B还可以用于导航，体感游戏场景。

气压传感器980C用于测量气压。在一些实施例中，终端设备900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980D包括霍尔传感器。终端设备900可以利用磁传感器980D检测翻盖皮套的开合。在一些实施例中，当终端设备900是翻盖机时，终端设备900可以根据磁传感器980D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980E可检测终端设备900在各个方向上(一般为三轴)加速度的大小。当终端设备900静止时可检测出重力的大小及方向。还可以用于识别终端设备姿态，应用于横竖屏切换，计步器等应用。

距离传感器980F，用于测量距离。终端设备900可以通过红外或激光测量距离。在一些实施例中，拍摄场景，终端设备90可以利用距离传感器980F测距以实现快速对焦。

接近光传感器980G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。终端设备900通过发光二极管向外发射红外光。终端设备900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，可以确定终端设备900附近有物体。当检测到不充分的反射光时，终端设备900可以确定终端设备900附近没有物体。终端设备900可以利用接近光传感器980G检测用户手持终端设备900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980G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980L用于感知环境光亮度。终端设备900可以根据感知的环境光亮度自适应调节显示屏994亮度。环境光传感器980L也可用于拍照时自动调节白平衡。环境光传感器980L还可以与接近光传感器980G配合，检测终端设备900是否在口袋里，以防误触。

指纹传感器980H用于采集指纹。终端设备900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980J用于检测温度。在一些实施例中，终端设备900利用温度传感器980J检测的温度，执行温度处理策略。例如，当温度传感器980J上报的温度超过阈值，终端设备900执行降低位于温度传感器980J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，终端设备900对电池942加热，以避免低温导致终端设备900异常关机。在其他一些实施例中，当温度低于又一阈值时，终端设备900对电池942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980K，也称“触控面板”。触摸传感器980K可以设置于显示屏994，由触摸传感器980K与显示屏994组成触摸屏，也称“触控屏”。触摸传感器980K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994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980K也可以设置于终端设备900的表面，与显示屏994所处的位置不同。

骨传导传感器980M可以获取振动信号。在一些实施例中，骨传导传感器980M可以获取人体声部振动骨块的振动信号。骨传导传感器980M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980M也可以设置于耳机中，结合成骨传导耳机。音频模块970可以基于骨传导传感器980M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骨传导传感器980M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990包括开机键，音量键等。按键990可以是机械按键。也可以是触摸式按键。终端设备900可以接收按键输入，产生与终端设备900的用户设置以及功能控制有关的键信号输入。

马达991可以产生振动提示。马达991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994不同区域的触摸操作，马达991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992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995用于连接SIM卡。SIM卡可以通过插入SIM卡接口995，或从SIM卡接口995拔出，实现和终端设备900的接触和分离。终端设备900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995可以支持Nano SIM卡，Micro SIM卡，SIM卡等。同一个SIM卡接口995可以同时插入多张卡。多张卡的类型可以相同，也可以不同。SIM卡接口995也可以兼容不同类型的SIM卡。SIM卡接口995也可以兼容外部存储卡。终端设备900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，终端设备900采用eSIM，即：嵌入式SIM卡。eSIM卡可以嵌在终端设备900中，不能和终端设备900分离。

本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现可实现上述各个功耗优化方法实施例中的步骤。

本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行时实现可实现上述各个功耗优化方法实施例中的步骤。

本申请实施例还提供一种芯片系统，所述芯片系统包括处理器，所述处理器与存储器耦合，所述处理器执行存储器中存储的计算机程序，以实现如上述各个功耗优化方法实施例所述的方法。所述芯片系统可以为单个芯片，或者多个芯片组成的芯片模组。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。此外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。

最后应说明的是：以上所述，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，任何在本申请揭露的技术范围内的变化或替换，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所述权利要求的保护范围为准。

Claims (14)

1.一种功耗优化方法，应用于第一终端设备，其特征在于，所述方法包括：

获取设备连接规律信息，所述设备连接规律信息用于描述所述第一终端设备与其它终端设备之间的连接规律，所述设备连接规律信息包括高频行为规律集和/或上下文行为规律集；

根据预设信息，从所述设备连接规律信息中查找目标连接规律信息，所述预设信息包括当前地点，以及以下至少一项：当前时间和所述第一终端设备已打开的目标应用程序；所述目标连接规律信息包括以下至少一项：从所述高频行为规律集中查找到的目标高频行为规律、从所述上下文行为规律集中查找到的目标上下文行为规律；所述目标高频行为规律的时间段包括所述当前时间，且所述目标高频行为规律的地点与所述当前地点一致；所述目标上下文行为规律的地点与所述当前地点一致，且所述目标应用程序包括所述目标上下文行为规律的应用程序；

当查找到所述目标连接规律信息，确定所述目标连接规律信息对应的未来预设时间段内所述第一终端设备与第二终端设备发生连接行为的概率，所述其它终端设备包括所述第二终端设备；

根据所述概率，执行功耗优化策略。

2.根据权利要求1所述的方法，其特征在于，根据所述概率，执行功耗优化策略，包括：

当所述概率大于第一阈值，与所述第二终端设备建立连接或者增大占空比；

当所述概率小于第二阈值，减小所述占空比，所述第二阈值小于或等于所述第一阈值，所述占空比为扫描时隙与扫描周期之间的比值。

3.根据权利要求1所述的方法，其特征在于，确定所述目标连接规律信息对应的未来预设时间段内所述第一终端设备与第二终端设备发生连接行为的概率，包括：

获得所述目标连接规律信息对应的第一支持度；

根据所述第一支持度得到未来预设时间段内所述第一终端设备与所述第二终端设备发生连接行为的概率。

4.根据权利要求3所述的方法，其特征在于，根据预设信息，从所述设备连接规律信息中查找目标连接规律信息，包括：

根据所述当前时间和所述当前地点，从高频行为规律集中查找目标高频行为规律；

当查找到所述目标高频行为规律，将所述目标高频行为规律作为所述目标连接规律信息；

当查找不到所述目标高频行为规律，确定查找不到所述目标连接规律信息；

其中，所述预设信息包括所述当前时间和所述当前地点，所述设备连接规律信息包括所述高频行为规律集。

5.根据权利要求3所述的方法，其特征在于，根据预设信息，从所述设备连接规律信息中查找目标连接规律信息，包括：

根据所述目标应用程序和所述当前地点，从上下文行为规律集中查找目标上下文行为规律；

当查找到所述目标上下文行为规律，将所述目标上下文行为规律作为所述目标连接规律信息；

当查找不到所述目标上下文行为规律，确定查找不到所述目标连接规律信息；

其中，所述预设信息包括所述目标应用程序和所述当前地点，所述设备连接规律信息包括所述上下文行为规律集。

6.根据权利要求3所述的方法，其特征在于，根据预设信息，从所述设备连接规律信息中查找目标连接规律信息，包括：

根据所述当前时间和所述当前地点，从高频行为规律集中查找目标高频行为规律；

当查找到所述目标高频行为规律，将所述目标高频行为规律作为所述目标连接规律信息；

当查找不到所述目标高频行为规律，根据所述目标应用程序和所述当前地点，从上下文行为规律集中查找目标上下文行为规律；

当查找到所述目标上下文行为规律，将所述目标上下文行为规律作为所述目标连接规律信息；

当查找不到所述目标上下文行为规律，确定查找不到所述目标连接规律信息；

其中，所述预设信息包括所述目标应用程序、所述当前地点和所述当前时间，所述设备连接规律信息包括所述上下文行为规律集和所述高频行为规律集。

7.根据权利要求1至6任一项所述的方法，其特征在于，所述方法还包括：

获取所述第一终端设备的第一日志数据；

根据所述第一日志数据，得到高频行为规律集和/或上下文行为规律集。

8.根据权利要求7所述的方法，其特征在于，根据所述第一日志数据，得到高频行为规律集，包括：

对所述第一日志数据进行预处理，得到预处理后的第二日志数据，所述第二日志数据包括第一时间戳、第一地点、连接事件类型、第一主连接设备和第一被连接设备；

对所述第二日志数据进行处理，得到第一规律集，所述第一规律集中的每条行为规律包括时间点、所述第一地点、所述第一主连接设备、所述第一被连接设备和第二支持度；

对所述第一规律集进行聚类，得到第二规律集，所述第二规律集中的每条行为规律包括时间段、所述第一地点、所述第一主连接设备、所述第一被连接设备和第三支持度；

去除所述第二规律集中所述第三支持度小于第一预设支持度阈值的行为规律，得到所述高频行为规律集。

9.根据权利要求8所述的方法，其特征在于，对所述第二日志数据进行处理，得到第一规律集，包括：

去除连接事件类型为连接结束的第二日志数据，并针对连接事件类型为连接开始的第二日志数据，将各个所述第一时间戳映射到各个第一时间单元，得到第三日志数据，所述第三日志数据包括所述第一时间单元、所述第一地点、所述第一主连接设备和所述第一被连接设备，所述第一时间单元为对一天按照分钟进行划分得到的时间单元，一个第一时间单元对应一分钟；

将所述第三日志数据中，同属于同一天、同一个所述第一时间单元，且所述第一主连接设备和第一被连接设备均相同的多个日志数据合并为一个日志数据后，得到第四日志数据；

按照第一维度，对所述第四日志数据进行分类统计，生成所述第一规律集，所述第一维度包括时间、地点和第一事件对，所述第一事件对包括所述第一主连接设备和所述第一被连接设备。

10.根据权利要求7所述的方法，其特征在于，根据所述第一日志数据，得到上下文行为规律集，包括：

对所述第一日志数据进行预处理，得到预处理后的第五日志数据，所述第五日志数据包括第二时间戳、第二地点、连接事件类型、主连接设备应用、第二主连接设备和第二被连接设备；

对所述第五日志数据进行处理，得到第三规律集，所述第三规律集中的每条行为规律包括所述第二地点、所述主连接设备应用、所述第二主连接设备、所述第二被连接设备和第四支持度；

去除所述第三规律集中所述第四支持度小于第二预设支持度阈值的行为规律，得到所述上下文行为规律集。

11.根据权利要求10所述的方法，其特征在于，对所述第五日志数据进行处理，得到第三规律集，包括：

去除连接事件类型为连接结束的第五日志数据，并针对连接事件类型为连接开始的第五日志数据，将各个所述第二时间戳映射到各个第二时间单元，得到第六日志数据，所述第六日志数据包括所述第二时间单元、所述第二地点、所述主连接设备应用、所述第二主连接设备和所述第二被连接设备，所述第二时间单元为对一天按照分钟进行划分得到的时间单元，一个第二时间单元对应一分钟；

将所述第六日志数据中，同属于同一天、同一个所述第二时间单元，且所述主连接设备应用、所述第二主连接设备和第二被连接设备均相同的多个日志数据合并为一个日志数据后，得到第七日志数据；

按照第二维度，对所述第七日志数据进行分类统计，生成所述第三规律集，所述第二维度包括地点、应用和第二事件对，所述第二事件对包括所述第二主连接设备和所述第二被连接设备。

12.根据权利要求2所述的方法，其特征在于，所述方法还包括：

检测当前剩余电量；

当所述当前剩余电量大于第三阈值，减小所述第一阈值；

当所述当前剩余电量小于所述第三阈值，增大所述第一阈值。

13.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至12任一项所述的方法。

14.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至12任一项所述的方法。