CN116962568A - 一种面向间歇计步的动态占空比采样方法 - Google Patents
一种面向间歇计步的动态占空比采样方法 Download PDFInfo
- Publication number
- CN116962568A CN116962568A CN202210394562.3A CN202210394562A CN116962568A CN 116962568 A CN116962568 A CN 116962568A CN 202210394562 A CN202210394562 A CN 202210394562A CN 116962568 A CN116962568 A CN 116962568A
- Authority
- CN
- China
- Prior art keywords
- information entropy
- working
- intermittent
- mode
- step counting
- 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.)
- Pending
Links
- 238000005070 sampling Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000007958 sleep Effects 0.000 claims abstract description 23
- 230000003068 static effect Effects 0.000 claims abstract description 7
- 238000010801 machine learning Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 230000005059 dormancy Effects 0.000 claims description 4
- 241001465754 Metazoa Species 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 abstract description 2
- 230000008859 change Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
- H04M1/72454—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to context-related or environment-related conditions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
- H04M1/72457—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to geographic location
-
- 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
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/28—TPC being performed according to specific parameters using user profile, e.g. mobile speed, priority or network state, e.g. standby, idle or non transmission
- H04W52/288—TPC being performed according to specific parameters using user profile, e.g. mobile speed, priority or network state, e.g. standby, idle or non transmission taking into account the usage mode, e.g. hands-free, data transmission, telephone
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M2250/00—Details of telephonic subscriber devices
- H04M2250/12—Details of telephonic subscriber devices including a sensor for measuring a physical value, e.g. temperature or motion
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Human Computer Interaction (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种面向间歇计步的动态占空比采样方法。本发明针对传统计步过程中需要保持加速度计持续运行实现计步，导致系统整体功耗过高的问题。设计了一种面向间歇计步的动态占空比采样方法。能够实时分析采集到的数据，并依据数据的信息熵来动态调整工作模式以预测步数。该方案首先让系统持续工作，确定各模式的信息熵值，然后默认模式处于活跃状态，即系统在低占空比模式下间歇采样，阶段性计算步数信息熵，当发现运动量较不活跃时，休眠占空比适当增大。当发现处于静止状态时，将休眠占空比置为最大值，这样可以进一步降低系统整体能耗。
Description
技术领域
本发明涉及物联网应用的低功耗技术领域，具体涉及基于动态占空比的计步间歇采样方法。
背景技术
为了提供高质量的活动感知服务，移动设备必须不间断地持续收集数据，频繁的感知会迅速耗尽电池。对于采用电池供电的物联网设备，如何在满足功能和性能需求的前提下，将能耗降至最低已经成为设计者首先要面对的挑战。为了能够实时识别复杂活动，需要新的采集方案，以节省电池寿命。
传统方案下获取运动量主要采用加速度计实现，但是在计步过程中，处理器需要连续采集加速度值，通过滤波消除高频噪声，并利用过零检测来判断是否运动。这就导致处理器需要一直处于工作状态，从而使系统的整体能耗上升。近年来，学术界提出的针对加速度计持续运行导致整体功耗较高这一问题的解决方案为通过变化点检测或者调节分类特征实现一定的能耗下降，如对不同活动状态下的运动和位置数据连续采集，通过变化点检测分析数据子序列以查找状态变化点。当检测到变化点时，分析当前活动类型，自适应调节采样频率及持续时间，实现以较低的功耗来预测复杂活动。但是以上方案无法解决加速度计在间歇工作的情况下实现实时识别功能。因此，需要设计一套能够在间歇工作下也能够实现计步功能的极低功耗设备，但是仅采用固定占空比功耗仍然较高，因此可以考虑结合人或动物本身的运动特征，来实现自适应调整工作模式。如果模块能够伴随着运动提高采样率，伴随着休眠降低采样率，即能够针对运动特征进行动态调整工作模式，可以更进一步降低整体能耗。
发明内容
本发明的目的在于提供一种面向间歇计步的动态占空比采样方法，用以解决固定占空比计步时无法兼顾行为特征的影响，以进一步降低间歇工作计步模型的整体功耗。模块初始化进入高频工作模式，根据采集阶段数据的信息熵确定当前的运动状态，动态调整休眠占空比。
为了解决上述技术问题，本发明提出如下技术方案：
一种面向间歇计步的动态占空比采样方法，其特征在于，该方法包括以下步骤：
步骤S1、确定动态占空比工作模式的信息熵值，信息熵值用于区分活跃状态与不活跃状态，计算方法如下，首先系统持续工作采集一段时间内的步数信息，每个工作周期为4s，计算所有步数不为0的工作周期的平均步数M，当大于该值视为活跃状态，小于该值视为不活跃状态，当平均步数为0视为静止休眠状态。要判断当前处于何种运动状态，可以根据其在一阶段时间内的运动量来决定，活跃状态下运动量会变大，较活跃状态运动量会变小，静止休眠状态下运动量为0；
进一步的，所述步骤S1具体包括：鉴别活跃状态与不活跃状态的临界值是根据信息熵值来确定的，即模块不休眠持续工作，每个工作周期为4s，测量周期为1天，这样能得到在各种状态下的真实步数，然后计算所有步数不为0的工作周期的平均步数作为判断活跃与不活跃状态的临界值；
步骤S2、系统在初始的休眠占空比下间歇工作采集数据并实现计步，初始阶段默认进入活跃状态，实现计步功能，然后汇总采样数据；
步骤S3、采集到一个阶段的工作周期数据后，计算信息熵，根据信息熵值动态调整模块工作模式。即计算该阶段的步数信息熵，当信息熵大于活跃状态临界值，则将模式切换为高频工作模式，当小于活跃状态临界值则将模式切换为中频工作模式，当静止休眠时则切换为低频工作模式；
步骤S4、休眠周期的运动步数采用一种基于间歇采样和机器学习模型的计步方法来生成，设计了专门的递归预测算法来恢复休眠周期的数据，根据前后工作模式的数据，通过机器学习模型来递归预测中间的所有休眠周期步数；
本发明的有益效果是：
1、本发明通过根据人或动物的行为特征自适应调节工作模式，在物联网领域具有很高的适用性与推广性。
2、本发明通过动态占空比工作模式，相比于采用固定占空比间歇采样计步方案而言，本方案结合了运动状态信息，在间歇采样的基础上，能够更进一步降低整体功耗。
附图说明
图1是本发明提出一种面向间歇计步的动态占空比采样方法的信息熵动态转换图。
图2是本发明提出一种面向间歇计步的动态占空比采样方法的休眠状态转换表。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
参见图1-2，本实施提供一种面向间歇计步的动态占空比采样方法：
步骤A：确定动态占空比工作模式的信息熵值，信息熵值用于区分活跃状态与不活跃状态，计算方法如下，首先系统持续工作采集一段时间内的步数信息，每个工作周期为4s，计算所有步数不为0的工作周期的平均步数M，当大于该值视为活跃状态，小于该值视为不活跃状态，当平均步数为0视为静止休眠状态。要判断当前处于何种运动状态，可以根据其在一阶段时间内的运动量来决定，活跃状态下运动量会变大，较活跃状态运动量会变小，静止休眠状态下运动量为0；
进一步的，所述步骤A具体包括：鉴别活跃状态与不活跃状态的临界值是根据信息熵值来确定的，即模块不休眠持续工作，每个工作周期为4s，测量周期为1天，这样能得到在各种状态下的真实步数，然后计算所有步数不为0的工作周期的平均步数作为判断活跃与不活跃状态的临界值；
步骤B：系统在初始的休眠占空比下间歇工作采集数据并实现计步。初始阶段默认进入活跃状态，实现计步功能，然后汇总采样数据。
步骤C：采集到一个阶段的工作周期数据后，计算信息熵，每个阶段包括5个工作周期，根据信息熵值动态调整模块工作模式。
具体的说，信息熵动态转换图如图1所示。图中有三个状态，用00、01、10来表述，分别表示三种占空比模式。各自的占空比值A、B、C则根据预测准确率及平均工作电流来确定，分别对应高频/中频/低频三种工作频率。当检测到设备处于活跃状态，则提高工作模式采样的频率。当较不活跃时，降低工作模式采样频率。当检测到处于静止休息状态时，进一步降低工作模式采样频率。这样可以大大降低整体能耗，并能保持一定的准确率。而如何判别当前的状态，图中提出了3种状态，状态P表示处于活跃状态，采集的信息熵大；状态N1表示处于不太活跃状态，采集信息熵小；状态N2表示处于静止休息状态，信息熵为0。模块的工作模式根据当前采集的信息熵大小来切换。判断信息熵的大小可以根据以下方案，采集在一段时间内的步数信息，计算所有步数不为0的工作周期的平均步数M，大于该均值视为P状态，小于该均值则视为N1状态，均值为0则视为N2状态。由于动态占空比工作模式的实现是在设备端，因此会连续采集5个相邻的工作周期，视为一个阶段。得到该阶段的均值后，与上一个阶段状态对比，根据状态转换图，实时切换状态。
更具体的说，设备中的休眠状态转换表如图2所示，每个工作阶段结束后会切换工作模式。首先设备初始化默认进入活跃状态，按照占空比00模式运行，每5个工作周期求步数均值，若小于平均步数M则进入占空比01工作模式，否则保持00工作模式，工作模式在00状态下不会直接转换为10状态，只有通过01模式才能转换成10模式，即只有确保上阶段处于不活跃状态时间，且当前信息熵为0，才会进入占空比10模式。这样能够防止直接在高低工作频率间切换，而丢失部分有效的数据，影响预测准确率。当进入较不活跃状态，按照占空比01模式运行，每五个工作周期求步数均值，若大于平均步数M则切换00工作模式，若小于M则保持当前工作模式，若为0，则切换到10工作模式。当进入静止休眠状态，按照占空比10模式运行，每1个工作周期判断步数，若小于M则切换到01工作模式，若大于M则切换到00工作模式，否则保持当前模式。此外，为了防止在10模式下无法及时获取状态变更，当连续处于该模式达到5个阶段，会自动切换回01模式。
步骤D:休眠周期的运动步数通过一种基于间歇采样的机器学习模型来预测步数，设计了专门的递归预测算法来恢复休眠周期的数据，根据前后工作模式的数据，通过机器学习模型来递归预测中间的所有休眠周期步数。
综上所述，本实施例提供的一种面向间歇计步的动态占空比采样方法，相比现有技术，具有以下效益：
1、本发明通过根据行为特征自适应调节工作模式，在物联网领域具有很高的适用性与推广性。
2、本发明通过动态占空比工作模式，相比于采用固定占空比间歇采样计步方案而言，本方案结合了运动状态信息，在间歇采样的基础上，能够更进一步降低整体功耗。
本发明未详述之处，均为本领域技术人员的公知技术。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (6)
1.一种面向间歇计步的动态占空比采样方法，其特征在于，该方法包括以下步骤：
步骤S1、确定动态占空比工作模式的信息熵值，信息熵值用于区分活跃状态与不活跃状态，当步数大于该值视为活跃状态，小于该值视为不活跃状态，当平均步数为0视为静止休眠状态；
步骤S2、系统在初始的休眠占空比下间歇工作采集数据并实现计步；
步骤S3、采集到一个阶段的工作周期数据后，计算信息熵，一个阶段包括5个工作周期，根据信息熵值动态调整模块工作模式；
步骤S4、休眠周期的运动步数通过基于间歇采样的机器学习模型来预测步数。
2.根据权利要求1所述的一种面向间歇计步的动态占空比采样方法，其特征在于，所述信息熵的计算方法如下：首先系统持续工作采集一段时间内的步数信息，每个工作周期为4s，计算所有步数不为0的工作周期的平均步数M，该均值步数M即为信息熵值。
3.根据权利要求1所述的一种面向间歇计步的动态占空比采样方法，其特征在于，系统初始阶段默认进入活跃状态，实现计步功能，然后汇总采样数据。
4.根据权利要求1所述的一种面向间歇计步的动态占空比采样方法，其特征在于，计算该阶段的步数信息熵，当信息熵大于活跃状态临界值，则将模式切换为高频工作模式，当小于活跃状态临界值则将模式切换为中频工作模式，当静止休眠时则切换为低频工作模式。
5.根据权利要求1所述的一种面向间歇计步的动态占空比采样方法，其特征在于，所述步骤S4的具体步骤为：通过递归预测算法来恢复休眠周期的数据，根据前后工作模式的数据，通过机器学习模型来递归预测中间的所有休眠周期步数。
6.根据权利要求2所述的一种面向间歇计步的动态占空比采样方法，其特征在于，鉴别活跃状态与不活跃状态的临界值是根据信息熵来确定的，即模块不休眠持续工作，每4s作为一个工作周期记录步数，测量周期为1天，得到人或动物在各种状态下的真实步数，然后计算所有步数不为0的工作周期的平均步数作为判断活跃与不活跃状态的临界值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210394562.3A CN116962568A (zh) | 2022-04-14 | 2022-04-14 | 一种面向间歇计步的动态占空比采样方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210394562.3A CN116962568A (zh) | 2022-04-14 | 2022-04-14 | 一种面向间歇计步的动态占空比采样方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116962568A true CN116962568A (zh) | 2023-10-27 |
Family
ID=88453433
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210394562.3A Pending CN116962568A (zh) | 2022-04-14 | 2022-04-14 | 一种面向间歇计步的动态占空比采样方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116962568A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118392251A (zh) * | 2024-06-24 | 2024-07-26 | 昆明理工大学 | 一种数据获取方法、装置 |
-
2022
- 2022-04-14 CN CN202210394562.3A patent/CN116962568A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118392251A (zh) * | 2024-06-24 | 2024-07-26 | 昆明理工大学 | 一种数据获取方法、装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8839006B2 (en) | Power consumption reduction systems and methods | |
| CN101902765B (zh) | 一种控制移动台gps工作的方法和系统 | |
| CN102640544A (zh) | 用于动态小区搜索的系统和方法 | |
| CN101995553B (zh) | 电量检测电路、手机待机时手机状态检测处理装置及方法 | |
| CN116962568A (zh) | 一种面向间歇计步的动态占空比采样方法 | |
| WO2007090431A1 (en) | Electronic apparatus and method of conserving energy | |
| CN104994154A (zh) | 媒体设备控制方法和装置 | |
| CN106714289B (zh) | 基于应用组合耗电预测的智能手机剩余电量管理方法 | |
| KR102622634B1 (ko) | 전자기기의 비침식 부하 모니터링 시스템 및 그 방법 | |
| CN111819550B (zh) | 一种数据处理方法及网络设备 | |
| CN103778925A (zh) | 录音电路关闭状态下控制录音的录音装置 | |
| CN105022569A (zh) | 选择性地切换鼠标的画面更新率的方法 | |
| CN111179924B (zh) | 一种基于模式切换的唤醒性能优化的方法及系统 | |
| CN111914000B (zh) | 一种基于功耗预测模型的服务器功率封顶方法、系统 | |
| CN116386676B (zh) | 语音唤醒方法、语音唤醒装置及存储介质 | |
| CN111509810A (zh) | 一种锂电池充电状态检测方法、装置及存储介质 | |
| CN1720669B (zh) | 无线设备电池节电方法和系统 | |
| CN116204811A (zh) | 信号归一化联合两级判定的自适应负荷事件检测方法 | |
| CN108845659B (zh) | 一种功耗优先的嵌入式处理器实时任务分配方法 | |
| CN113992687B (zh) | 智能业务集群调度方法、装置、电子设备及存储介质 | |
| CN115243349A (zh) | 基站节能方法、装置、电子设备及存储介质 | |
| CN116975612A (zh) | 一种基于间歇采样和机器学习模型的计步方法 | |
| CN205545492U (zh) | 一种移动终端 | |
| Jiang et al. | LEAP: Localized Energy-Aware Prediction for data collection in wireless sensor networks | |
| CN100486268C (zh) | 一种节省移动终端ms电能的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |