CN116963317A - 一种非连续接收方法和装置 - Google Patents

Abstract

本公开提供了一种非违续接收的方法和装置，涉及通信技术领域。具体实现方案为：通过网络上的模型版本号更新时触发对节点的能耗采集，启动更新耗能较大的节点中的定时器以开启节点的接收模型能力，使得耗能较大的节点接收并根据当前版本号对应的目标模型对节点中的模型进行更新，本公开实现了耗能较大的节点上的模型间隔更新，并且满足了模型不可频繁更新的需求。

Description

一种非连续接收方法和装置

技术领域

本公开涉及通信技术领域，尤其涉及一种非连续接收方法和装置。。

背景技术

在未来的万物智联网络中，网络节点趋向于智能化，网络节点智能化导致了信息空间快速扩张、甚至维度灾难，加剧了表征信息承载空间的难度，导致传统的网络服务能力与高维信息空间难以匹配，通信传输的数据量过大，信息业务服务系统无法持续满足人们复杂、多样和智能化信息传输的需求。而通过人工智能模型来编码、传播、解码业务信息，可显著降低通信业务中的数据传输量，极大地提升了信息传输效率。这些模型相对稳定，并具有复用性、传播性。模型的传播和复用将有助于增强网络智能，同时降低开销和资源浪费，形成节点极智、网络极简的智简网络。

非连续接收(DRX，Discontinuous Reception)即：基于包的数据流通常是突发性的，在一段时间内有数据传输，但在接下来的一段较长时间内没有数据传输。在没有数据传输的时候，可以通过停止接收PDCCH(Physical Downlink Control Channel，指的是物理下行控制信道)(此时会停止PDCCH盲检)来降低功耗，从而提升电池使用时间。

为了节约功率，模型不能非常频繁地更新。因此即使网络上版本号更新很快，对于耗能不佳的节点需要间隔版本号更新。

发明内容

本公开提供了一种非连续接收方法和装置。

根据本公开的第一方面，提供了一种非连续接收方法，其中，应用于网络中，网络包括多个节点，每个节点中存储有模型和定时器，定时器用于开启或关闭节点的接收模型能力；

每个节点设置有对应的标准能耗范围；

非连续接收方法包括：

响应于网络中的模型版本号更新，获取当前版本号，采集待更新节点的已消耗能耗，以及计算待更新节点采用当前版本号对应的目标模型进行模型更新的更新能耗估计值，其中，当前版本号对应的目标模型为待更新节点需要的模型；

根据标准能耗范围和已消耗能耗计算得到更新能耗阈值；

响应于更新能耗估计值小于或等于更新能耗阈值，启动定时器，使得待更新节点接收并根据目标模型进行模型更新。

根据本公开的第二方面，提供了一种非连续接收装置，其中，应用于网络中，网络包括多个节点，每个节点中存储有模型和定时器，定时器用于开启或关闭节点的接收模型能力；

每个节点设置有对应的标准能耗范围；

包括：

采集单元，响应于网络中的模型版本号更新，获取当前版本号，采集待更新节点的已消耗能耗，以及计算待更新节点采用当前版本号对应的目标模型进行模型更新的更新能耗估计值，其中，当前版本号对应的目标模型为待更新节点需要的模型；

计算单元，根据标准能耗范围和已消耗能耗计算得到更新能耗阈值；

更新单元，响应于更新能耗估计值小于或等于更新能耗阈值，启动定时器，使得待更新节点接收并根据目标模型进行模型更新。

根据本公开的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与至少一个处理器通信连接的存储器；其中，

存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述方法。

根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行上述方法。

本公开提供的技术方案带来的有益效果是：

本公开实施例提供的方案，通过网络上的模型版本号更新时触发对节点的能耗采集，启动耗能过大的节点中的定时器，根据当前版本号对应的目标模型对节点中的模型进行更新，从而实现耗能过大的节点上的模型间隔更新，并且满足了模型不可频繁更新的需求。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其他特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开实施例一提供的非连续接收方法的流程示意图；

图2是根据本公开实施例二提供的非连续接收装置的结构示意图；

图3是本公开实施例的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

智简网络中主要通过人工智能模型传播业务信息，通过使用人工智能模型将待传播的第一业务信息压缩为与人工智能模型相关的第二业务信息，极大地降低了网络中的数据通信量，压缩效率进超传统的压缩算法。其中，发送端设备利用预先配置的第一模型对第一业务信息进行提取并得到待传输的第二业务信息；发送端设备向接收端设备传输第二业务信息。接收端设备接收第二业务信息，并利用预先配置的第二模型对第二业务信息进行恢复处理得到第三业务信息；经第二模型恢复的第三业务信息比起原先的第一业务信息会有些许质量上的差异，但两者在内容上是一致的，给用户的体验几乎是无差异的。在发送端设备向接收端设备传输第二业务信息之前，还包括：更新模块判断接收端设备是否需要对第二模型进行更新，并在判断需要更新时向接收端设备传输预先配置的第三模型，接收端设备利用第三模型对第二模型进行更新。通过预先训练好的人工智能模型对业务信息进行处理，可显著降低通信业务中的数据传输量，极大地提升了信息传输效率。这些模型相对稳定，并具有复用性、传播性。模型的传播和复用将有助于增强网络智能，同时降低开销和资源浪费。模型能够根据不同切分规则切分为若干个模型切片，上述模型切片也可以在不同的网络节点之间传输，模型切片可以组装成模型。模型切片可以分散存储在多个网络节点上。当网络节点请发现自己缺少或需要更新某模型或某模型切片时，可以通过请求的方式，向周围可能具有该切片的节点请求。

传输业务信息、传输模型均发生在通信网络中，基于网络协议进行通信传输。传输业务信息、传输模型的路径上经过的网络节点包括智简路由器。智简路由器的功能包括但不限于业务信息传输、模型传输，吸收模型自我更新，安全保护等功能。智简路由器的传输功能，涉及将业务信息或模型从信源节点传输到信宿节点，信源节点和信宿节点之间存在多个路径。智简路由器的模型传输功能，可以对模型切片进行传输，通过合理安排模型切片走多个路径，多路传输模型切片，提高模型传输速率。

实施例一

图1示出了本公开实施例提供的一种非连续接收方法，应用于网络中，网络包括多个节点，每个节点中存储有模型和定时器，定时器用于开启或关闭节点的接收模型能力；

每个节点设置有对应的标准能耗范围；

非连续接收方法包括：

步骤S101，响应于网络中的模型版本号更新，获取当前版本号，采集待更新节点的已消耗能耗，以及计算待更新节点采用当前版本号对应的目标模型进行模型更新的更新能耗估计值，其中，当前版本号对应的目标模型为待更新节点需要的模型；

步骤S102，根据标准能耗范围和已消耗能耗计算得到更新能耗阈值；

步骤S103，响应于更新能耗估计值小于或等于更新能耗阈值，启动定时器，使得待更新节点接收并根据目标模型进行模型更新。

本公开通过网络上的模型版本号更新时触发对节点的能耗采集，启动更新耗能较大的节点中的定时器以开启节点的接收模型能力，使得更新耗能较大的节点接收并根据当前版本号对应的目标模型对节点中的模型进行更新，从而实现耗能较大的节点上的模型间隔更新，并且满足了模型不可频繁更新的需求。

具体地，响应于网络中的模型版本号更新，网络中的节点获取当前版本号，并且节点判断当前版本号对应的目标模型是否为需要的模型；

若是，将该节点设置为待更新节点；

若否，不对该节点进行处理；

采集待更新节点的已消耗能耗，其中，此处的已消耗能耗指代待更新节点在此次更新前已经消耗的能耗值；

计算待更新节点采用当前版本号对应的目标模型进行模型更新的更新能耗估计值；

根据标准能耗范围和已消耗能耗计算得到更新能耗阈值，其中更新能耗阈值可以为标准能耗范围和已消耗能耗之间的差；

判断上述更新能耗估计值是否小于或等于更新能耗阈值；

若是，则此时的节点更新耗能较大需要对节点中的模型进行更新，因此启动该待更新节点中的定时器，从而开启该待更新节点的接收模型能力，即待更新节点从OFF状态转化为ON状态，使得待更新节点接收当前版本号对应的目标模型，并根据目标模型对待更新模型进行更新；

若否，则此时的节点耗能过小，不需要对节点中的模型进行更新，因此无需启动该待更新节点中的定时器，即待更新节点的接收模型能力依旧处于OFF状态。

示例性地，网络包括第一节点A1，第二节点A2，第三节点A3，第四节点A4和第五届点A5，网络上有版本号1.4此时更新到版本1.5；

首先，网络中的节点均获取当前版本号1.5，并且每个节点判断当前版本号1.5对应的目标模型是否为与节点需要的模型，若是，将该节点设置为待更新节点；

例如，当前版本号1.5对应的目标模型为第一节点A1、第三节点A3和第五节点A5需要的模型；

当前版本号1.5对应的目标模型为第二节点A2和第四节点A4不需要的模型；

因此，第一节点A1、第三节点A3和第五节点A5为待更新节点。

接着，采集待更新节点(第一节点A1、第三节点A3和第五节点A5)的已消耗能耗，并且估计待更新节点(第一节点A1、第三节点A3和第五节点A5)采用当前版本号对应的目标模型进行模型更新的更新能耗估计值；

以及根据标准能耗范围和已消耗能耗计算得到更新能耗阈值；

随后，判断更新能耗估计值是否小于或等于更新能耗阈值；

若是，启动定时器，待更新节点从OFF状态转化为ON状态，在ON状态下，待更新节点可以接收网络中的当前版本号对应的目标模型，使得待更新节点根据目标模型对待更新模型进行更新；

若否，不启动定时器，即定时器还是处于关闭状态，待更新节点依旧处于OFF状态，即待更新节点中的模型不更新；

例如，第一节点A1设置有标准能耗范围，记为B1；

第三节点A3设置有标准能耗范围，记为B3；

第五节点设置为第五标准能耗范围，记为B5；

采集第一节点A1的已消耗能耗，记为C1；

采集第三节点A3的已消耗能耗，记为C3；

采集第五节点的已消耗能耗，记为C5；

分别计算得到第一节点A1、第三节点A3和第五节点A5的更新能耗阈值，分别记为D1、D3和D5，其中，更新能耗阈值为当前节点可使用的最大能耗；

随后，计算得到第一节点A1的更新能耗阈值，记为E1，其中，E1＝B1-C1；

计算得到第三节点A3的更新能耗阈值，记为E3，其中，E3＝B3-C3；

计算得到第五节点A5的更新能耗阈值，记为E5，其中，E5＝B5-C5；此时第一节点A1的更新能耗估计值小于或等于第一节点A1的更新能耗阈值，即D1≤E1，因此启动第一节点A1中的定时器，第一节点A1从OFF状态转化为ON状态，第一节点A1接收当前版本号对应的目标模型，并且第一节点A1根据目标模型对第一节点A1中的待更新模型进行更新；

此时，第三节点A3的更新能耗估计值小于或等于第三节点A3的更新能耗阈值，即D3≤E3，因此启动第三节点A3中的定时器，第三节点A3从OFF状态转化为ON状态，第三节点A3接收当前版本号对应的目标模型，并且第三节点A3根据目标模型对第三节点A3中的待更新模型进行更新；

此时，第五节点A5的大于第五节点A5的更新能耗阈值，即D5＞E5，因此不启动第五节点A5中的定时器，即第五节点A5中的定时器依旧处于关闭状态，因此第五节点A5依旧处于OFF状态，也就是说第五节点A5中的模型不更新。

需要说明的是：在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本公开中所描述的单个步骤，在其他实施例中可能被分解为多个步骤进行描述；而本说明书中所描述的多个步骤，在其他实施例中也可能被合并为单个步骤进行描述。

本公开实施例提供了一种可能的实现方式，其中，待更新节点需要的模型的模型类型与待更新节点存储的待更新模型的模型类型相同。

具体地，待更新节点需要的模型的模型类型与待更新节点存储的待更新模型的模型类型相同，因此当前版本号对应的目标模型的模型类型与待更新节点中存储的待更新模型的模型类型相同。

示例性地，网络中的节点均获取当前版本号1.5，并且每个节点判断当前版本号1.5对应的目标模型的模型类型是否为与节点本地存储的模型的模型类型相同，若是，将该节点设置为待更新节点；

例如，第一节点A1、第三节点A3和第五节点A5中存储的模型的模型类型与当前版本号1.5对应的模型类型相同；

第二节点A2和第四节点A4中存储的模型的模型类型与当前版本号1.5对应的模型类型不同；

因此，第一节点A1、第三节点A3和第五节点A5为待更新节点。

本公开实施例提供了一种可能的实现方式，其中，步骤S103具体包括以下步骤：

步骤S1031，计算待更新节点采用目标模型进行模型更新的性能提升估计值；

步骤S1032，获取预设期望值；

步骤S1033，响应于更新能耗估计值小于或等于更新能耗阈值，并且响应于性能提升估计值大于或等于预设期望值，启动定时器。

本公开实施例提供了一种可能的实现方式，其中，定时器是非周期性的，需要依赖特定的条件触发；

步骤S103具体包括以下步骤：

响应于更新能耗估计值小于或等于更新能耗阈值，获取目标模型与待更新节点中的待更新模型之间的更新数据，根据更新数据计算目标模型相较于待更新模型的性能提升估计值；

响应于性能提升估计值大于或等于预设期望值，启动定时器。

具体地，上述实现方式提供了定时器的一种触发方式：

只有同时满足上述两种条件才能启动定时器，使得待更新节点根据当前版本号对应的目标模型对待更新模型进行更新；从而实现只有当前版本号对应的目标模型能对待更新节点进行性能提升显著和更新能耗损失较小时，启动定时器，进而提高更新效率，并且减少能耗，以及对于性能提升不显著和更新能耗损失较大的耗能不佳节点间隔版本号更新。

具体地，当前版本号中包括相较于上一版本的更新内容，可以根据每一版本的更新内容获取目标模型与待更新模型之间的更新数据；

例如，网络上有版本号1.4此时更新到版本1.5，因此，在版本1.5中包括有相较于版本1.4的更新内容1.5，以此类推，在版本1.4中包括有相较于版本1.3的更新内容1.4……在版本1.2中包括有相较于版本1.1的更新内容1.2；

当第一节点A1中的已有模型为版本1.1对应的模型，那么目标模型与版本1.1对应的模型之间的更新数据包括：更新内容1.2、更新内容1.3、更新内容1.4和更新内容1.5；

当第三节点A3中的已有模型为版本1.3对应的模型，那么目标模型与版本1.3对应的模型之间的更新数据包括：更新内容1.4和更新内容1.5。

具体地，也可以直接根据目标模型与待更新模型之间的不同数据获取得到更新数据。

当然，获取更新数据不限于上述两种方式，在此不做赘述。

示例性地，网络包括第一节点A1，第二节点A2，第三节点A3，第四节点A4和第五届点A5，网络上有版本号1.4此时更新到版本1.5；

其中，第一节点A1和第三节点A3的当前能耗超过第一标准能耗范围，因此需要启动第一节点A1和第三节点A中的定时器；

第一步，根据当前版本号的模型数据获取目标模型与第一节点A1中的待更新模型之间的更新数据，记为第一更新数据；

根据当前版本号的模型数据获取目标模型与第三节点A3中的待更新模型之间的更新数据，记为第三更新数据；

第二步，根据第一更新数据计算目标模型相较于第一节点A1中的待更新模型的性能提升估计值，记为第一性能提升估计值；

根据第三更新数据计算目标模型相较于第三节点A3中的待更新模型的性能提升估计值，记为第三性能提升估计值；

第三步，判断第一性能提升估计值是否大于或等于第一节点A1中预先设置到的预设期望值；

此时第一性能提升估计值大于或等于第一节点A1中预先设置到的预设期望值，执行第四步；

判断第三性能提升估计值是否大于或等于第三节点A3中预先设置到的预设期望值；

此时第三性能提升估计值小于第三节点A3中预先设置到的预设期望值，结束对第三节点A3的后续处理，即不启动第三节点A3中的定时器；

第四步，计算得到目标模型对第一节点A1中的待更新模型进行模拟更新的更新能耗估计值，记为第一更新能耗估计值；

第五步，判断第一更新能耗估计值是否小于或等于第一节点A1预先设置的更新能耗阈值；

此时，第一更新能耗估计值小于或等于第一节点A1的更新能耗阈值，启动第一节点A1中的定时器，使得第一节点A1根据当前版本号对应的目标模型对第一节点A1中的待更新模型进行更新。

本公开实施例提供了一种可能的实现方式，其中，定时器是非周期性的，需要依赖特定的条件触发；

步骤S103具体包括以下步骤：

响应于更新能耗估计值小于或等于标准能耗范围，获取目标模型与待更新模型之间的版本更新次数；

响应于版本更新次数大于或等于版本更新阈值，启动定时器。

具体地，上述实现方式提供了定时器的另一种触发方式：只有计算得到版本更新次数大于或等于版本更新阈值的待更新节点可以启动定时器，使得待更新节点根据当前版本号对应的目标模型对待更新模型进行更新，由于触发更新的间隔时间越长，则耗能会越低从而减少，从而减少能耗，并且实现节点对模型的间隔版本更新。

其中，每个节点可以设置对应的版本更新阈值。

示例性地，网络包括第一节点A1，第二节点A2，第三节点A3，第四节点A4和第五届点A5，网络上有当前版本号1.5，其中，该模型的版本号为1.1、1.2、1.3、1.4和1.5，设置版本更新阈值为2；

其中，第一节点A1和第三节点A3的当前能耗超过第一标准能耗范围，因此需要启动第一节点A1和第三节点A中的定时器；

当第一节点A1中的已有模型为版本1.1对应的模型，那么目标模型与版本1.1对应的模型之间的版本更新次数为4大于版本更新阈值，启动第一节点A1中的定时器；

当第三节点A3中的已有模型为版本1.3对应的模型，那么目标模型与版本1.3对应的模型之间的版本更新次数为2等于版本更新阈值，启动第三节点A3中的定时器。

本公开实施例提供了一种可能的实现方式，其中，计算更新能耗估计值包括：

接收测试指令，并根据测试指令对待更新节点进行能耗测试，采集待更新节点的更新能耗估计值。

具体地，步骤S101包括以下步骤：

步骤S1011，响应于网络中的模型版本号更新，节点获取当前版本号，节点判断目标模型是否为需要的模型；

若是，将节点设置为待更新节点；

步骤S1012，接收测试指令，并根据测试指令对待更新节点进行能耗测试，采集待更新节点的更新能耗估计值。

本公开实施例提供了一种可能的实现方式，其中，节点连接能耗数据采集设备，能耗采集设备对节点进行能耗测试和采集当前能耗。

具体地，响应于网络中的模型版本号更新，节点获取当前版本号，节点判断目标模型为需要的模型，将节点设置为待更新节点；

网络接收到测试指令，获取测试指令中预设的测试流程，以及获取测试流程中各个测试步骤对应的控制指令；按照测试流程将控制指令依次发送至被测节点以及与其连接的能耗数据采集设备，以供被测节点以及与其连接的能耗数据采集设备响应接收到的控制指令；

即在接收到测试指令时，该能耗数据采集设备对待更新节点的能耗进行测试，并采集待更新节点测试后的当前能耗，随后将采集得到的当前能耗进行反馈。

本公开实施例提供了一种可能的实现方式，其中，响应于节点中的定时器启动，存储于同一节点中的模型启动接收器。

具体地，每个节点都存储有对应的模型和定时器，节点监听网络并在满足要求时，启动定时器，此时模型分配到一个清醒(ON)时间，在这段时间内，该模型启动接收器并根据网络上当前版本对应的目标模型进行一次模型的更新。模型在其他时间内(OFF)，该模型将关闭接收器，从而节省功率。

本公开实施例提供了一种可能的实现方式，其中，接收器用于接收当前版本号对应的目标模型。

具体地，其他时间内(OFF)的模型所在的节点，只是不接收网络上版本号的更新，但是依然可以接收其他数据，并且模型依旧被对应的协议支持或控制传播，依然具有传播性，复用性。

本公开实施例提供了一种可能的实现方式，其中，模型传播采用模型传播动力学算法协议。

具体的，由于模型动力学算法并不是本公开的核心技术，在此不做详细赘述。

以上是对一种非连续接收方法进行的描述，下面将对一种非连续接收装置进行描述。

实施例二

图2示出了本公开实施例提供的非连续接收装置，应用于网络中，网络包括多个节点，每个节点中存储有模型和定时器，定时器用于开启或关闭节点的接收模型能力；

每个节点设置有对应的标准能耗范围；

包括：

采集单元201，响应于网络中的模型版本号更新，获取当前版本号，采集待更新节点的已消耗能耗，以及计算待更新节点采用当前版本号对应的目标模型进行模型更新的更新能耗估计值，其中，当前版本号对应的目标模型为待更新节点需要的模型；

计算单元202，根据标准能耗范围和已消耗能耗计算得到更新能耗阈值；

更新单元203，响应于更新能耗估计值小于或等于更新能耗阈值，启动定时器，使得待更新节点接收并根据目标模型进行模型更新。

本公开通过网络上的模型版本号更新时触发对节点的能耗采集，启动耗能较大的节点中的定时器以开启节点的接收模型能力，使得更新耗能较大的节点接收并根据当前版本号对应的目标模型对节点中的模型进行更新，从而实现更新耗能较大的节点上的模型间隔更新，并且满足了模型不可频繁更新的需求。

本公开实施例提供了一种可能的实现方式，其中，待更新节点需要的模型的模型类型与待更新节点存储的待更新模型的模型类型相同。

本公开实施例提供了一种可能的实现方式，其中，模型传播采用模型传播动力学算法协议。

对于本公开实施例，其实现的有益效果同上述非连续接收方法实施例，此处不再赘述。

本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不远背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备和一种可读存储介质。

该电子设备，包括：

至少一个处理器；以及

与至少一个处理器通信连接的存储器；其中，

存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述方法。

该电子设备通过网络上的模型版本号更新时触发对节点的能耗采集，启动耗能较大的节点中的定时器以开启节点的接收模型能力，使得更新耗能较大的节点接收并根据当前版本号对应的目标模型对节点中的模型进行更新，从而实现耗能较大的节点上的模型间隔更新，并且满足了模型不可频繁更新的需求。

该存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行本公开实施例提供的方法。

该可读存储介质通过网络上的模型版本号更新时触发对节点的能耗采集，启动耗能较大的节点中的定时器以开启节点的接收模型能力，使得耗能较大的节点接收并根据当前版本号对应的目标模型对节点中的模型进行更新，从而实现耗能较大的节点上的模型间隔更新，并且满足了模型不可频繁更新的需求。

图3示出了可以用来实施本公开的实施例的示例电子设备300的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其他适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其他类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图3所示，设备300包括计算单元301，其可以根据存储在只读存储器(ROM)302中的计算机程序或者从存储单元308加载到随机访问存储器(RAM)303中的计算机程序，来执行各种适当的动作和处理。在RAM 303中，还可存储设备300操作所需的各种程序和数据。计算单元301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口307也连接至总线304。

设备300中的多个部件连接至I/O接口305，包括：输入单元306，例如键盘、鼠标等；输出单元307，例如各种类型的显示器、扬声器等；存储单元308，例如磁盘、光盘等；以及通信单元309，例如网卡、调制解调器、无线通信收发机等。通信单元309允许设备300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元301可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元301的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元301执行上文所描述的各个方法和处理，例如一种非连续接收方法。例如，在一些实施例中，一种非连续接收方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元307。在一些实施例中，计算机程序的部分或者全部可以经由ROM 302和/或通信单元309而被载入和/或安装到设备300上。当计算机程序加载到RAM 303并由计算单元301执行时，可以执行上文描述的一种非连续接收方法的一个或多个步骤。备选地，在其他实施例中，计算单元301可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行一种非连续接收方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在进程机器上执行或完全在进程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其他种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般进离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (13)

1.一种非违续接收方法，其特征在于，应用于网络中，网络包括多个节点，每个节点中存储有模型和定时器，所述定时器用于开启或关闭节点的接收模型能力；

每个节点设置有对应的标准能耗范围；

所述非违续接收方法包括：

响应于网络中的模型版本号更新，获取当前版本号，采集待更新节点的已消耗能耗，以及计算所述待更新节点采用所述当前版本号对应的目标模型进行模型更新的更新能耗估计值，其中，所述当前版本号对应的目标模型为所述待更新节点需要的模型；

根据所述标准能耗范围和所述已消耗能耗计算得到更新能耗阈值；

响应于所述更新能耗估计值小于或等于所述更新能耗阈值，启动所述定时器，使得所述待更新节点接收并根据所述目标模型进行模型更新。

2.如权利要求1所述的非违续接收方法，其中，所述启动所述定时器，包括以下步骤：

计算所述待更新节点采用所述目标模型进行模型更新的性能提升估计值；

获取所述预设期望值；

响应于所述更新能耗估计值小于或等于所述更新能耗阈值，并且响应于所述性能提升估计值大于或等于所述预设期望值，启动所述定时器。

3.如权利要求2所述的非违续接收方法，其中，所述响应于所述更新能耗估计值小于或等于所述更新能耗阈值，并且响应于所述性能提升估计值大于或等于所述预设期望值，启动所述定时器，具体包括以下步骤：

响应于所述更新能耗估计值小于或等于所述更新能耗阈值，获取所述目标模型与所述待更新节点中的待更新模型之间的更新数据，根据所述更新数据计算所述目标模型相较于所述待更新模型的所述性能提升估计值；

响应于所述性能提升估计值大于或等于所述预设期望值，启动所述定时器。

4.如权利要求1所述的非违续接收方法，其中，所述启动所述定时器，包括以下步骤：

响应于所述更新能耗估计值小于或等于所述标准能耗范围，获取目标模型与所述待更新模型之间的版本更新次数；

响应于版本更新次数大于或等于版本更新阈值，启动所述定时器。

5.如权利要求1所述的非违续接收方法，其中，计算所述更新能耗估计值，包括：

接收测试指令，并根据所述测试指令对所述待更新节点进行能耗测试，采集所述待更新节点的所述更新能耗估计值。

6.如权利要求1或5所述的非违续接收方法，其中，节点违接能耗数据采集设备，所述能耗采集设备对节点进行能耗测试。

7.如权利要求1所述的非违续接收方法，其中，响应于所述节点中的所述定时器启动，存储于同一所述节点中的模型启动接收器。

8.如权利要求7所述的非违续接收方法，其中，所述接收器用于接收所述当前版本号对应的所述目标模型。

9.如权利要求1所述的非违续接收方法，其中，所述待更新节点需要的模型的模型类型与所述待更新节点存储的待更新模型的模型类型相同。

10.如权利要求1所述的非违续接收方法，其中，所述待更新节点根据所述目标模型对所述待更新节点中的待更新模型进行更新，具体包括：

获取所述目标模型的参数，将所述目标模型的参数更新到所述待更新模型中。

11.一种非违续接收装置，其特征在于，应用于网络中，网络包括多个节点，每个节点中存储有模型和定时器，所述定时器用于开启或关闭节点的接收模型能力；

每个节点设置有对应的标准能耗范围；

包括：

采集单元，响应于网络中的模型版本号更新，获取当前版本号，采集待更新节点的已消耗能耗，以及计算所述待更新节点采用所述当前版本号对应的目标模型进行模型更新的更新能耗估计值，其中，所述当前版本号对应的目标模型为所述待更新节点需要的模型；

计算单元，根据所述标准能耗范围和所述已消耗能耗计算得到更新能耗阈值；

更新单元，响应于所述更新能耗估计值小于或等于所述更新能耗阈值，启动所述定时器，使得所述待更新节点接收并根据所述目标模型进行模型更新。

12.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信违接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-10中任一项所述的方法。

13.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-10中任一项所述的方法。