CN117641538A - 终端降功耗的方法及装置 - Google Patents
终端降功耗的方法及装置 Download PDFInfo
- Publication number
- CN117641538A CN117641538A CN202211004037.2A CN202211004037A CN117641538A CN 117641538 A CN117641538 A CN 117641538A CN 202211004037 A CN202211004037 A CN 202211004037A CN 117641538 A CN117641538 A CN 117641538A
- Authority
- CN
- China
- Prior art keywords
- terminal
- power consumption
- resident
- user
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000004891 communication Methods 0.000 claims abstract description 145
- 230000006399 behavior Effects 0.000 claims abstract description 81
- 230000009467 reduction Effects 0.000 claims abstract description 75
- 238000013507 mapping Methods 0.000 claims abstract description 44
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 238000012549 training Methods 0.000 claims abstract description 19
- 238000010801 machine learning Methods 0.000 claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 6
- 238000005259 measurement Methods 0.000 description 19
- 230000006870 function Effects 0.000 description 13
- 230000015654 memory Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 238000012795 verification Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007958 sleep Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
- Mobile Radio Communication Systems (AREA)
Abstract
本申请提供一种终端降功耗的方法及装置,应用于终端,终端降功耗的方法包括:在检测到终端处于未充电状态时,获取终端的位置信息;在位置信息与映射关系中的常驻位置相匹配时,获取常驻位置对应的通信行为,其中,映射关系是用户使用习惯预测模型输出的,用户使用习惯预测模型是通过预设机器学习算法对用户使用终端的历史数据进行训练得到的,映射关系包括常驻位置及所述终端在常驻位置对应的通信行为;依据通信行为执行对应的降功耗策略。本申请通过历史数据及机器学习算法得到用户使用习惯预测模型,依据用户使用习惯预测模型预测用户使用终端的常驻位置及常驻位置对应的通信行为,并依据预测的通信行为对终端进行降功耗处理。
Description
技术领域
本申请涉及通信技术领域,尤其涉及一种终端降功耗的方法及装置。
背景技术
目前,随着通信技术的不断发展,终端具有网速快、通信质量好、永远在线等优点,给用户带来了良好的体验,但是为用户带来良好体验的同时,也增加终端的耗电量,导致终端的续航能力较差,无法满足用户实际使用时的需求。
为了降低终端的耗电量,可通过限制终端的业务,例如关闭终端的数据业务也节省功耗,然而关闭数据业务之后,当终端接收到被动的数据业务时,时延较大,严重影响用户的体验,无法既减少终端的功耗,又不影响用户的使用体验。
发明内容
鉴于以上内容,有必要提供一种终端降功耗的方法及装置,通过预测用户在常驻位置的通信行为,然后基于用户在常驻位置的通信行为对终端执行对应的降功耗策略,以减少终端的功耗,避免影响用户的使用体验。
第一方面,本申请实施例提供了一种终端降功耗的方法,应用于终端,所述终端降功耗的方法包括:在检测到所述终端处于未充电状态时,获取所述终端的位置信息;在所述位置信息与映射关系中的常驻位置相匹配时,获取所述常驻位置对应的通信行为,其中,所述映射关系是用户使用习惯预测模型输出的,所述用户使用习惯预测模型是通过预设机器学习算法对用户使用所述终端的历史数据进行训练得到的,所述映射关系包括常驻位置及所述终端在所述常驻位置对应的通信行为;依据所述通信行为执行对应的降功耗策略。
采用上述技术方案,终端依据用户使用终端的历史数据即预设的机器学习算法得到用户使用习惯预测模型,并依据用户使用习惯预测模型预测用户使用终端的常驻位置及在常驻位置的通信行为(例如,是否使用数据业务或语音业务,使用数据业务或语音业务的概率或频率),当用户终端处于常驻位置时,依据用户在常驻位置的通信行为执行对应的降功耗策略,由于本申请的降功耗策略时基于用户的通信行为执行的,即可降低终端的功耗,也不会影响终端的用户体验。
进一步地,用户的通信行为为用户在常驻位置通过终端不使用的通信业务的行为或使用通信业务的概率较小,由于用户在常驻位置不使用对应的通信业务或使用通信业务的概率较小,终端可基于执行该通信业务对应的降功耗策略,例如用户在常驻位置不使用数据业务,则终端处于该常驻位置时,可关闭终端的数据业务,用户在常驻位置使用语音业务的概率较小,则可增大寻呼周期。
在上述第一方面的一种可能的实现中,所述通信行为包括时间段及所述终端在所述时间段内的通信业务信息,所述依据所述通信行为执行对应的降功耗策略包括:获取时间信息;若所述时间信息与所述通信行为中的时间段相匹配,则执行所述通信业务信息对应的降功耗策略。
采用上述技术方案,由于用户在常驻位置的不同时间段使用终端的习惯不同,即用户在常驻位置时,在不同的时间段使用终端的功能也可能不同,因此可依据不同时间段用户使用终端执行的通信业务,或不同的时间段,用户使用终端不使用的通信业务,并依据对应的通信业务执行对应的降功耗策略。
在上述第一方面的一种可能的实现中,在所述位置信息与映射关系中的常驻位置相匹配时,所述终端降功耗的方法还包括:依据所述常驻位置确定候选小区列表,所述候选小区列表包括所述终端在所述常驻位置所驻留的小区;依据所述候选小区列表确定所述终端在所述常驻位置驻留的小区。
采用上述技术方案,通过上述实施例获取的常驻位置获取用户在常驻位置使用终端时,终端常常驻留的小区,即候选小区列表中的小区,并在候选小区列表中的小区中选择终端所要驻留的小区,通过候选小区列表中选择终端所驻留的小区,缩小了终端选择小区的范围和数量,减少了小区测量和小区重选的范围,提升了小区选择的小区,降低小区选择的功耗。
在上述第一方面的一种可能的实现中,所述映射关系还包括所述常驻位置对应的候选小区列表,所述依据所述常驻位置确定候选小区列表包括:依据所述常驻位置及所述映射关系确定所述常驻位置对应的候选小区列表。
采用上述技术方案,通过用户使用习惯预测模型预测用户在常驻位置时终端所驻留的小区。
在上述第一方面的一种可能的实现中,所述终端降功耗的方法还包括:当检测到所述终端处于充电状态中,校验所述用户使用习惯预测模型,得到所述用户使用习惯预测模型的预测准确度;若所述预测准确度小于准确度阈值,则停止执行所述降功耗策略。
采用上述技术方案,在终端处于充电状态时,还可对终端进行用户使用习惯预测模型的校验,以避免用户使用习惯预测模型的预测准确度较低,导致执行降功耗策略时影响用户体验。
进一步地,终端可对用户使用习惯预测模型进行周期性校验,当终端处于校验周期内且终端处于充电状态,终端可对用户使用习惯预测模型进行校验,并对预测准确度低的用户使用习惯预测模型进行修正,以提升用户使用习惯预测模型的预测准确度。
在上述第一方面的一种可能的实现中,所述获取所述终端的位置信息包括:获取所述终端的通信信息;依据所述通信信息确定所述终端的位置信息,所述通信信息包括所述终端所驻留的小区信息、所述终端扫描到的WiFi信息及所述终端扫描到的蓝牙信息中至少一项。
采用上述技术方案,在终端不具备位置服务功能或位置服务功能处于状态时,终端可通过终端的通信信息确定终端的位置,例如,通信信息可包括与终端建立WiFi连接的路由器或终端扫描到且未建立WiFi连接的路由器,通过与终端与建立的WiFi连接确定终端位于家里。
在上述第一方面的一种可能的实现中,所述依据所述通信行为执行对应的降功耗策略包括:若所述通信业务信息为未使用数据业务,则关闭所述终端的数据业务;若所述通信业务信息未使用语音业务,则增大所述终端的寻呼周期。
采用上述技术方案,在终端在常驻位置不使用数据业务时,关闭终端的数据业务,以降低功耗,在终端在常驻位置不使用语音业务时,增大寻呼周期,以降低功耗。
在上述第一方面的一种可能的实现中,所述方法还包括:若所述终端的位置信息与所述常驻位置不相匹配,或,若所述终端的时间信息与所述时间段不相匹配,停止执行所述降功耗策略。
采用上述方案,在终端离开常驻位置或当前时间不在映射关系中的时间段内,则停止执行所述降功耗策略,避免影响用户使用体验。当然,在其他实施例中,若终端处于充电状态,也终端也可停止执行对应的降功耗策略。
在上述第一方面的一种可能的实现中,所述依据所述候选小区列表确定所述终端在所述常驻位置驻留的小区包括:获取所述终端在所述候选小区列表中各个小区对应的功耗;依据所述功耗确定所述终端所驻留的目标小区。
采用上述方案,从候选小区列表中选取终端功耗最小对应的小区作为目标小区,也可基于功耗和小区对应的信号强度选择候选小区列表中的目标小区。
第二方面,本申请实施例提供一种终端,包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当所述一个或至少一个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面任一项所述的终端降功耗的方法。
第三方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如第一方面中任一项所述的终端降功耗的方法。
应当理解地,第二方面至第三方面中任一种设计所带来的技术效果可参考上文所提供的对应的方法中的有益效果,此处不再赘述。
附图说明
图1为本申请实施例提供的一种终端降功耗的示意图。
图2为本申请实施例提供的一种终端降功耗的方法的流程示意图。
图3为本申请实施例提供的一种用户使用习惯预测模型的示意图。
图4为本申请实施例提供的一种形成用户使用习惯预测模型的流程示意图。
图5为本申请实施例提供的另一种终端降功耗的方法的流程示意图。
图6为本申请实施例提供的终端降功耗开关的示意图。
图7为本申请实施例的终端降功耗提醒示意图。
图8为本申请实施例提供的终端的模块示意图。
图9为本申请实施例的终端的硬件示意图。
具体实施方式
以下,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请实施例的描述中,“示例性的”或者“例如”等词用于标识作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请中的技术领域的技术人员通常理解的含义相同。本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。应理解,本申请中除非另有说明,“多个”是指两个或多于两个,“和/或”包括关联的所列项目中的一个或多个的任何和所有组合。
为了降低终端的功耗,提升终端在非充电状态下的续航能力,常常通过关闭部分终端的业务功能来实现,然而关闭终端业务功能会降低用户的使用体验,如何在保证用户体验的前提下,降低终端的功耗,是本申请要解决的一个技术问题。
基于上述问题,本申请提供一种终端降功耗的方法,如图1所示,为本申请提供的终端降功耗的方法的示意图,终端通过预设机器学习算法训练用户使用终端的历史数据得到用户使用习惯预测模型,该用户使用习惯预测模型可预测用户使用终端的常驻位置及用户在常驻位置执行的通信行为,当用户的终端处于常驻位置时,可以依据常驻位置对应的通信行为对终端执行对应的降功耗策略,由于该降功耗策略是基于用户使用终端的通信行为执行的,在执行降功耗策略过程中,不会影响用户的使用体验。
本申请实施例提供的终端降功耗的方法,应用于终端。示例性的,本申请实施例的终端可以是移动电子设备,诸如移动电话、移动电脑、平板电脑、个人数字助理(PersonalDigital Assistant,PDA)或可穿戴式设备(Wearable Device)等。
请参见图2,为本申请实施例提供的一种终端降功耗的方法的流程示意图。该终端降功耗的方法可应用于转发设备。终端降功耗的方法包括以下步骤:
S201、在检测到终端处于未充电状态时,获取终端的位置信息。
本申请提供的终端降功耗的方法用于在终端处于未充电状态时进行,以便减少终端的功耗,提升终端的续航。
在一些实施例中,终端的位置信息功能被打开或终端具有基于位置的服务(Location Based Services,LBS)则终端可直接获取当前所在的位置,该位置即为终端的位置信息。
可以理解,在其他实施例中,若终端的位置信息功能被关闭或终端不具备LBS,则可通过终端的通信信息确定终端的位置信息,通信信息包括终端所驻留的小区信息、终端扫描到的WiFi信息及终端扫描到的蓝牙信息中至少一项。终端可依据上述小区信息、WiFi信息及蓝牙信息中的至少一项确定终端的位置信息。
其中终端所驻留的小区信息可包括终端在空闲态所驻留的小区且没有接入的小区,还包括终端处于连接态时驻留且接入的小区。例如终端所在的位置处于多个小区的覆盖区域,但终端仅接入其中一个小区,终端可获取多个小区的信息,并可以依据多个小区中的至少一个小区确定终端的位置信息。
终端扫描到的WiFi信息包括终端扫描到的WiFi设备的信息(例如路由器的信息),这里的WiFi设备包括终端与之建立WiFi连接的WiFi设备,还包括终端扫描到的但没有连接的WiFi设备,例如终端扫描扫3个WiFi设备,终端选择并接入其中一个接收信号强度最好的WiFi设备,则另两个WiFi设备虽然终端扫描到,但是终端并未与之建立WiFi连接。
终端扫描到的蓝牙信息包括终端扫描的蓝牙设备的信息(例如蓝牙音箱),这里的蓝牙设备包括终端与之建立蓝牙连接的蓝牙设备,还包括终端扫描到的但没有与之建立蓝牙连接的蓝牙设备。
例如,若终端在常驻位置时接入基站A的小区B,则当终端接入基站A的小区B时,则确定位于常驻位置。
则位置信息包括通信信息,则S101包括:获取终端的通信信息,依据通信信息确定终端的位置信息。
如此,依据终端的通信信息即可确定终端的位置。
在一些实施例中,终端中可形成终端的位置信息和终端的通信信息的对应关系,则当终端达到预设位置,终端依据驻留预设小区、扫描到蓝牙信息或WiFi信息确定终端的通信信息,依据通信信息与对应关系中的通信信息进行匹配,则相匹配的通信信息对应的位置信息即为终端的位置信息。
S202、在位置信息与映射关系中的常驻位置相匹配时,获取终端在常驻位置对应的通信行为。
其中,映射关系包括常驻位置及终端在常驻位置对应的通信行为。
常驻位置为用户使用终端经常驻留的位置,例如成人用户在白天经常驻留的位置为单位,儿童在白天经常驻留的位置为学校。
在一些实施例中,常驻位置为用户在该位置使用终端的通信行为具有一定的规律性,例如用户在工作单位时不主动通过终端进行语音业务、使用语音业务的概率比较低,则工作单位可为常驻位置。
进一步地,通信行为可为用户在常驻位置的特定时间段内不执行至少一种或多种通信业务或执行至少一种或多种通信业务的概率比较低,例如,用户A在单位的10:30~11:00期间不执行语音业务、用户B在家的1:30~3:00期间进行数据业务、用户C在家的1:30~3:00期间很少进行数据业务和语音业务。
本申请的实施例中,映射关系是由用户使用习惯预测模型输出的,用户使用习惯预测模型通过预设机器学习算法对用户使用终端的历史数据进行训练得到。即通过用户使用终端的历史数据以获得用户使用习惯预测模型,通过用户使用习惯预测模型预测用户在常驻位置的通信行为。
具体地,依据用户使用习惯预测模型预测用户的常驻位置及在常驻位置的通信行为,当用户的终端的当前位置处于用户使用习惯预测模型预测的其中一个常驻位置时,终端确定终端的位置信息与常驻位置相匹配,然后依据映射关系获取与位置信息匹配的常驻位置对应的通信行为。
请参见图3,图3是终端形成用户使用习惯预测模型的示意图,将用户使用终端的历史数据作为输入,历史数据包括时间特征数据、空间特征数据、业务标签数据,并对历史数据进行预处理,形成训练数据(例如,训练数据可包括终端驻留的小区,及在每个小区终端执行的语音业务、数据业务);并依据机器学习算法和训练数据确定用户使用习惯预测模型,依据用户使用习惯预测模型输出的常驻位置及常驻位置对应的用户使用终端的通信行为执行对应的降功耗策略。
具体地,请参见图4,形成用户使用习惯预测模型的方法包括以下步骤:
S401、获取用户使用终端的历史数据。
其中,历史数据包括时间特征数据、空间特征数据、业务标签数据,时间特征数据为用户使用终端的时间,例如星期几、节假日、每天的某些时段。空间特征数据为用户使用终端的位置信息,例如学校、家里、单位,当然,可通过其他方式确定位置信息,若终端具有LBS功能,则可获取终端的经纬度,该经纬度即为位置信息;也可通过终端的通信信息确定终端的位置信息,例如终端驻留的基站的小区、终端进行WiFi连接的路由器。业务数据可为用户通过终端使用的业务类型,例如语音业务、数据业务、心跳包相关业务等,业务数据还包括终端的相关业务的业务时长、信号强度、信号质量等。
S402、预处理历史数据,以得到训练数据。
其中预处理可为数据清理,数据集成,数据变换等。例如读取清洗并解析用户数据,添加训练特征与标签,最终输出一组带标签的训练数据,其中标签可为是否为节假日、训练数据对应的时间段等。
又例如,可通过对历史数据进行预处理,以确定终端驻留的小区、驻留次数或终端的位置。也可获取用户使用终端执行数据业务或语音业务的次数、时长。
S403、利用预设机器学习算法对训练数据进行训练以获取用户使用习惯预测模型。
本申请实施例中,机器学习算法可为随机森林和朴素贝叶斯模型等轻量级算法,以减少用户使用习惯预测模型获取过程中对终端算力的消耗。
在一些实施例中,终端可依据用户使用终端的历史数据(例如时间特征数据、空间特征数据)、并基于统计分析方法和基于聚类算法确定用户使用终端的常驻位置,并将常驻位置输入用户使用习惯预测模型,以使用户使用习惯预测模型可依据常驻位置输出终端在常驻位置对应的通信行为。
在一些实施例中,终端具有LBS功能,则终端通过LBS功能获取终端的经纬度,依据经纬度确定终端的常驻位置,当然,若终端不具有LBS功能或终端的位置服务功能处于关闭状态,则终端可通过其通信信息确定终端的常驻位置,例如终端驻留的基站的小区、终端进行WiFi连接的路由器、终端建立蓝牙连接的蓝牙设备(例如蓝牙音箱)。
进一步地,用户使用终端的常驻位置可为一个,也可为多个,例如家和单位。
在一些实施例中,用户的使用终端的历史数据可为用户在预设时间内的数据,例如15天、30天。
进一步地,终端可将预设时间内的数据划分为预设片段,例如96片段,用户使用习惯预测模型可预测每个片段内用户的通信行为,然后再将预设片段的通信行为汇聚形成预设时间内的通信行为。例如,将无数据业务或无语音业务的片段进行汇聚,得到汇聚后的通信行为。
进一步地,终端可依据无通信业务执行或通信业务执行的概率较小时终端所在的位置确定用户使用终端的常驻位置,例如,用户在工作单位时不使用终端进行语音业务和数据业务或使用语音业务和通信业务的概率较小,则可依据用户的通信行为确定用户使用终端的常驻位置。即常驻位置为用户不通过终端使用通信行为的位置。
在一些实施例中,由于用户使用终端的历史数据属于用户的隐私数据,本申请中的用户数据仅存储于终端的端侧,而不会将该历史数据上传至云端。
在一些实施例中,在检测到终端处于充电状态中时,终端运行用户使用习惯预测模型预测,并由用户使用习惯预测模型预测终端在下一时间段内在常驻位置内的通信行为。
进一步,在终端处于充电状态时,运行用户使用习惯预测模型预测,以避免用户使用习惯预测模型预测在终端处于非充电状态时运行消耗终端的功耗。当然,在其他实施例中,用户使用习惯预测模型预测也可运行在终端处于非充电状态中。
在一些实施例中,用户使用习惯预测模型输出映射关系,映射关系包括常驻位置及终端在常驻位置的通信行为。
由于用户使用习惯预测模型可用于预测终端的常驻位置及终端在常驻位置的通信行为,即用户使用习惯预测模型需要预测的数据包括多个种类,例如用户的常驻位置、用户在常驻位置的通信行为,且依据每种机器学习算法获取的机器模型对每种类型的数据的预测准确度不一样,因此可采用多算法融合方法,即通过多个机器学习算法对训练数据进行训练,以获取多个子模型;获取多个子模型对每种数据的预测的准确度,依据准确度为每个子模型设定对应权重,则多个子模型及权重形成用户使用习惯预测模型,终端可依据多个子模型及权重预测终端的常驻位置及在常驻位置的通信行为。
示例性地,依据用户历史数据形成训练数据,采用随机森林和朴素贝叶斯模型分别对训练数据进行训练,得到随机森林对应的子模型1和朴素贝叶斯模型对应的模型2,获取子模型1对常驻位置的预测的准确度为0.8,对常驻位置的通信行为的预测的准确度为0.4,获取子模型2对常驻位置的预测的准确度为0.8,对常驻位置的通信行为的预测的准确度为0.6,由于两个子模型对常驻位置的预测的准确度均为0.8,则两个子模型对应的第一权重均为0.5;两个子模型对常驻位置的通信行为的预测的准确度分别为0.4及0.6,则子模型1、子模型2对应常驻位置的通信行为第二权重可为0.4和0.6,两个子模型及权重形成用户使用习惯预测模型,终端可依据两个子模型及权重预测终端的常驻位置及在常驻位置的通信行为。
如此,采用多算法融合的方法确定用户使用习惯预测模型,以便于可综合各个算法的优缺点,保证不同用户的不同场景的通信行为预测准确率。
在一些实施例中,终端可周期性对用户使用习惯预测模型进行校验,具体地,终端获取最新一个周期内用户使用终端的历史数据和用户使用习惯预测模型的预测数据进行比较,以确定用户使用习惯预测模型的预测准确度;若预测准确度小于准确度阈值,则停止降功耗策略的执行;然后通过用户的历史数据不断修正用户使用习惯预测模型,直至用户使用习惯预测模型的预测准确度大于或等于准确度阈值,则开始依据用户使用习惯预测模型输出映射关系执行对应的降功耗策略。
在一些实施例中,若终端确定用户使用习惯预测模型的预测准确度小于准确度阈值,则终端将用户使用习惯预测模型输出的映射关系的状态设置为无效,以使终端不再基于映射关系执行对应的降功耗策略。终端可依据历史数据对用户使用习惯预测模型进行修正,直至用户使用习惯预测模型的预测准确度大于或等于准确度阈值,终端将用户使用习惯预测模型输出的映射关系的状态设置为有效,以使终端可基于映射关系执行对应的降功耗策略。
进一步地,终端可对用户使用习惯预测模型进行周期性校验,当终端处于校验周期内且终端处于充电状态,终端可对用户使用习惯预测模型进行校验,并对预测准确度低的用户使用习惯预测模型进行修正,以提升用户使用习惯预测模型的预测准确度。
在一些实施例中,若终端具有多张客户身份识别SIM卡,则终端可基于每张卡的历史数据训练得到对应的用户使用习惯预测模型,并基于用户使用习惯预测模型输出对应的映射关系,即终端的多张SIM卡对应的用户使用习惯预测模型是相互独立的。
S203、依据通信行为执行对应的降功耗策略。
具体地,依据用户在常驻位置的通信行为,执行对应的降功耗策略。示例性地,用户在工作单位时,用户将终端保存在存储柜中,则终端保存在存储柜期间,用户不主动使用终端的语音业务,则终端执行语音业务的概率较低,则通过增大终端的寻呼周期,以降低终端的功耗;
又例如,用户在家里睡觉时,用户不主动使用终端的数据业务或终端执行数据业务的概率较少(例如数据业务的传输速率很低),则可关闭终端的数据业务开关,以降低终端的功耗。可以理解,以上仅为本申请对降功耗策略的举例,关于语音业务、数据业务等通信行为对应的降功耗策略不限于本申请提到的。
如此,通过预设机器学习算法对用户使用终端的历史数据进行训练确定用户使用习惯预测模型,并通过用户使用习惯预测模型预测用户的常驻位置及在常驻位置的通信行为,在终端到达常驻位置,依据用户使用习惯预测模型预测用户的通信行为对终端执行对应的降功耗策略,以实现依据用户的通信行为针对性地执行对应的降功耗策略,以保证用户体验不受影响情况下优化通信功耗。
可以理解,通信行为处理包括语音业务、数据业务等与数据通信相关的业务,还可包括用户操作习惯,即用户使用习惯预测模型还用于预测用于使用其他模块的习惯,例如用户使用屏幕、处理器、摄像头的习惯,示例性性,用户在每天9:00~10:00内或\和地铁上时不使用摄像头,则终端处于该预设时间段和\或预设位置时,执行关于摄像头的降功耗策略,例如终端关闭关于摄像头的部分功能。
在一些实施例中,用户的通信行为为用户在常驻位置通过终端不使用通信业务或使用通信业务的概率较小的行为,由于用户在常驻位置不使用对应的通信业务或对其中一个或多个通信业务使用的概率较小,终端可基于执行该通信业务对应的降功耗策略,例如用户在常驻位置不使用数据业务或使用数据业务的概率较小,则终端处于该常驻位置时,可关闭终端的数据业务。
在一些实施例中,映射关系中的通信行为包括时间段及终端在常驻位置的对应时间段的通信业务信息。
例如,用户在单位的9:00~10:00内不使用终端执行语音业务和数据业务或使用终端执行语音业务和数据业务的概率较小,则常驻位置为单位,时间段为9:00~10:00,通信业务信息为不执行语音业务和数据业务或执行语音业务或数据业务的概率较小。
则S102包括:获取时间信息,其中,时间信息即为终端当前的时刻。若时间信息与通信行为中的时间段相匹配,则执行通信业务信息对应的降功耗策略。
可以理解,用户在常驻位置的通信行为并不是总是规律性地,例如用户在单位时,在9:00~10:00时间段内频繁使用数据业务或语音业务,但在10:00~11:00时间段内不使用语音业务或使用语音业务的概率较小。则当终端处于常驻位置时,且在10:00~11:00时间段内,才可执行语音业务对应的降功耗策略;在9:00~10:00时间段内,由于用户频繁使用语音业务,为了保证用户的使用体验,终端在该时间段不执行语音业务对应的降功耗策略。
终端确定终端当前的时间信息位于通信行为对应的时间段内,则确定时间信息与通信行为长的时间段相匹配。
可以理解,若依据用户使用习惯预测模型预测的映射关系确定用户在常驻位置的特定时间段内不使用终端的数据业务,则当检测到终端处于非充电状态下,终端处于常驻位置且在该特定时间段内,终端可执行数据业务对应的降功耗策略,例如关闭终端的数据业务,在不影响用户体验的前提下,降低终端的功耗。
进一步地,当终端满足以下任一条件时,终端停止执行基于映射关系的降功耗策略:
1、检测到终端的位置不在常驻位置内;
2、当前时间不在特定时间段内;
3、终端处于充电状态。
具体地,当用户的终端在基于用户使用习惯预测模型预测的映射关系执行数据业务对应的降功耗策略时,若终端满足以上任一条件,则终端停止执行对应的降功耗策略,以避免对用户体验产生影响。
可以理解,若依据用户使用习惯预测模型预测的映射关系确定用户在常驻位置的特定时间段内不使用终端的语音业务,则当检测到终端处于非充电状态下,终端处于常驻位置且在该特定时间段内,终端可执行语音业务对应的降功耗策略,例如拉长寻呼周期或优化预同步周期,在不影响用户体验的前提下,降低终端的功耗。
例如,终端的寻呼周期为寻呼周期320ms,在确定终端不执行语音业务或使用语音业务的概率较小时,则可将寻呼周期拉长至640ms。
进一步地,当终端满足以下任一条件时,终端停止执行基于映射关系的降功耗策略:
1、检测到终端的位置不在常驻位置内;
2、当前时间不在特定时间段内;
3、终端处于充电状态。
具体地,当用户的终端在基于用户使用习惯预测模型预测的映射关系执行语音业务对应的降功耗策略时,若终端满足以上任一条件,则终端停止执行对应的降功耗策略,以避免对用户体验产生影响。
当然,可以理解,每个终端具有一个或多个常驻位置,终端可从一个常驻位置进入另一个常驻位置,则终端可基于新的常驻位置、常驻位置对应的通信行为执行新的降功耗策略。
可以理解,用户使用习惯预测模型预测用户使用终端的通信业务的数量包括多种,例如语音业务、数据业务。终端基于每种具体的通信业务信息执行对应的降功耗策略,且相互之间是相互独立的。
例如,若终端依据终端的位置信息、时间信息及用户使用习惯预测模型预测的映射关系执行数据业务和语音业务对应的降功耗策略,当终端当前的位置离开数据业务对应的常驻位置且仍在语音业务对应的常驻位置,则终端可停止数据业务对应的降功耗策略,但继续执行语音业务对应的降功耗策略。
在一些实施例中,用户使用习惯预测模型还用于预测用户使用的终端在常驻位置经常驻留的小区,则映射关系还包括常驻位置对应的候选小区列表,候选小区列表包括终端在常驻位置所驻留的小区。
当然,在其他实施例中,终端可以依据映射关系确定用户使用终端的常驻位置,然后依据常驻位置及历史数据确定候选小区列表,候选小区列表包括终端在常驻位置所驻留的小区。
例如,终端依据常驻位置及历史数据,通过统计分析方法和基于聚类算法学习确定候选小区列表。
如此,在终端中位置处于常驻位置时,还用于依据常驻位置确定对应的候选小区列表,并在候选小区列表中确定终端所驻留的小区。
请参见图5,在终端位置信息与映射关系中的常驻位置相匹配时,终端降功耗的方法还包括:
S501、依据常驻位置确定候选小区列表。
其中,候选小区列表包括终端在常驻位置所驻留的小区。候选小区列表可包括一个或多个小区,本申请不限定候选小区列表中小区的数量。
S502、依据候选小区列表确定终端在常驻位置驻留的目标小区。
具体地,在候选小区列表所限定的小区内选取终端在常驻位置所驻留的目标小区,相较于现有技术中终端基于按照协议标准进行轮训测量,缩小了小区测量和小区重选的范围,提升了小区选择的效率,降低终端的功耗。
在一些实施例中,终端获取候选小区列表之后,从候选小区列表中获取满足信号强度且功耗最小的小区作为终端在常驻位置所驻留的目标小区。
具体地,终端获取小区列表中每个小区对应的信号强度,将信号强度满足信号强度阈值对应的小区组成目标小区列表,然后选取目标小区列表中终端功耗最小的小区作为终端所驻留的小区。
当然,在其他实施例中,若候选小区列表中的小区的信号强度均满足预设信号强度,则终端可直接在候选小区列表中确定对应的目标小区。
在一些实施例中,依据所述候选小区列表确定终端在常驻位置驻留的小区包括:获取终端在候选小区列表中各个小区对应的功耗;依据功耗确定终端所驻留的小区。
具体地,可通过功耗计算方法计算终端在候选小区列表中各个小区对应的功耗,可选择终端功耗最小对应的小区作为终端驻留的小区,当然在,在其他实施例中,终端也可选取功耗最小的预设数目的小区,并从预设数目的小区中确定终端所驻留的目标小区,例如确定终端功耗最小的3个小区,并选取3个小区中信号强度最好或网络制式最高对应的小区作为终端所驻留的小区。
在一些实施例中,终端可通过以下公式计算终端在候选小区列表中每个小区对应的终端的功耗:
其中,am、bm为实验室功耗拟合各参数系数,xm为小区不同影响功耗参数数据化后值。当然,在其他实施例中,还可通过其他方法计算终端在候选小区列表中每个小区对应的功耗。在一些实施例中,当终端的位置处于常驻位置,终端可基于常驻位置对应的候选小区列表确定终端所驻留的目标小区,当终端的位置离开常驻位置,则终端需重选确定终端所驻留的小区。
在一些实施例中,当终端所驻留的小区的信号强度小于信号强度阈值,则终端可依据上述实施例中功耗重新选择终端所驻留的小区,当然,若候选小区列表中所有小区的信号强度均小于信号强度阈值,则终端可基于标准协议规定进行小区测量和小区重选,以确定终端所驻留的小区。
在标准协议中,通常依据技术的新旧设置网络制式优先级,例如GSM、UMTS、LTE、NR的网络制式优先级依次变大,终端在进行小区测量和重选时,通常优先驻留在高优先级对应的网络制式的小区中,然后该小区测量和重选确定的驻留小区并未考虑终端的功耗,而本申请通过用户使用终端的历史数据可确定候选小区列表,在候选小区列表中选择终端所驻留的小区,减少小区重选和测量的范围,且从候选小区列表中确定功耗最优的小区。提升选择终端驻留小区的效率,降低终端的功耗。
标准协议终端按照基站下发的同频、异频、异系统起测门限和基站下发的邻区列表进行测量和重选,本申请在如下场景优化:基站下发的起测门限比较高的情况下,基站易触发测量,浪费功耗。本申请学习用户在常驻位置各个小区信号强度和质量,针对信号强度很好没有必要的小区降低起测量门限。邻区数较多,终端按照协议标准进行轮训测量,本申请可以指导终端在常驻位置优先测量历史邻区信号较好小区,减少按照基站盲目测量很多才测到对应小区。例如某小区配置邻区150个,按照标准协议测量到第150个才测到信号质量好的小区,本申请基于常驻位置指导终端优先测量信号强度较好的小区,减少不必要的测量。
根据常驻位置GSM、UMTS、LTE、NR历史驻留小区信号强度,重选触发门限,重选小区数据,生成UE在常驻位置驻留小区对应测量策略:生成每个小区测量触发门限,减少无效测量,增大测量周期;生成常驻位置优先测量邻区列表,减少测量的同频邻区、异频邻区、异系统邻区数;生成小区到邻区重选参数门限。减少重选和测量次数,节省功耗。
按照对应降功耗策略,当信号强度满足一定条件时,增大测量周期,并且优先按照候选小区列表测量邻区,按照下发的重选参数进行小区重选。尽量让终端驻留在信号稳定的小区,减少测量和重选到信号不稳定小区,基于终端常驻位置及历史数据,优先测量信号强度较好的邻区,以减少终端小区测量和重选节省功耗。
在一些实施例中,用户可通过输入预设指令,终端依据预设指令以开启终端降功耗,开启之后,终端可依据上述实施例所述的方法对终端执行对应的降功耗策略。如图6所示,用户可在终端的打开或关闭终端降功耗。
进一步地,可在终端降功耗开关旁边设置提示信息,以提示用户终端降功耗的说明,例如,终端降功耗时基于机器学习预测用户的通信行为,并依据用户的通信行为,在不影响用户体验的前提下降低终端的功耗,提升终端的续航能力。
进一步地,当终端开始基于用户的通信行为执行对应的降功耗策略,终端的屏幕弹出提醒窗口,以提醒终端即将执行基于通信行为的终端降功耗,用户可通过提示窗口的选择进入执行基于通信行为的终端降功耗,或退出执行基于通信行为的终端降功耗。如图7所述,终端的屏幕弹出提醒窗口,用户若按“进入”按钮,则终端进入执行基于通信行为的终端降功耗;若用户若按“退出”按钮,则终端退出执行基于通信行为的终端降功耗。若用户在预设时间没有操作,则终端默认进入执行基于通信行为的终端降功耗。其中预设时间可为10秒等。
请参见图8,图8为终端的模块示意图。终端包括采集模块、预测模块及降功耗模块。这些模块可以执行上述方法示例中终端的相应功能。举例来说:
采集模块用于采集用户使用终端的历史数据,预测模块用于通过预设机器学习算法对用户使用所述终端的历史数据进行训练得到户使用习惯预测模型,通过户使用习惯预测模型的映射关系,映射关系包括常驻位置及所述终端在所述常驻位置对应的通信行为;
降功耗模块用于在检测到所述终端处于未充电状态时,获取所述终端的位置信息;在所述位置信息与映射关系中的常驻位置相匹配时,获取所述常驻位置对应的通信行为,依据所述通信行为执行对应的降功耗策略。
在一些实施例中,所述通信行为包括时间段及所述终端在所述时间段内的通信业务信息,所述降功耗模块还用于:获取时间信息;若所述时间信息与所述通信行为中的时间段相匹配,则执行所述通信业务信息对应的降功耗策略。
在一些实施例中,在所述位置信息与映射关系中的常驻位置相匹配时,所述降功耗模块还用于:依据所述常驻位置确定候选小区列表,所述候选小区列表包括所述终端在所述常驻位置所驻留的小区;依据所述候选小区列表确定所述终端在所述常驻位置驻留的小区。
所述降功耗模块还用于,所述映射关系还包括所述常驻位置对应的候选小区列表,所述降功耗模块还用于:依据所述常驻位置及所述映射关系确定所述常驻位置对应的候选小区列表。
在一些实施例中,所述降功耗模块还用于:当检测到所述终端处于充电状态中,校验所述用户使用习惯预测模型,得到所述用户使用习惯预测模型的预测准确度;若所述预测准确度小于准确度阈值,则停止执行所述降功耗策略。
在一些实施例中,所述降功耗模块还用于,所述获取所述终端的位置信息包括:获取所述终端的通信信息;依据所述通信信息确定所述终端的位置信息。通信信息包括终端所驻留的小区信息、终端扫描到的WiFi信息及终端扫描到的蓝牙信息中至少一项。
在一些实施例中,所述降功耗模块还用于:若所述通信业务信息为未使用数据业务,则关闭所述终端的数据业务;若所述通信业务信息未使用语音业务,则增大所述终端的寻呼周期。
在一些实施例中,所述降功耗模块还用于:若所述终端的位置信息与所述常驻位置不相匹配或,若所述终端的时间信息与所述时间段不相匹配,停止执行所述降功耗策略。
在一些实施例中,所述降功耗模块还用于:获取所述终端在所述候选小区列表中各个小区对应的功耗;依据所述功耗确定所述终端所驻留的目标小区。
可理解地,图9仅作为终端110的一种示例,而非限定。终端可以有比图9所示的更多或更少的模块。
接下来请参考图9,图9为本申请实施例提供的终端110的结构图。如图9所示,终端110包括:处理器10、发送器20、接收器30、存储器40和端口50。存储器40、发送器20和接收器30和处理器10可以通过总线进行连接。当然,在实际运用中,存储器40、发送器20和接收器30和处理器10之间可以不是总线结构,而可以是其它结构,例如星型结构,本申请不作具体限定。
可选的,处理器10具体可以是中央处理器、特定应用集成电路(ApplicationSpecific Integrated Circuit,ASIC),一个或多个用于控制程序执行的集成电路,使用现场可编程门阵列(Field Programmable Gate Array,FPGA)开发的硬件电路,基带处理器等。
可选的,处理器10可以包括至少一个处理核心。
可选的,存储器40可以包括只读存储器(Read Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)和磁盘存储器。存储器40用于存储处理器10运行时所需的数据。存储器40的数量为一个或多个。
可选的,端口50的数量为一个或多个,用于与上层或下层的终端110连接。如果终端110为连接主机或服务器的终端110,端口50还用于与主机或服务器连接。
可选的,发送器20和接收器30在物理上可以相互独立也可以集成在一起。发送器20可以通过端口50将数据发送给基站。接收器30可以通过端口50接收来自基站发送的数据。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。这些计算机程序代码可以存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中。
本实施例还提供一种计算机存储介质,该计算机存储介质中存储有计算机指令,当该计算机指令在终端上运行时,使得终端执行上述相关方法步骤实现上述实施例中的终端降功耗的方法。
本实施例还提供了一种计算机程序产品,当该计算机程序产品在终端上运行时,使得终端执行上述相关步骤,以实现上述实施例中的终端降功耗的方法。
另外,本申请的实施例还提供一种装置,这个装置具体可以是芯片,组件或模块,该装置可包括相连的处理器和存储器;其中,存储器用于存储计算机执行指令,当装置运行时,处理器可执行存储器存储的计算机执行指令,以使芯片执行上述各方法实施例中的终端降功耗的方法。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,该模块或模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其他的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是一个物理模块或多个物理模块,即可以位于一个地方,或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
该集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
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 (11)
1.一种终端降功耗的方法,其特征在于,应用于终端,所述终端降功耗的方法包括:
在检测到所述终端处于未充电状态时,获取所述终端的位置信息;
在所述位置信息与映射关系中的常驻位置相匹配时,获取所述常驻位置对应的通信行为,其中,所述映射关系是用户使用习惯预测模型输出的,所述用户使用习惯预测模型是通过预设机器学习算法对用户使用所述终端的历史数据进行训练得到的,所述映射关系包括常驻位置及所述终端在所述常驻位置对应的通信行为;
依据所述通信行为执行对应的降功耗策略。
2.如权利要求1所述的终端降功耗的方法,其特征在于,所述通信行为包括时间段及所述终端在所述时间段内的通信业务信息,所述依据所述通信行为执行对应的降功耗策略包括:
获取时间信息;
若所述时间信息与所述通信行为中的时间段相匹配,则执行所述通信业务信息对应的降功耗策略。
3.如权利要求1或2所述的终端降功耗的方法,其特征在于,在所述位置信息与映射关系中的常驻位置相匹配时,所述终端降功耗的方法还包括:
依据所述常驻位置确定候选小区列表,所述候选小区列表包括所述终端在所述常驻位置所驻留的小区;
依据所述候选小区列表确定所述终端在所述常驻位置驻留的小区。
4.如权利要求3所述的终端降功耗的方法,其特征在于,所述映射关系还包括所述常驻位置对应的候选小区列表,所述依据所述常驻位置确定候选小区列表包括:
依据所述常驻位置及所述映射关系确定所述常驻位置对应的候选小区列表。
5.如权利要求1至4任一项所述的终端降功耗的方法,其特征在于,所述终端降功耗的方法还包括:
当检测到所述终端处于充电状态中,校验所述用户使用习惯预测模型,得到所述用户使用习惯预测模型的预测准确度;
若所述预测准确度小于准确度阈值,则停止执行所述降功耗策略。
6.如权利要求1至5任一项所述的终端降功耗的方法,其特征在于,所述获取所述终端的位置信息包括:
获取所述终端的通信信息,所述通信信息包括所述终端所驻留的小区信息、所述终端扫描到的WiFi信息及所述终端扫描到的蓝牙信息中至少一项;
依据所述通信信息确定所述终端的位置信息。
7.如权利要求2所述的终端降功耗的方法,其特征在于,所述依据所述通信行为执行对应的降功耗策略包括:
若所述通信业务信息为未使用数据业务,则关闭所述终端的数据业务;
若所述通信业务信息未使用语音业务,则增大所述终端的寻呼周期。
8.如权利要求1至7任一项所述的终端降功耗的方法,其特征在于,所述方法还包括:
若所述终端的位置信息与所述常驻位置不相匹配,或
若所述终端的时间信息与所述时间段不相匹配,或
所述终端进入充电状态,停止执行所述降功耗策略。
9.如权利要求3所述的终端降功耗的方法,其特征在于,所述依据所述候选小区列表确定所述终端在所述常驻位置驻留的小区包括:
获取所述终端在所述候选小区列表中各个小区对应的功耗;
依据所述功耗确定所述终端所驻留的目标小区。
10.一种终端,其特征在于,所述终端包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至9中任一项所述的终端降功耗的方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时,实现如权利要求1至9中任一项所述的终端降功耗的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211004037.2A CN117641538A (zh) | 2022-08-19 | 2022-08-19 | 终端降功耗的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211004037.2A CN117641538A (zh) | 2022-08-19 | 2022-08-19 | 终端降功耗的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117641538A true CN117641538A (zh) | 2024-03-01 |
Family
ID=90017038
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211004037.2A Pending CN117641538A (zh) | 2022-08-19 | 2022-08-19 | 终端降功耗的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117641538A (zh) |
-
2022
- 2022-08-19 CN CN202211004037.2A patent/CN117641538A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230262706A1 (en) | Reporting method for user equipment assistance information, user equipment, and storage medium | |
US20080207195A1 (en) | Network oriented control system for self-configuration and self-optimization measurements | |
JP2001309419A (ja) | 移動通信システムの位置登録方法及びその移動機 | |
CN112823544B (zh) | 条件切换的方法、装置、通信设备及存储介质 | |
KR20130092486A (ko) | 제한된 서비스에서 최적화된 높은 우선순위 plmn 검색 및 일반 서비스 스캔을 위한 방법 | |
US20220312292A1 (en) | Method and device for cell handover | |
CN111919500B (zh) | 用户直连通信方法及装置、用户设备、存储介质 | |
CN111919469A (zh) | 信号测量方法、装置、通信设备及存储介质 | |
WO2022151089A1 (zh) | 信息处理方法及装置、通信设备及存储介质 | |
CN112770377B (zh) | 小区的管理方法及通信装置 | |
CN102804642B (zh) | 增加使用不同无线技术的相邻小区的信令连续搜索之间的时间间隔 | |
CN113329465A (zh) | 一种驻网控制方法、装置、设备及计算机存储介质 | |
US20230012097A1 (en) | Signal measurement method and apparatus, and communication device and storage medium | |
CN117641538A (zh) | 终端降功耗的方法及装置 | |
KR101979671B1 (ko) | 빈번하게 변경되는 비콘 구성요소를 이용한 비콘 신호 처리 최소화 방법 및 장치 | |
Tan et al. | Opportunistic spectrum access for cognitive radio networks withmultiple secondary users | |
RU2751083C1 (ru) | Устройство сетевого переключения и способ работы устройства сетевого переключения | |
CN107896382B (zh) | 网络切换控制方法及装置 | |
Dhar | A context aware vertical handover algorithm for vehicular communication | |
CN113015224B (zh) | 小区重选方法及装置、终端设备及存储介质 | |
US20240172020A1 (en) | Method for measurement relaxation, communication device and storage medium | |
KR101355998B1 (ko) | 확률분포 기반 무선망 검색방법 및 장치 | |
WO2022266838A1 (zh) | 小区测量方法、小区测量配置方法及装置、设备及介质 | |
CN117354737B (zh) | 一种基于低功耗的wifi信号调节方法与装置 | |
CN114846854B (zh) | 非连续接收参数的配置方法、装置、通信设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |