TWI512451B - 以符號迴歸分群法量測可攜式電子裝置應用程式之耗電 - Google Patents

Description

以符號迴歸分群法量測可攜式電子裝置應用程式之耗電

本發明係關於一種可攜式電子裝置，詳而言之，係關於一種可攜式電子裝置之耗電量分析方法。

近年來，可攜式電子裝置之應用程式對於資源要求相當高且非常耗電，由於高耗電將顯著地縮短電池使用壽命，所以應用程式開發人員需要設計具有良好耗電效率之應用程式，並符合使用者對於電池壽命之需求，因此，習知技術係運用耗電量模型以量測應用程式的耗電量，進而提供開發人員在設計時可以考量之資訊，一般而言，先從手持式電子裝置之總耗電量中分析各個硬體單元之耗電量，並依據工作負載找出各個硬體單元所對應之耗電量，例如，藉由中央處理單元使用量、中央處理單元時脈頻率、顯示單元之亮度以及Wi-Fi封包傳輸速率之耗電量，建立耗電量模型。因此，依據在執行時的電子裝置，可以獲得該應用程式所使用的硬體單元的工作負載之應用程式耗電量，然而，習知技術並沒有考慮硬體單元耗電特性，如非線性、非同步以及異質性，導致建立不可靠及不準確的耗電量模型。

習知技術之線性模型方法係假設硬體單元耗電特性是線性的，且依據訓練資料，使用線性迴歸法建立耗電模型，其中，訓練資料是各個硬體單元之工作負載，亦即為短期的系統使用量及相關的耗電量，然而，系統使用量與相關的耗電量之間的關實際上是非線性的，此外，於作業系統中耗電量管理的硬體單元，如中央處理單元，在不同時脈頻率下的耗電量也是非線性的，使得該方法在量測非線性耗電行為時，將會產生相當大的誤差。

再者，基於系統呼叫及有限狀態機模型方法，係紀錄所有應用程式在喚起系統時發出之呼叫，藉此分析尾部耗電的存在(tail power)，其中，尾部耗電即為硬體單元在前一時段執行時，造成後續時段耗電量的耗電行為，例如，記憶卡及Wi-Fi會在結束執行後仍持續地耗電一段時間，雖然該方法進一步地使用有限狀態機模擬訓練資料，然而，該方法只考慮部分非同步耗電量，如尾耗電量(tail power)，並沒有考慮到作業系統內部操作的耗電量，如裝置驅動器、系統匯流排及廢料收集器的耗電量，亦即為在本發明中所提出的隱藏耗電量(hidden power)，因此，上述的習知技術及方法無法消除在量測耗電量時的誤差。

另外，上述習知技術均未考量異質性耗電行為，如溫度、電池老化及使用者影響，由於使用各個裝置建立模型之方法(per-device modeling)，在該方法中，訓練硬體單元的步驟需要冗長的時間以取得相關的耗電量資料，例如，需要1000小時製作耗電模型，或在建立耗電量模型流程中需要特定的專業知識，例如，需要系統核心與驅動器的原始碼，以建立耗電量模型，此外，在建立耗電量模型時，依據訓練步驟獲得的耗電量資料及應用程式在執行時 的耗電量資料，兩筆資料之間的誤差值很大，因此，如何在短時間內建立一種最佳及準確的耗電量模型，實已成目前亟欲解決的課題。

綜上所述，因為可攜式電子裝置之硬體單元規格之差異性和多樣性，以及外在因素，如溫度、裝置老化及使用者影響，均會造成硬體單元非線性、非同步及異質性之耗電行為，所以該些耗電行為將導致上述習知技術量測出不準確的應用程式之耗電量，有鑑於此，在建立耗電量模型時需要考慮該些耗電行為，並建立量測結果準確且可靠的耗電量模型。

鑒於上述習知技術之缺點，本發明之目的在於提供一種用於可攜式電子裝置之耗電量分析方法，準確地量測耗電量，並提供可靠的耗電量資訊給開發人員，讓開發人員在設計應用程式時考慮其耗電效率。

基於上述之目的，本發明考慮三種耗電行為的特性，使用符號迴歸分群法以建立耗電量模型，並用於分析可攜式電子裝置之耗電量。

本發明之可攜式電子裝置之耗電量分析方法包括：收集系統使用量紀錄、應用程式使用量紀錄及總耗電量紀錄，該些紀錄之統計數值包括：中央處理單元使用量、中央處理單元時脈頻率、顯示單元亮度及Wi-Fi封包傳輸速率的耗電量，其中，該系統使用量紀錄對應於硬體單元工作負載的耗電量，且該工作負載部份的耗電量是應用程式在執行時所造成的，亦即是該應用程式使用量紀錄；使用分群法(affinity propagation clustering algorithm)，依 據系統使用量紀錄及總耗電量紀錄偵測非同步耗電量資料，並自該總耗電量紀錄排除該非同步耗電量資料，以產生同步總耗電量資料，且依據該非同步耗電量資料及該同步總耗電量資料建立非同步耗電量表，由於該分群法不需要預定之分群數，因此，可以偵測出無法預測總數量的非同步耗電行為，尤其是隱藏耗電量所造成的非同步耗電量；建立考慮非線性特性的耗電量模型，運用符號迴歸法，依據同步總耗電量資料獲得考慮非線性耗電行為的耗電量模型，利用耗電量模型及非同步耗電量表處理應用程式使用量紀錄，最後可獲得該應用程式之耗電量。

相較於習知技術，本發明同時解決了非線性、非同步以及異質性三種耗電行為所造成在量測應用程式耗電量時產生的誤差，且在不需要具備對於手持式電子裝置系統之專業知識情況下，仍能分析該手持式電子裝置的應用程式之耗電量，此外，僅使用測試步驟中產生的系統使用量紀錄、應用程式使用量紀錄及總耗電量紀錄，以建立耗電量模型，明顯地節省建立耗電量模型的時間，由於本發明重複地更新及檢查耗電量模型之準確性，並利用產生的耗電量模型處理異質性耗電行為，以及利用符號迴歸分群法處理非線性與非同步的耗電行為，最後可以獲得準確的耗電量估測值，使得應用程式開發人員在設計時能夠掌握並檢測應用程式之耗電量，進一步地開發出有效率地使用電力的應用程式。

102‧‧‧測試裝置

104‧‧‧測試應用程式

106‧‧‧監測單元

108‧‧‧硬體單元

110‧‧‧耗電量監測器

112‧‧‧計算機

114‧‧‧資料儲存器

116‧‧‧總耗電量紀錄

118‧‧‧應用程式使用量紀錄

120‧‧‧系統使用量紀錄

122‧‧‧符號迴歸分群法單元

124‧‧‧非同步耗電量分析單元

126‧‧‧同步耗電量模型單元

128‧‧‧耗電量計算單元

130‧‧‧第一耗電量模型

302‧‧‧非線性耗電行為

304、306‧‧‧時段

308‧‧‧耗電量

310‧‧‧非同步耗電量行為

312‧‧‧尾耗電量

314‧‧‧隱藏耗電量

316‧‧‧異質性耗電行為

318、320‧‧‧曲線

402‧‧‧非同步耗電量表

404‧‧‧同步總耗電量資料

406、508‧‧‧第二耗電量模型

408‧‧‧測試應用程式的耗電量估測值

504‧‧‧同步總耗電量紀錄

S502至S510、S602至S604、S702至S708‧‧‧步驟

第1圖係說明用於可攜式電子裝置之耗電量分析方法中，各個硬體單元、應用程式及耗電量紀錄之系統架構示意圖；第2圖係說明系統使用量紀錄、應用程式使用量紀錄及總耗 電量紀錄之示意圖；第3圖係說明三種耗電行為，由左至右依序為：非線性、非同步及異質性耗電行為；第4圖係說明運用符號迴歸分群法量測可攜式電子裝置耗電量之流程示意圖；第5圖係說明產生同步總耗電量資料之流程示意圖；第6圖係說明產生第二耗電量模型之流程示意圖；以及第7圖係說明計算測試應用程式之耗電量估測值之流程示意圖。

以下係藉由特定的具體實施型態說明本發明之實施方式，熟悉此技術之人士，係可藉由本說明書所揭示之內容輕易地瞭解本發明之其他優點與功效。而本發明亦可藉由其他不同的具體實施型態加以施行或應用。

請參閱第1至7圖，以清楚瞭解本發明之用於可攜式電子裝置之耗電量分析方法，以及本發明所使用的符號迴歸分群法。

第1圖係說明用於可攜式電子裝置之耗電量分析方法中，各個硬體單元、應用程式以及耗電量紀錄之系統架構示意圖，第2圖係系統使用量紀錄、應用程式使用量紀錄及總耗電量紀錄之示意圖，第3圖係說明三種耗電行為，由左至右依序為：非線性、非同步及異質性耗電行為，第4圖係說明運用符號迴歸分群法量測可攜式電子裝置耗電量之流程示意圖，第5圖係說明分析非同步耗電量行為之流程示意圖，第6圖係依據同步總耗電量資料以建立耗電模型之流程示意圖，第7圖係耗電量計算單元之計算流 程圖。

如第1圖所示，測試裝置102(device under test，DUT)係手持式電子裝置，該裝置包括測試應用程式104、監測單元106及硬體單元108，耗電量監測器110被配置以特定的取樣速率監測測試裝置102之總耗電量，如每秒取樣5000次，而計算機112包括資料儲存器114及符號迴歸分群法單元122，其中，該資料儲存器114儲存總耗電量紀錄116、應用程式使用量紀錄118、系統使用量紀錄120及第一耗電量模型130，而該符號迴歸分群法單元122包含非同步耗電量分析單元124、同步耗電量模型單元126及耗電量計算單元128。

監測單元106會週期性地監測及收集硬體單元108使用量，亦即測試裝置102之總耗電量，在耗電量監測器110取樣後，將測試裝置102之總耗電量傳輸至計算機112並藉由資料儲存器114儲存，其中，測試裝置102之總耗電量包括總耗電量紀錄116、應用程式使用量紀錄118及系統使用量紀錄120。

非同步耗電量分析單元124使用分群法(affinity propagation clustering)分析系統使用量紀錄120及總耗電量紀錄116，以獲得非同步耗電量資料，自總耗電量紀錄116排除非同步耗電量資料以產生同步總耗電量資料404，依據非同步耗電量資料及同步總耗電量資料404，建立非同步耗電量表402。

同步耗電模型單元126使用符號迴歸法(Eureqa)依據系統使用量紀錄120及同步總耗電量紀錄504建立第一耗電量模型130，將第一耗電量模型130儲存於資料儲存器114中，接著，於建立第二耗電量模型508時檢查第一耗電量模型130的可重複使用性， 最後耗電量計算單元128計算出測試應用程式104的耗電量估測值。

第2圖係紀錄在時段t1至時段tn之間，測試裝置102在測試應用程式104執行時的總耗電量，其中，縱軸的單位是毫瓦(mW)，橫軸的單位是秒，如第2圖所示，在時段ti時耗電量監測器110所取樣之總耗電量是數值Pi，亦即監測單元106所收集測試裝置102的總耗電量，其中，系統使用量si,1代表中央處理單元總使用量的90%，應用程式使用量ai,1代表中央處理單元使用量的20%，該20%的使用量是測試應用程式104執行時使用的。

第3圖係顯示三種耗電行為之總耗電量，其中，縱軸的單位是毫瓦(mW)，橫軸的單位是秒。非線性耗電行為302發生在硬體單元執行時，舉例來說，主動式有機電發光二極體顯示器(AMOLED)、作業系統耗電管理或動態電壓與頻率調節(DVFS)在執行時產生的非線性耗電行為302，參閱第3圖所示的非線性耗電行為302，當中央處理單元使用量達到臨界值時，動態電壓及頻率調節的隨選管理器會自動地將中央處理單元時脈頻率調整，例如，在時段304由低頻調整至時段306的高頻時，會造成瞬間提升的耗電量308，瞬間的耗電量308即為非線性耗電行為。

非同步耗電量行為310係顯示在取樣時段內，總耗電量存在與系統使用量紀錄不相關的耗電量，該耗電量是第二時段t2的總耗電量受到硬體單元在第一時段t1運作時的影響，參閱第3圖所示的非同步耗電量行為310，於第二時段t2中的尾耗電量312是由輸入輸出單元(如Wi-Fi或記憶卡)在第一時段t1運作時所造成的，此外，另一非同步耗電量-隱藏耗電量314是內部系統運作所 造成的，例如，廢料收集器在第三時段T3運作時將造成隱藏耗電量314的產生。

異質性耗電行為316係取樣的總耗電量受到外在因素影響產生不同的總耗電量，其中，該外在因素包括溫度、電池老化及使用者影響，但外在因素並不侷限於上述之項目，舉例來說，參閱第3圖所示的異質性耗電行為316，在中央處理單元使用量為100%時，在溫度攝氏30度時的總耗電量的曲線318與在溫度攝氏18度時的總耗電量的曲線320是不同的。

第4圖係說明運用符號迴歸分群法量測可攜式電子裝置耗電量之流程示意圖，首先，取得總耗電量紀錄116、應用程式使用量紀錄118及系統使用量紀錄120。

非同步耗電量分析單元124接收總耗電量紀錄116及系統使用量紀錄120，並使用分群法分析總耗電量紀錄116及系統使用量紀錄120，接著，自系統總耗電量紀錄116中排除非同步耗電量資料，以獲得同步總耗電量資料404，最後，非同步耗電量分析單元124將依據非同步耗電量資料及同步總耗電量資料404，建立非同步耗電量表402。

同步耗電量模型單元126接收系統使用量紀錄120、同步總耗電量資料404及第一耗電量模型130，並依據系統使用量紀錄120及同步總耗電量資料404，使用符號迴歸法(Eureqa)建立第二耗電量模型406，接著，比較第一耗電量模型130及第二耗電量模型406的準確性，選擇準確性高的耗電量模型使用。

耗電量計算單元128接收選擇的耗電量模型、應用程式使用量紀錄118及非同步耗電量表402，並計算測試應用程式104的耗 電量估測值408。

第5圖係說明非同步耗電量分析單元124產生同步總耗電量資料404之流程示意圖。

於步驟S502中，非同步耗電量分析單元124接收總耗電量紀錄116及系統使用量紀錄120。

於步驟S504中，使用分群法分析總耗電量紀錄116及系統使用量紀錄120。

於步驟S506中，使用分群法分析系統使用量紀錄120。

於步驟S508中，接收步驟S504及步驟S506的分析結果，計算兩組結果之相似度，以獲得非同步耗電資料。

於步驟S510中，自系統總耗電量紀錄116中排除非同步耗電量資料，以產生同步總耗電量資料404。

第6圖係說明同步耗電量模型單元126產生第二耗電量模型406之流程示意圖。

於步驟S602中，同步耗電量模型單元126接收系統使用量紀錄120及同步總耗電量資料404。

於步驟S604中，檢查第一耗電量模型130及系統使用量紀錄120之吻合度，如果吻合，則檢查第一耗電量模型130之準確度，準確度依據設定的臨界值判斷，如果準確度在接受範圍內，則該第一耗電量模型130可重複使用，不需要建立第二耗電量模型406並結束流程，如果不吻合或準確度不在接受範圍內，則繼續執行流程。

依據系統使用量紀錄120及同步總耗電量資料404，使用符號迴歸法(Eureqa)建立第二耗電量模型406，並以第二耗電量模型406 取代第一耗電量模型130。

第7圖係說明計算測試應用程式之耗電量估測值之流程示意圖，於步驟S702中，耗電量計算單元128接收應用程式使用量紀錄118、第二耗電量模型406及非同步耗電量表402。

於步驟S704中，依據應用程式使用量紀錄118，使用第二耗電量模型406計算測試應用程式104在各個取樣時段執行時的耗電量。

於步驟S706中，檢查非同步耗電量表402中的每筆記錄，以分析在取樣時段的非同步總耗電量，如果該筆非同步耗電量是尾耗電量，則將該筆尾耗電量加至第二耗電量模型406計算的耗電量估測值，若該筆非同步耗電量是隱藏耗電量則忽略。

於步驟S708中，耗電量計算單元128累加各個取樣時段中測試應用程式104的耗電量估測值408，以獲得量測結果。

因此，藉由本發明所揭露的內容，即可用以闡釋本發明之用於可攜式電子裝置之耗電量分析方法。

上述實施樣態僅例示性說明本發明之功效，而非用於限制本發明，任何熟習此項技藝之人士均可在不違背本發明之精神及範疇下，對上述該些實施態樣進行修飾與改變。此外，在上述該些實施態樣中之元件的數量僅為例示性說明，亦非用於限制本發明。因此本發明之權利保護範圍，應如後述之申請專利範圍所列。

116‧‧‧總耗電量紀錄

118‧‧‧應用程式使用量紀錄

120‧‧‧系統使用量紀錄

124‧‧‧非同步耗電量分析單元

126‧‧‧同步耗電量模型單元

128‧‧‧耗電量計算單元

130‧‧‧第一耗電量模型

402‧‧‧非同步耗電量表

404‧‧‧同步總耗電量資料

406‧‧‧第二耗電量模型

408‧‧‧測試應用程式的耗電量估測值

Claims (10)

1. 一種用於可攜式電子裝置之耗電量分析方法，包括：收集可攜式電子裝置之系統使用量紀錄、應用程式使用量紀錄及總耗電量紀錄；分析該系統使用量紀錄及該總耗電量紀錄以獲得非同步耗電量資料，俾自該總耗電量紀錄排除該非同步耗電量資料而產生同步總耗電量資料；依據該非同步耗電量資料及該同步總耗電量資料建立非同步耗電量表，且使用符號迴歸法並依據該系統使用量紀錄及同步總耗電量紀錄建立耗電量模型；以及利用該耗電量模型及該非同步耗電量表處理該應用程式使用量紀錄，以分析應用程式之耗電量。
2. 如申請專利範圍第1項所述之用於可攜式電子裝置之耗電量分析方法，其中，該系統使用量紀錄係指當一應用程式執行於該可攜式電子裝置時，該可攜式電子裝置之硬體單元在不同使用程度時的使用量。
3. 如申請專利範圍第1項所述之用於可攜式電子裝置之耗電量分析方法，其中，該應用程式使用量紀錄係指當一應用程式執行於該可攜式電子裝置時，且該應用程式在不同使用程度時，使用該可攜式電子裝置之硬體單元的使用量。
4. 如申請專利範圍第1項所述之用於可攜式電子裝置之耗電量分析方法，其中，該總耗電量紀錄包含該系統使用量紀錄，且該系統使用量包含該應用程式使用量紀錄。
5. 如申請專利範圍第1項所述之用於可攜式電子裝置之耗電量 分析方法，其中，分析該系統使用量紀錄及該總耗電量紀錄係使用分群法。
6. 如申請專利範圍第1項所述之用於可攜式電子裝置之耗電量分析方法，更包括檢查該耗電量模型之重複使用性。
7. 如申請專利範圍第6項所述之用於可攜式電子裝置之耗電量分析方法，其中，該檢查步驟包括檢查該耗電量模型之精確度是否於一預設值內，若符合，則重複使用，若不符合，則建立另一耗電量模型，再利用該另一耗電量模型及該非同步耗電量表處理該應用程式使用量紀錄，以分析該應用程式之耗電量。
8. 如申請專利範圍第2項所述之用於可攜式電子裝置之耗電量分析方法，其中，該可攜式電子裝置之硬體單元之不同使用程度包括中央處理單元使用程度、中央處理單元時脈頻率、顯示單元之亮度以及Wi-Fi封包傳輸速率。
9. 如申請專利範圍第1項所述之用於可攜式電子裝置之耗電量分析方法，該總耗電量紀錄係使用耗電量監測器來取樣。
10. 如申請專利範圍第9項所述之用於可攜式電子裝置之耗電量分析方法，其中，該耗電量監測器係當該可攜式電子裝置執行訓練應用程式時，使用該訓練應用程式訓練欲量測之硬體單元，而獲得該硬體單元對應之耗電量。