移動終端及其基於神經網絡的省電方法與流程
2023-08-01 06:15:56 1
本發明涉及通信技術領域，特別涉及一種移動終端及其基於神經網絡的省電方法。
背景技術：
當前移動終端的配置越來越高，上網和娛樂功能越來越多，移動終端的待機問題對用戶而言非常重要，用戶希望其使用的移動終端有儘可能多的待機時間。影響移動終端待機時間的內在因素包括基帶晶片耗電、射頻晶片耗電、電池特性、電源管理方案、時鐘管理方案、LCD與鍵盤背光方案、揚聲器耗電等。目前增加移動終端的待機時間除了儘可能增大電池的電量之外，還可以通過結束各種不必要的運行程序來達到省的效果。
本發明的發明人在進行深入研究後發現，目前的省電方式效果不太理想，而且沒法達到智能化的效果。
技術實現要素：
為了解決現有技術的問題，本發明實施例提供了一種移動終端及其基於神經網絡的省電方法。所述技術方案如下：
一方面，提供了一種移動終端基於神經網絡的省電方法，包括：
監測移動終端的狀態參數；
將所述移動終端的狀態參數輸入神經網絡模型進行預測，並輸出預測結果；
根據所述預測結果執行省電方案。
可選地，所述狀態參數包括屏幕打開或者關閉信息、移動終端活動信息、屏幕點擊信息，以及應用程式狀態信息。
可選地，還包括：
根據所述預測結果，判定所述移動終端的使用模式；
所述使用模式包括強使用模式和弱使用模式；
所述預測結果大於一預設值時，判定所述移動終端為強使用模式；每一單位時間內執行第一設定時長的省電方案；
所述預測結果小於一預設值時，判定所述移動終端為弱使用模式；每一單位時間內執行第二設定時長的省電方案；
所述第一設定時長小於所述第二設定時長。
可選地，還包括：
將所述預測結果反饋至所述神經網絡模型，並輸出反饋結果；
通過反饋結果，篩選出執行省電方案頻率最高的時段，並反饋至所述神經網絡。
可選地，所述省電方案包括減少應用的網絡訪問和掛起應用。
另一方面，提供了一種移動終端，包括：
監測模塊，用於監測移動終端的狀態參數；
預測模塊，用於將所述移動終端的狀態參數輸入神經網絡模型進行預測，並輸出預測結果；
執行模塊，用於根據所述預測結果執行省電方案。
可選地，所述狀態參數包括屏幕打開或者關閉信息、移動終端活動信息、屏幕點擊信息，以及應用程式狀態信息。
可選地，還包括判定模塊，用於根據所述預測結果，所述預測結果為維護窗口；判定所述移動終端的使用模式；
所述使用模式包括強使用模式和弱使用模式；
所述預測結果大於一預設值時，判定所述移動終端為強使用模式；每一單位時間內執行第一設定時長的省電方案；
所述預測結果小於一預設值時，判定所述移動終端為弱使用模式；每一單位時間內執行第二設定時長的省電方案；
所述第一設定時長小於所述第二設定時長。
可選地，還包括反饋模塊，用於將所述預測結果反饋至所述神經網絡模型，並輸出反饋結果；
通過反饋結果，篩選出用戶頻率最高的執行省電方案的時段，並反饋至所述神經網絡模型。
可選地，所述省電方案包括減少應用的網絡訪問和掛起應用。
本發明實施例提供的技術方案帶來的有益效果是：
通過基於神經網絡的省電方法，監測記錄用戶的操作習慣，根據用戶的操作習慣和手機使用的時段，更智能地更人性化地對移動終端進行省電，為用戶帶來極大的方便。
附圖說明
為了更清楚地說明本發明實施例中的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。
圖1是本發明實施例一提供的移動終端基於神經網絡的省電方法流程圖；
圖2是本發明實施例二提供的移動終端結構示意圖；
圖3是本發明實施例三提供的移動終端結構示意圖；
圖4是本發明實施例四提供的移動終端結構示意圖。
具體實施方式
為使本發明的目的、技術方案和優點更加清楚，下面將結合附圖對本發明實施方式作進一步地詳細描述。
實施例一
本發明實施例提供了一種移動終端基於神經網絡的省電方法，參見圖1，方法流程包括：
S100：監測移動終端的狀態參數；
具體地，該移動終端的狀態參數包括屏幕打開或者關閉信息、移動終端活動信息、屏幕點擊信息，以及應用程式狀態信息。屏幕打開或者關閉信息可以通過檢測用戶是否按下待機鍵進行監測，也可以通過獲取用戶設置的屏幕自動關閉時間是否達到進行監測。移動終端活動信息可以通過重力加速度傳感器獲取移動終端是否發生移動實現監測，或者通過陀螺儀檢測移動終端是否發生轉動進行監測。屏幕點擊信息可以通過觸摸點檢測裝置檢測觸摸信息，並將觸摸信息發送至觸控螢幕控制器。應用程式狀態信息可以通過移動終端的作業系統所提供的接口進行監測。
S200：將移動終端的狀態參數輸入神經網絡模型進行預測，並輸出預測結果；
具體地，該神經網絡模型為Y＝purelin(T*tansig(W*X+θi))+θl；其中，X為移動終端的狀態參數，W、T為權值，θi、θl為設定閾值，Y為維護窗口。
具體地，預測結果為維護窗口(maintenance window)。本實施例中，該維護窗口不是固定不變的，而是可以隨著預測結果改變。在維護窗口期間，系統運行所有掛起的同步、任務和alarms，同時也能訪問網絡。
S300：根據預測結果執行省電方案。
具體地，省電方案可以是減少應用的網絡訪問和掛起應用。
具體而言，如果一個用戶斷開了移動終端的充電連接，關屏不動移動終端一段時間之後，移動終端開始執行省電方案。移動終端開始通過減少應用的網絡訪問和掛起應用來減少耗電，也可以延緩應用的任務或者減緩應用進行同步，此時移動終端處於省電模式。
當然，為了移動終端能保持使用功能，其會定期暫停執行省電方案讓應用完成其被延緩的動作。在維護窗口期間，系統運行所有掛起的同步、任務和鬧鈴，同時也能訪問網絡。
在每個維護窗口完結時，系統會再次進入省電模式，暫停網絡接入和延緩操作、同步和鬧鐘。隨著時間的過去，當移動終端沒有充電且長時間靜止時系統調度維護窗口的次數越來越少，以此幫助減少電池消耗。
只要用戶通過移動、點亮屏幕或則插上充電器喚醒移動終端的時候，系統會退出省電模式，所有的應用退回到正常活動狀態。
另外，本發明實施例提供的一種移動終端基於神經網絡的省電方法，還包括：
可選地，根據預測結果，判定所述移動終端的使用模式；
使用模式包括強使用模式和弱使用模式；
預測結果大於一預設值時，判定移動終端為強使用模式；每一單位時間內執行第一設定時長的省電方案；
預測結果小於一預設值時，判定移動終端為弱使用模式；每一單位時間內執行第二設定時長的省電方案；
第一設定時長小於第二設定時長。
具體地，根據預測結果與預設值的關係，判定用戶使用模式；在強使用模式下，用戶使用移動終端較頻繁；在弱使用模式下，用戶使用移動終端較少，或移動終端長時間處於待機狀態；根據神經網絡模型的自適應學習來提取用戶操作習慣，根據用戶操作習慣智能設定單位時長、第一設定時長、第二設定時長。例如強使用模式下，在特定時間，用戶需要使用30分鐘的移動終端，設定30分鐘為一單位時長，並在30分鐘內執行第一設定時長的省電方案，本實施例中，第一設定時長為5分鐘；弱使用模式下，設定30分鐘為一單位時長，並在30分鐘內執行第二設定時長的省電方案，本實施例中，第二設定時長為10分鐘。
可選地，還包括：
將所述預測結果反饋至所述神經網絡模型，並輸出反饋結果；
通過反饋結果，篩選出執行省電方案頻率最高的時段，並反饋至所述神經網絡。
具體地，通過記錄用戶的操作習慣，篩選出用戶使用移動終端的時段或移動終端待機時段，進而更智能化地執行省電方案。
綜上所述，本發明實施例一通過基於神經網絡的省電方法，監測記錄用戶的操作習慣，根據用戶的操作習慣和手機使用的時段，更智能地更人性化地對移動終端進行省電，為用戶帶來極大的方便。
實施例二
參見圖2，本發明實施例提供了一種移動終端10，該移動終端10包括：
監測模塊100，用於監測移動終端10的狀態參數；具體地，移動終端10的狀態參數包括屏幕打開或者關閉信息、移動終端活動信息、屏幕點擊信息，以及應用程式狀態信息。
具體而已，屏幕打開或者關閉信息可以通過檢測用戶是否按下待機鍵進行監測，也可以通過獲取用戶設置的屏幕自動關閉時間是否達到進行監測。移動終端活動信息可以通過重力加速度傳感器獲取移動終端是否發生移動實現監測，或者通過陀螺儀檢測移動終端是否發生轉動進行監測。屏幕點擊信息可以通過觸摸點檢測裝置檢測觸摸信息，並將觸摸信息發送至觸控螢幕控制器。應用程式狀態信息可以通過移動終端的作業系統所提供的接口進行監測。
預測模塊200，用於將移動終端10的狀態參數輸入神經網絡模型進行預測，並輸出預測結果。
具體地，該神經網絡模型為Y＝purelin(T*tansig(W*X+θi))+θl；其中，X為移動終端的狀態參數，W、T為權值，θi、θl為設定閾值，Y為維護窗口。
具體地，預測結果為維護窗口(maintenance window)。本實施例中，該維護窗口不是固定不變的，而是可以隨著預測結果改變。在維護窗口期間，系統運行所有掛起的同步、任務和alarms，同時也能訪問網絡。
執行模塊300，用於根據預測結果執行省電方案。具體地，省電方案包括減少應用的網絡訪問和掛起應用。
具體而言，如果一個用戶斷開了移動終端的充電連接，關屏不動移動終端一段時間之後，移動終端開始執行省電方案。移動終端開始通過減少應用的網絡訪問和掛起應用來減少耗電，也可以延緩應用的任務或者減緩應用進行同步，此時移動終端處於省電模式。
當然，為了移動終端能保持使用功能，其會定期暫停執行省電方案讓應用完成其被延緩的動作。在維護窗口期間，系統運行所有掛起的同步、任務和鬧鈴，同時也能訪問網絡。
在每個維護窗口完結時，系統會再次進入省電模式，暫停網絡接入和延緩操作、同步和鬧鐘。隨著時間的過去，當移動終端沒有充電且長時間靜止時系統調度維護窗口的次數越來越少，以此幫助減少電池消耗。
只要用戶通過移動、點亮屏幕或則插上充電器喚醒移動終端的時候，系統會退出省電模式，所有的應用退回到正常活動狀態。
綜上所述，本發明實施例二通過基於神經網絡的省電方法，監測記錄用戶的操作習慣，根據用戶的操作習慣和手機使用的時段，更智能地更人性化地對移動終端進行省電，為用戶帶來極大的方便。
實施例三
參見圖3，本發明實施例提供了一種移動終端20，該移動終端20包括：
監測模塊100，用於監測移動終端20的狀態參數；具體地，移動終端20的狀態參數包括屏幕打開或者關閉信息、移動終端活動信息、屏幕點擊信息，以及應用程式狀態信息。
預測模塊200，用於將移動終端10的狀態參數輸入神經網絡模型進行預測，並輸出預測結果；具體地，預測結果為維護窗口。
判定模塊500，用於根據所述預測結果，判定所述移動終端的使用模式；
所述使用模式包括強使用模式和弱使用模式；
所述預測結果大於一預設值時，判定所述移動終端為強使用模式；每一單位時間內執行第一設定時長的省電方案；
所述預測結果小於一預設值時，判定所述移動終端為弱使用模式；每一單位時間內執行第二設定時長的省電方案；
所述第一設定時長小於所述第二設定時長。
具體地，具體地，根據預測結果與預設值的關係，判定用戶使用模式；在強使用模式下，用戶使用移動終端較頻繁；在弱使用模式下，用戶使用移動終端較少，或移動終端長時間處於待機狀態；根據神經網絡模型的自適應學習來提取用戶操作習慣，根據用戶操作習慣智能設定單位時長、第一設定時長、第二設定時長。例如強使用模式下，在特定時間，用戶需要使用30分鐘的移動終端，設定30分鐘為一單位時長，並在30分鐘內執行第一設定時長的省電方案，本實施例中，第一設定時長為5分鐘；弱使用模式下，設定30分鐘為一單位時長，並在30分鐘內執行第二設定時長的省電方案，本實施例中，第二設定時長為10分鐘。
執行模塊300，用於根據預測結果執行省電方案。具體地，省電方案包括減少應用的網絡訪問和掛起應用。
綜上所述，本發明實施例三通過基於神經網絡的省電方法，監測記錄用戶的操作習慣，根據用戶的操作習慣和手機使用的時段，更智能地更人性化地對移動終端進行省電，為用戶帶來極大的方便。
實施例四
參見圖4，本發明實施例提供了一種移動終端30，該移動終端30包括：
監測模塊100，用於監測移動終端30的狀態參數；具體地，移動終端30的狀態參數包括屏幕打開或者關閉信息、移動終端活動信息、屏幕點擊信息，以及應用程式狀態信息。
預測模塊200，用於將移動終端30的狀態參數輸入神經網絡模型進行預測，並輸出預測結果；具體地，預測結果為維護窗口。
反饋模塊500，用於將所述預測結果反饋至所述神經網絡模型，並輸出反饋結果；
通過反饋結果，篩選出用戶頻率最高的執行省電方案的時段，並反饋至所述神經網絡模型。
具體地，通過記錄用戶的操作習慣，篩選出用戶使用移動終端的時段或移動終端待機時段，進而更智能化地執行省電方案。
執行模塊300，用於根據預測結果執行省電方案。具體地，省電方案包括減少應用的網絡訪問和掛起應用。
綜上所述，本發明實施例四通過基於神經網絡的省電方法，監測記錄用戶的操作習慣，根據用戶的操作習慣和手機使用的時段，更智能地更人性化地對移動終端進行省電，為用戶帶來極大的方便。
需要說明的是：上述實施例提供的移動終端在基於神經網絡進行省電時，僅以上述各功能模塊的劃分進行舉例說明，實際應用中，可以根據需要而將上述功能分配由不同的功能模塊完成，即將移動終端的內部結構劃分成不同的功能模塊，以完成以上描述的全部或者部分功能。另外，上述實施例提供的移動終端及其基於神經網絡進行省電的實施例屬於同一構思，其具體實現過程詳見方法實施例，這裡不再贅述。
上述本發明實施例序號僅僅為了描述，不代表實施例的優劣。
本領域普通技術人員可以理解實現上述實施例的全部或部分步驟可以通過硬體來完成，也可以通過程序來指令相關的硬體完成，所述的程序可以存儲於一種計算機可讀存儲介質中，上述提到的存儲介質可以是只讀存儲器，磁碟或光碟等。
以上所述僅為本發明的較佳實施例，並不用以限制本發明，凡在本發明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發明的保護範圍之內。