第 1 章  緒   論

1.1  課題背景和意義
手機的發(fā)明極大的方便了人們的日常工作、生活和學習，現(xiàn)在手機的功能越來越強大，智能機的普及也加大了人們對手機的依賴。蘋果公司在 2007 年推出的第一代 iPhone 手機將智能手機帶入到市場爆發(fā)期，而在 2008 年安卓操作系統(tǒng)的開發(fā)進一步促進了智能手機的快速發(fā)展。隨著智能手機在通信行業(yè)的不斷發(fā)展，智能手機的普及化、平民化將促使智能手機占領手機市場[1]。智能手機全球的出貨量和用戶使用量逐年顯著的提升。圖 1-1 為艾瑞咨詢公司整理的統(tǒng)計數據，從圖中可以發(fā)現(xiàn)，2006 年到 2007 年是智能機發(fā)展的重大轉折點，全球出貨量增長率翻了進一倍，到 2010 年更是突破達到了 75.3%的增長率，后期會在此基礎上繼續(xù)穩(wěn)增[2]。 智能手機除具備基本的發(fā)短信、打電話、聽音樂、照相功能外，還具有上網查詢和移動跟蹤導航等功能。同時，大尺寸、高分辨率的屏幕為用戶提供了更好了體驗效果，基于手機的增值業(yè)務也越來越多。所以，智能手機的快速發(fā)展已經成為人們獲取各種服務最方便直接的手段[3]。 智能手機集成了如觸摸傳感器、光線傳感器、加速度傳感器、重力感應傳感器、地磁傳感器、陀螺儀等傳感器，這些傳感器的集成使得手機真正成為可以感知用戶和環(huán)境信息的平臺[4]。用戶和環(huán)境信息在我們身邊無處不在，用戶的各種狀態(tài)（如運動或靜止）和使用習慣，當前時間和位置都可以認為是情景信息。用戶在一個時間點上在哪個地方（室內，室外，辦公室，家等）可以稱為位置信息，用戶當前的行為和狀態(tài)，如走路、跑步，靜止等是活動信息，用戶的日常生活習慣可以認為是時間信息。通過傳感器采集到的數據可以感知用戶的狀態(tài)和當前所處的環(huán)境，因此就可以根據用戶需求提供更便捷個性化的服務。 
.....

1.2  國內外研究現(xiàn)狀
以手機為主要代表的移動設備除了日常打電話，聽歌，看視頻等基本的應用外，國內外已經開始發(fā)展了很多基于用戶狀態(tài)檢測的移動應用。例如利用移動設備來對用戶進行移動跟蹤或者通過發(fā)展科穿戴設備對人們的健康狀況或者運動情況進行檢測[10]。移動設備在移動跟蹤檢測等應用中，通過移動設備內置的大量的傳感器采樣檢測來獲得用戶的情景狀態(tài)信息。在移動設備的能耗和用戶情景信息的準確性方面，國內外學者也做了大量工作，這些工作可以歸納為以下三點：時間觸發(fā)的用戶情景信息監(jiān)測，動態(tài)分配 GPS、WiFi、GSM 使用下的監(jiān)測[11,12]，基于狀態(tài)預測的監(jiān)測，下面就這三個方面的工作分別進行介紹。 隨著傳感器微型化，移動互聯(lián)網的發(fā)展，手機的快速增長和基于人體運動狀態(tài)識別應用的推廣，利用手機監(jiān)測用戶狀態(tài)信息越來越重要。以手機通過內置的心率、血壓、溫濕度傳感器等監(jiān)測用戶健康狀況為例，設備采集用戶的多項生理參數，對用戶當前或以后的身體狀況做出診斷或預測。文獻[13]中提出的CenseMe，  通過集成的傳感器以及外部的傳感器來捕捉用戶狀態(tài)，如人的行為，性格以及周圍環(huán)境等，使用加速度推斷用戶的物理活動和社交活動，并在社交網絡上實時更新用戶的運動狀態(tài)、位置信息，并將這些信息上傳到社交網站。 上述的監(jiān)測系統(tǒng)，采用的是時間觸發(fā)機制。時間觸發(fā)機制，是以一個時間段為周期，到了時間段考慮采取什么用的策略，采樣的時間間隔是個固定值。若設置采樣頻率過大，即為了感知信息狀態(tài)傳感器持續(xù)采樣，浪費了很多不必要的能量；若采樣頻率過小，采樣比較稀疏，用戶狀態(tài)監(jiān)測誤差較大�，F(xiàn)如今，智能手機基于時間觸發(fā)的采樣感知情況是最普遍的。因為這種采樣機制在能耗和監(jiān)測用戶狀態(tài)誤差方面難以兼顧，所以在手機使用中，要支持長時間感知、計算、通信，能耗問題成為了難點。 
..........

第 2 章  傳感器規(guī)劃模型

本章主要從數據采集和馬爾科夫決策過程（MDP）算法實現(xiàn)過程中涉及到的主要知識出發(fā)，分別介紹了馬爾科夫模型，部分可觀的馬爾科夫決策過程，如何根據狀態(tài)熵估計狀態(tài)誤差，編寫數據采集程序時需要的知識及電源監(jiān)測器的簡單介紹。

2.1  馬爾科夫模型
馬爾科夫模型是一種統(tǒng)計模型，它是馬爾科夫過程的模型化，把一個總的隨機過程看成一系列狀態(tài)的轉移。該模型的特性是給定當前知識或信息的情況下，未來的狀態(tài)的預測不依賴于過去的狀態(tài)，只與當前的狀態(tài)有關。考慮到動作 a，在對用戶狀態(tài)轉移進行建模后，需要求解最優(yōu)的傳感采樣策略，而傳感采樣策略是狀態(tài)空間對行動空間的映射，需要根據狀態(tài)的一步轉移概率矩陣求取 a 步轉移矩陣，即此時的狀態(tài)轉移概率矩陣不僅與進行轉移的兩個狀態(tài)有關，而且與動作有關。因此，本文中 MDP 的核心問題是確定一個最優(yōu)傳感采樣策略：在給定的能量約束下，當檢測到用戶處于狀態(tài) s 時，為保證檢測誤差最小，選擇合適的動作 a。馬爾科夫決策過程圖解如下 2-1 所示，，從圖中可知，在狀態(tài)1s 時，選擇動作1a ，獲得的報酬（或代價）為1r ，同時系統(tǒng)狀態(tài)從1s 轉移到2s 。確定的最優(yōu)的傳感采樣策略即是檢測到狀態(tài)1s 時，選擇最合適的動作1a ，從而使得報酬1r 最優(yōu)，要優(yōu)化的性能指標即報酬函數，策略即是怎么選擇動作 a。 
.........

2.2  部分可觀測馬爾科夫決策過程
部分可觀測馬爾科夫決策過程（POMDP）中的狀態(tài)信息不是完全可觀測的，只是部分可知的，所以 POMDP 馬爾科夫決策過程（MDP）的一種擴展。復雜的機械系統(tǒng)狀態(tài)的確定就是一個部分可觀的馬爾科夫決策過程，由于噪聲的影響，觀測狀態(tài)不等于系統(tǒng)的實際狀態(tài)，我們只能根據觀測信息來估計實際狀態(tài)。 在本文中，我們用熵來衡量系統(tǒng)中各個狀態(tài)轉移的相關程度。當兩個用戶狀態(tài)（1 狀態(tài)和 2 狀態(tài)）之間的熵增加時，馬氏最優(yōu)策略明顯比均勻采樣策略的性能要好。因為狀態(tài)之間的熵表征了兩個狀態(tài)之間關聯(lián)的不確定性，當狀態(tài)熵很大時，傳感器需要頻繁的采樣才能明顯降低傳感器檢測誤差。不同于均勻采樣，馬氏最優(yōu)采樣策略正好滿足這一要求，當狀態(tài)熵較大時，增加采樣頻率，當狀態(tài)熵較小時，減小采樣頻率，從而能在檢測誤差和能耗直接取得比較好的平衡。
.........

第 3 章  傳感器最優(yōu)采樣策略設計及實現(xiàn) ...... 15 
3.1  馬氏最優(yōu)傳感采樣策略 ........ 15
3.2  馬氏最優(yōu)采樣策略與周期采樣策略性能比較 ..... 23 
3.2.1  周期采樣策略 .......... 23 
3.2.2  性能比較 ..... 24 
3.3  狀態(tài)熵采樣策略實現(xiàn) ..... 27 
3.4 POMDP 采樣策略實現(xiàn) ......... 30 
3.4.1  改進的 POMDP 模型簡介 ........ 30 
3.4.2 POMDP 傳感采樣策略 ........ 32 
3.5  本章小結 ..... 36 
第 4 章  硬件設計及實驗結果 ........ 37 
4.1  硬件平臺搭建 .......... 37 
4.2  手機能耗的監(jiān)測分析 ..... 38 
4.3  實驗結果及分析 ....... 38 
4.4  本章小結 ..... 45 

第 4 章  硬件設計及實驗結果

針對手機基于用戶狀態(tài)信息檢測應用節(jié)能問題的研究，首先要確定用戶行為狀態(tài)和實驗可選的傳感器采樣頻率值，才能利用電源監(jiān)測器監(jiān)測不同用戶行為對不同的傳感器采樣頻率的能耗情況。本章將介紹能耗測量平臺的搭建，編寫 android 程序，設置 FASTEST、GAME、UI 和 NORMAL 四個采樣頻率值，根據用戶行為狀態(tài)在這四個采樣頻率之間自動切換，利用 PowerMonitor 進行監(jiān)測電流、電壓和功耗，根據測得的數據分析智能機傳感器能量消耗的特性。本文實驗中以華為手機 G610-T00 為實驗真機，以手機內三軸加速度傳感器為實驗對象，編寫 Android 應用程序，設置不同的采樣頻率值，利用 PowerMonitor監(jiān)測實驗室不同行為下的手機能耗。

4.1  硬件平臺搭建

我們采用美國 Monsoon 公司的 PowerMonitor 來監(jiān)測手機傳感器采樣的能量消耗，PowerMonitor 可以時時準確的監(jiān)測出當前狀態(tài)手機的功率、電壓和電流值，同時其配套的軟件提供了人機化操作界面，方便我們時時的讀取數據，觀察能量消耗曲線的走勢，并且可以直觀的看出某段時間內能量的消耗值。具體的硬件電路由整套計算機系統(tǒng)、電源監(jiān)測器、智能手機（華為 G610-T00）組成的，如圖 4-1 所示。從圖 4-1 中可以發(fā)現(xiàn)，電源監(jiān)測器直接連接在電池的兩端，這樣會更準確的測得手機的能量消耗，大大提高了監(jiān)測能耗數據的準確性。 我們采用 Android 系統(tǒng)進行數據采集程序的編寫，Android 系統(tǒng)針對每個視圖都提供了事件監(jiān)聽器，因此當我們的界面中無論使用任何視圖都可以通過添加事件監(jiān)聽，實現(xiàn)其中的回調方法來完成相應的操作。采用圖 4-1 所示的測量電路對華為 G610-T00 手機的能量消耗進行簡單的測試，測試時手機關掉所有前臺應用程序和后臺服務程序，同時關掉 Wifi、GPS、藍牙等所有耗電組件，設置Android應用程序里三軸加速計的采樣頻率，在相同的用戶狀態(tài)切換規(guī)律下，分別對每個固定采樣頻率下的能耗進行監(jiān)測，記錄每種采樣頻率下的能耗數據，導出保。最后，在近似的用戶行為狀態(tài)下，設置采樣頻率根據用戶狀態(tài)自動切換，用電源監(jiān)測器監(jiān)測能耗，導出能耗數據，對上述五種采樣情況的能耗進行對比分析。

........

結   論

本文主要的研究目的是解決智能機的電池容量不能滿足越來越大的能量需求問題，針對目前手機越來越多的基于用戶情景信息檢測的應用，從手機內置的大量傳感器出發(fā)，根據用戶日常使用習慣合理規(guī)劃傳感器采樣頻率，獲得一種最優(yōu)的傳感器采樣策略，在盡量減小用戶情景信息估計誤差的前提下，盡可能的降低手機的能耗，為實現(xiàn)手機續(xù)航提供一種新的節(jié)能方法。本文的主要完成的工作如下： 
（1）分析用戶行為轉移規(guī)律，定義用戶情景信息狀態(tài)，建立帶約束的馬爾科夫決策模型，確定優(yōu)化目標，利用線性規(guī)劃求解馬氏最優(yōu)傳感策略，并與基準的周期采樣策略做性能比較，明確通過規(guī)劃傳感器采樣實現(xiàn)手機節(jié)能的可行性。 
（2）引入信息熵的概念，重新定義優(yōu)化函數，以能量消耗為約束條件，以最小化狀態(tài)估計誤差為目標，利用 LP 重新求解傳感器采樣策略取；同時輸出狀態(tài)估計的平穩(wěn)分布，分析狀態(tài)熵傳感策略的性能。 
（3）考慮用戶實際狀態(tài)不可完全觀測性，引入觀測狀態(tài)，使用部分可觀測馬爾科夫決策過程（POMDP）對用戶狀態(tài)轉移重新建模�？紤]用戶歷史觀測信息，使用迭代法求解每個時刻的估計誤差，使用累積估計誤差作為優(yōu)化目標函數，獲取 POMDP 最優(yōu)傳感采樣策略。接著編寫 Android 后臺服務程序采集用戶的交互數據。 
（4）搭建監(jiān)測智能機傳感器能耗的硬件平臺，編寫 Android 后臺服務程序采集傳感器輸出數據，使用 PowerMonitor 電源監(jiān)測器監(jiān)測不同采樣頻率下手機的能耗情況；分析不同采樣頻率、不同使用行為下的能耗，驗證智能手機在基于用戶情景信息檢測的應用中通過規(guī)劃傳感器采樣實現(xiàn)手機節(jié)能的可行性。
.........
參考文獻(略)

本文編號：44144