第 1 章  緒   論

1.1  課題背景和意義
手機(jī)的發(fā)明極大的方便了人們的日常工作、生活和學(xué)習(xí)，現(xiàn)在手機(jī)的功能越來(lái)越強(qiáng)大，智能機(jī)的普及也加大了人們對(duì)手機(jī)的依賴。蘋果公司在 2007 年推出的第一代 iPhone 手機(jī)將智能手機(jī)帶入到市場(chǎng)爆發(fā)期，而在 2008 年安卓操作系統(tǒng)的開(kāi)發(fā)進(jìn)一步促進(jìn)了智能手機(jī)的快速發(fā)展。隨著智能手機(jī)在通信行業(yè)的不斷發(fā)展，智能手機(jī)的普及化、平民化將促使智能手機(jī)占領(lǐng)手機(jī)市場(chǎng)[1]。智能手機(jī)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(jì)數(shù)據(jù)，從圖中可以發(fā)現(xiàn)，2006 年到 2007 年是智能機(jī)發(fā)展的重大轉(zhuǎn)折點(diǎn)，全球出貨量增長(zhǎng)率翻了進(jìn)一倍，到 2010 年更是突破達(dá)到了 75.3%的增長(zhǎng)率，后期會(huì)在此基礎(chǔ)上繼續(xù)穩(wěn)增[2]。 智能手機(jī)除具備基本的發(fā)短信、打電話、聽(tīng)音樂(lè)、照相功能外，還具有上網(wǎng)查詢和移動(dòng)跟蹤導(dǎo)航等功能。同時(shí)，大尺寸、高分辨率的屏幕為用戶提供了更好了體驗(yàn)效果，基于手機(jī)的增值業(yè)務(wù)也越來(lái)越多。所以，智能手機(jī)的快速發(fā)展已經(jīng)成為人們獲取各種服務(wù)最方便直接的手段[3]。 智能手機(jī)集成了如觸摸傳感器、光線傳感器、加速度傳感器、重力感應(yīng)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(jī)真正成為可以感知用戶和環(huán)境信息的平臺(tái)[4]。用戶和環(huán)境信息在我們身邊無(wú)處不在，用戶的各種狀態(tài)（如運(yùn)動(dòng)或靜止）和使用習(xí)慣，當(dāng)前時(shí)間和位置都可以認(rèn)為是情景信息。用戶在一個(gè)時(shí)間點(diǎn)上在哪個(gè)地方（室內(nèi)，室外，辦公室，家等）可以稱為位置信息，用戶當(dāng)前的行為和狀態(tài)，如走路、跑步，靜止等是活動(dòng)信息，用戶的日常生活習(xí)慣可以認(rèn)為是時(shí)間信息。通過(guò)傳感器采集到的數(shù)據(jù)可以感知用戶的狀態(tài)和當(dāng)前所處的環(huán)境，因此就可以根據(jù)用戶需求提供更便捷個(gè)性化的服務(wù)。 
.....

1.2  國(guó)內(nèi)外研究現(xiàn)狀
以手機(jī)為主要代表的移動(dòng)設(shè)備除了日常打電話，聽(tīng)歌，看視頻等基本的應(yīng)用外，國(guó)內(nèi)外已經(jīng)開(kāi)始發(fā)展了很多基于用戶狀態(tài)檢測(cè)的移動(dòng)應(yīng)用。例如利用移動(dòng)設(shè)備來(lái)對(duì)用戶進(jìn)行移動(dòng)跟蹤或者通過(guò)發(fā)展科穿戴設(shè)備對(duì)人們的健康狀況或者運(yùn)動(dòng)情況進(jìn)行檢測(cè)[10]。移動(dòng)設(shè)備在移動(dòng)跟蹤檢測(cè)等應(yīng)用中，通過(guò)移動(dòng)設(shè)備內(nèi)置的大量的傳感器采樣檢測(cè)來(lái)獲得用戶的情景狀態(tài)信息。在移動(dòng)設(shè)備的能耗和用戶情景信息的準(zhǔn)確性方面，國(guó)內(nèi)外學(xué)者也做了大量工作，這些工作可以歸納為以下三點(diǎn)：時(shí)間觸發(fā)的用戶情景信息監(jiān)測(cè)，動(dòng)態(tài)分配 GPS、WiFi、GSM 使用下的監(jiān)測(cè)[11,12]，基于狀態(tài)預(yù)測(cè)的監(jiān)測(cè)，下面就這三個(gè)方面的工作分別進(jìn)行介紹。 隨著傳感器微型化，移動(dòng)互聯(lián)網(wǎng)的發(fā)展，手機(jī)的快速增長(zhǎng)和基于人體運(yùn)動(dòng)狀態(tài)識(shí)別應(yīng)用的推廣，利用手機(jī)監(jiān)測(cè)用戶狀態(tài)信息越來(lái)越重要。以手機(jī)通過(guò)內(nèi)置的心率、血壓、溫濕度傳感器等監(jiān)測(cè)用戶健康狀況為例，設(shè)備采集用戶的多項(xiàng)生理參數(shù)，對(duì)用戶當(dāng)前或以后的身體狀況做出診斷或預(yù)測(cè)。文獻(xiàn)[13]中提出的CenseMe，  通過(guò)集成的傳感器以及外部的傳感器來(lái)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(dòng)和社交活動(dòng)，并在社交網(wǎng)絡(luò)上實(shí)時(shí)更新用戶的運(yùn)動(dòng)狀態(tài)、位置信息，并將這些信息上傳到社交網(wǎng)站。 上述的監(jiān)測(cè)系統(tǒng)，采用的是時(shí)間觸發(fā)機(jī)制。時(shí)間觸發(fā)機(jī)制，是以一個(gè)時(shí)間段為周期，到了時(shí)間段考慮采取什么用的策略，采樣的時(shí)間間隔是個(gè)固定值。若設(shè)置采樣頻率過(guò)大，即為了感知信息狀態(tài)傳感器持續(xù)采樣，浪費(fèi)了很多不必要的能量；若采樣頻率過(guò)小，采樣比較稀疏，用戶狀態(tài)監(jiān)測(cè)誤差較大。現(xiàn)如今，智能手機(jī)基于時(shí)間觸發(fā)的采樣感知情況是最普遍的。因?yàn)檫@種采樣機(jī)制在能耗和監(jiān)測(cè)用戶狀態(tài)誤差方面難以兼顧，所以在手機(jī)使用中，要支持長(zhǎng)時(shí)間感知、計(jì)算、通信，能耗問(wèn)題成為了難點(diǎn)。 
..........

第 2 章  傳感器規(guī)劃模型

本章主要從數(shù)據(jù)采集和馬爾科夫決策過(guò)程（MDP）算法實(shí)現(xiàn)過(guò)程中涉及到的主要知識(shí)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(guò)程，如何根據(jù)狀態(tài)熵估計(jì)狀態(tài)誤差，編寫數(shù)據(jù)采集程序時(shí)需要的知識(shí)及電源監(jiān)測(cè)器的簡(jiǎn)單介紹。

2.1  馬爾科夫模型
馬爾科夫模型是一種統(tǒng)計(jì)模型，它是馬爾科夫過(guò)程的模型化，把一個(gè)總的隨機(jī)過(guò)程看成一系列狀態(tài)的轉(zhuǎn)移。該模型的特性是給定當(dāng)前知識(shí)或信息的情況下，未來(lái)的狀態(tài)的預(yù)測(cè)不依賴于過(guò)去的狀態(tài)，只與當(dāng)前的狀態(tài)有關(guān)�？紤]到動(dòng)作 a，在對(duì)用戶狀態(tài)轉(zhuǎn)移進(jìn)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(duì)行動(dòng)空間的映射，需要根據(jù)狀態(tài)的一步轉(zhuǎn)移概率矩陣求取 a 步轉(zhuǎn)移矩陣，即此時(shí)的狀態(tài)轉(zhuǎn)移概率矩陣不僅與進(jìn)行轉(zhuǎn)移的兩個(gè)狀態(tài)有關(guān)，而且與動(dòng)作有關(guān)。因此，本文中 MDP 的核心問(wèn)題是確定一個(gè)最優(yōu)傳感采樣策略：在給定的能量約束下，當(dāng)檢測(cè)到用戶處于狀態(tài) s 時(shí)，為保證檢測(cè)誤差最小，選擇合適的動(dòng)作 a。馬爾科夫決策過(guò)程圖解如下 2-1 所示，，從圖中可知，在狀態(tài)1s 時(shí)，選擇動(dòng)作1a ，獲得的報(bào)酬（或代價(jià)）為1r ，同時(shí)系統(tǒng)狀態(tài)從1s 轉(zhuǎn)移到2s 。確定的最優(yōu)的傳感采樣策略即是檢測(cè)到狀態(tài)1s 時(shí)，選擇最合適的動(dòng)作1a ，從而使得報(bào)酬1r 最優(yōu)，要優(yōu)化的性能指標(biāo)即報(bào)酬函數(shù)，策略即是怎么選擇動(dòng)作 a。 
.........

2.2  部分可觀測(cè)馬爾科夫決策過(guò)程
部分可觀測(cè)馬爾科夫決策過(guò)程（POMDP）中的狀態(tài)信息不是完全可觀測(cè)的，只是部分可知的，所以 POMDP 馬爾科夫決策過(guò)程（MDP）的一種擴(kuò)展。復(fù)雜的機(jī)械系統(tǒng)狀態(tài)的確定就是一個(gè)部分可觀的馬爾科夫決策過(guò)程，由于噪聲的影響，觀測(cè)狀態(tài)不等于系統(tǒng)的實(shí)際狀態(tài)，我們只能根據(jù)觀測(cè)信息來(lái)估計(jì)實(shí)際狀態(tài)。 在本文中，我們用熵來(lái)衡量系統(tǒng)中各個(gè)狀態(tài)轉(zhuǎn)移的相關(guān)程度。當(dāng)兩個(gè)用戶狀態(tài)（1 狀態(tài)和 2 狀態(tài)）之間的熵增加時(shí)，馬氏最優(yōu)策略明顯比均勻采樣策略的性能要好。因?yàn)闋顟B(tài)之間的熵表征了兩個(gè)狀態(tài)之間關(guān)聯(lián)的不確定性，當(dāng)狀態(tài)熵很大時(shí)，傳感器需要頻繁的采樣才能明顯降低傳感器檢測(cè)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(dāng)狀態(tài)熵較大時(shí)，增加采樣頻率，當(dāng)狀態(tài)熵較小時(shí)，減小采樣頻率，從而能在檢測(cè)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(shè)計(jì)及實(shí)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(shí)現(xiàn) ..... 27 
3.4 POMDP 采樣策略實(shí)現(xiàn) ......... 30 
3.4.1  改進(jìn)的 POMDP 模型簡(jiǎn)介 ........ 30 
3.4.2 POMDP 傳感采樣策略 ........ 32 
3.5  本章小結(jié) ..... 36 
第 4 章  硬件設(shè)計(jì)及實(shí)驗(yàn)結(jié)果 ........ 37 
4.1  硬件平臺(tái)搭建 .......... 37 
4.2  手機(jī)能耗的監(jiān)測(cè)分析 ..... 38 
4.3  實(shí)驗(yàn)結(jié)果及分析 ....... 38 
4.4  本章小結(jié) ..... 45 

第 4 章  硬件設(shè)計(jì)及實(shí)驗(yàn)結(jié)果

針對(duì)手機(jī)基于用戶狀態(tài)信息檢測(cè)應(yīng)用節(jié)能問(wèn)題的研究，首先要確定用戶行為狀態(tài)和實(shí)驗(yàn)可選的傳感器采樣頻率值，才能利用電源監(jiān)測(cè)器監(jiān)測(cè)不同用戶行為對(duì)不同的傳感器采樣頻率的能耗情況。本章將介紹能耗測(cè)量平臺(tái)的搭建，編寫 android 程序，設(shè)置 FASTEST、GAME、UI 和 NORMAL 四個(gè)采樣頻率值，根據(jù)用戶行為狀態(tài)在這四個(gè)采樣頻率之間自動(dòng)切換，利用 PowerMonitor 進(jìn)行監(jiān)測(cè)電流、電壓和功耗，根據(jù)測(cè)得的數(shù)據(jù)分析智能機(jī)傳感器能量消耗的特性。本文實(shí)驗(yàn)中以華為手機(jī) G610-T00 為實(shí)驗(yàn)真機(jī)，以手機(jī)內(nèi)三軸加速度傳感器為實(shí)驗(yàn)對(duì)象，編寫 Android 應(yīng)用程序，設(shè)置不同的采樣頻率值，利用 PowerMonitor監(jiān)測(cè)實(shí)驗(yàn)室不同行為下的手機(jī)能耗。

4.1  硬件平臺(tái)搭建

我們采用美國(guó) Monsoon 公司的 PowerMonitor 來(lái)監(jiān)測(cè)手機(jī)傳感器采樣的能量消耗，PowerMonitor 可以時(shí)時(shí)準(zhǔn)確的監(jiān)測(cè)出當(dāng)前狀態(tài)手機(jī)的功率、電壓和電流值，同時(shí)其配套的軟件提供了人機(jī)化操作界面，方便我們時(shí)時(shí)的讀取數(shù)據(jù)，觀察能量消耗曲線的走勢(shì)，并且可以直觀的看出某段時(shí)間內(nèi)能量的消耗值。具體的硬件電路由整套計(jì)算機(jī)系統(tǒng)、電源監(jiān)測(cè)器、智能手機(jī)（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(cè)器直接連接在電池的兩端，這樣會(huì)更準(zhǔn)確的測(cè)得手機(jī)的能量消耗，大大提高了監(jiān)測(cè)能耗數(shù)據(jù)的準(zhǔn)確性。 我們采用 Android 系統(tǒng)進(jìn)行數(shù)據(jù)采集程序的編寫，Android 系統(tǒng)針對(duì)每個(gè)視圖都提供了事件監(jiān)聽(tīng)器，因此當(dāng)我們的界面中無(wú)論使用任何視圖都可以通過(guò)添加事件監(jiān)聽(tīng)，實(shí)現(xiàn)其中的回調(diào)方法來(lái)完成相應(yīng)的操作。采用圖 4-1 所示的測(cè)量電路對(duì)華為 G610-T00 手機(jī)的能量消耗進(jìn)行簡(jiǎn)單的測(cè)試，測(cè)試時(shí)手機(jī)關(guān)掉所有前臺(tái)應(yīng)用程序和后臺(tái)服務(wù)程序，同時(shí)關(guān)掉 Wifi、GPS、藍(lán)牙等所有耗電組件，設(shè)置Android應(yīng)用程序里三軸加速計(jì)的采樣頻率，在相同的用戶狀態(tài)切換規(guī)律下，分別對(duì)每個(gè)固定采樣頻率下的能耗進(jìn)行監(jiān)測(cè)，記錄每種采樣頻率下的能耗數(shù)據(jù)，導(dǎo)出保。最后，在近似的用戶行為狀態(tài)下，設(shè)置采樣頻率根據(jù)用戶狀態(tài)自動(dòng)切換，用電源監(jiān)測(cè)器監(jiān)測(cè)能耗，導(dǎo)出能耗數(shù)據(jù)，對(duì)上述五種采樣情況的能耗進(jìn)行對(duì)比分析。

........

結(jié)   論

本文主要的研究目的是解決智能機(jī)的電池容量不能滿足越來(lái)越大的能量需求問(wèn)題，針對(duì)目前手機(jī)越來(lái)越多的基于用戶情景信息檢測(cè)的應(yīng)用，從手機(jī)內(nèi)置的大量傳感器出發(fā)，根據(jù)用戶日常使用習(xí)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(jì)誤差的前提下，盡可能的降低手機(jī)的能耗，為實(shí)現(xiàn)手機(jī)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(zhuǎn)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(biāo)，利用線性規(guī)劃求解馬氏最優(yōu)傳感策略，并與基準(zhǔn)的周期采樣策略做性能比較，明確通過(guò)規(guī)劃傳感器采樣實(shí)現(xiàn)手機(jī)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(shù)，以能量消耗為約束條件，以最小化狀態(tài)估計(jì)誤差為目標(biāo)，利用 LP 重新求解傳感器采樣策略��；同時(shí)輸出狀態(tài)估計(jì)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(shí)際狀態(tài)不可完全觀測(cè)性，引入觀測(cè)狀態(tài)，使用部分可觀測(cè)馬爾科夫決策過(guò)程（POMDP）對(duì)用戶狀態(tài)轉(zhuǎn)移重新建模�？紤]用戶歷史觀測(cè)信息，使用迭代法求解每個(gè)時(shí)刻的估計(jì)誤差，使用累積估計(jì)誤差作為優(yōu)化目標(biāo)函數(shù)，獲取 POMDP 最優(yōu)傳感采樣策略。接著編寫 Android 后臺(tái)服務(wù)程序采集用戶的交互數(shù)據(jù)。 
（4）搭建監(jiān)測(cè)智能機(jī)傳感器能耗的硬件平臺(tái)，編寫 Android 后臺(tái)服務(wù)程序采集傳感器輸出數(shù)據(jù)，使用 PowerMonitor 電源監(jiān)測(cè)器監(jiān)測(cè)不同采樣頻率下手機(jī)的能耗情況；分析不同采樣頻率、不同使用行為下的能耗，驗(yàn)證智能手機(jī)在基于用戶情景信息檢測(cè)的應(yīng)用中通過(guò)規(guī)劃傳感器采樣實(shí)現(xiàn)手機(jī)節(jié)能的可行性。
.........
參考文獻(xiàn)(略)

本文編號(hào)：44144