[發明專利]移動裝置的省電系統與方法

無效

• 申請號: 200610159326.4
• 申請日: 2006-09-27
• 公開（公告）號: CN101155369A
• 公開（公告）日: 2008-04-02
• 發明（設計）人: 董昱騰
• 申請（專利權）人: 明基電通股份有限公司
• 主分類號: H04Q7/32
• 分類號: H04Q7/32
• 代理公司: 北京市柳沈律師事務所
• 代理人: 蒲邁文;黃小臨

技術領域

本發明涉及一種移動裝置，且特別是涉及一種移動裝置的省電系統與方法。

背景技術

蜂窩式移動電話系統包含了由多個與眾多移動電臺或移動電話通信的基站組成的網絡，每一個基地或涵蓋了一個特定的地理區域或小區。該系統包括了盡量使最鄰近的基站被用來與每一個移動電話通信的手段，因而減少在移動電話中所需要的發射機動率。

當移動電話開機后，必須搜尋目前所處環境的最佳基站，以取得系統認證及注冊。當移動電話注冊完成后進入待機模式，即可在屬于注冊基站的聯機范圍內通過注冊基站而進行聯機以傳送或接收數據。為了使移動電話能夠長時間隨時地維持在待命狀態，當移動電話進入待機模式時，會啟動一休眠機制使其降低功率消耗以減少電力消耗。然而，移動電話若頻繁地在高功率(通話模式或非待機模式)與低功率(待機模式)之間切換時，亦可能造成大量電力的消耗。也就是說，不同使用者的通話行為與電力消耗程度有高度相關。

不同的移動電話使用者通常會有個人獨特且規律的行為模式，因此，本發明便是利用這種特點，提出了一種移動裝置的省電與方法。該方法使用了類神經網絡，能讓移動電話根據使用者的行為來自動學習，以預測未來使用者的行為，作為設計省電方法的依據。

發明內容

基于所述目的，本發明實施例披露了一種移動裝置的省電方法。隨機產生多個樣本，計算每一樣本的行為向量，并且利用所述樣本與對應的行為向量訓練一類神經網絡系統。收集多個使用者事件，利用一加權轉換函數轉換所述使用者事件為多個行為樣本，根據相似度對所述行為樣本分類并且取得樣本數量最多的一組行為樣本，計算該組行為樣本的行為向量，并且根據所述行為樣本與對應的行為向量訓練所述類神經網絡系統。

本發明實施例還披露了一種移動裝置的省電系統。該系統包括一預測模塊、一樣本產生模塊、一評估模塊、一事件收集模塊、一加權轉換模塊以及一訓練模塊。該樣本產生模塊隨機產生多個樣本。該評估模塊計算每一樣本的行為向量。該事件收集模塊收集多個使用者事件。該加權轉換模塊轉換所述使用者事件為多個行為樣本，并且根據相似度對所述行為樣本分類并且取得樣本數量最多的一組行為樣本。該訓練模塊自所述評估模塊取得所述樣本與對應的行為向量訓練一類神經網絡系統，以及自所述加權轉換模塊取得所述行為樣本與對應的行為向量訓練所述類神經網絡系統。

附圖說明

圖1示出了本發明實施例的產生加權事件向量的示意圖。

圖2示出了本發明實施例的省電方法的步驟流程圖。

圖3示出了本發明實施例的省電系統的架構示意圖。

附圖符號說明

310～樣本產生模塊

320～評估模塊

330～事件收集模塊

340～加權轉換模塊

350～訓練模塊

360～預測模塊

具體實施方式

為了使本發明的目的、特征、及優點能更明顯易懂，下文特舉較佳實施例，并結合附圖1至3做詳細的說明。本發明說明書提供不同的實施例來說明本發明不同實施方式的技術特征。其中，實施例中的各組件的配置為說明之用，并非用以限制本發明。且實施例中附圖標號的部分重復，為了簡化說明，并非意指不同實施例之間的關聯性。

本發明實施例披露了一種移動裝置的省電系統與方法，其利用類神經網絡讓移動電話根據使用者的行為來自動學習，以預測未來使用者的行為，作為設計省電方法的依據。

類神經網絡(Neural?Network)是一種利用大量人工神經元仿真生物神經元學習的行為的技術，其廣泛的被應用在樣本分類，辨識，預測，數據壓縮等領域。利用一可自動學習使用者行為的類神經網絡系統，可預測未來使用者行為以作為移動電話省電方法使用依據，從而達到省電的目的。

本發明的省電方法的實施流程分為三個階段。首先，隨機產生樣本并利用評估函數訓練類神經網絡系統，以縮短將來利用實際樣本訓練時的學習時間。其次，收集使用者的樣本并予以分類，找出擁有最多樣本的類型，來代表使用者使用移動電話的主要行為模式，并利用該類型所有的樣本來訓練出個人化的類神經網絡系統。最后，根據最新的樣本，利用類神經網絡來預測使用者未來的行為模式，并以此來動態調整各省電方法的參數。

假設使用者的作息有一定規律，則代表使用者用電話亦有一定的規律，在這個原則下，本發明實施例量化使用者在各時段使用移動電話的程度，在不影響移動電話基本功能的前提下，在使用率偏低的時段對于電力使用予以最佳化。

圖1示出了本發明實施例的產生加權事件向量的示意圖。