[发明专利]移动装置的省电系统与方法

说明书

技术领域

本发明涉及一种移动装置，且特别是涉及一种移动装置的省电系统与方法。

背景技术

蜂窝式移动电话系统包含了由多个与众多移动电台或移动电话通信的基站组成的网络，每一个基地或涵盖了一个特定的地理区域或小区。该系统包括了尽量使最邻近的基站被用来与每一个移动电话通信的手段，因而减少在移动电话中所需要的发射机动率。

当移动电话开机后，必须搜寻目前所处环境的最佳基站，以取得系统认证及注册。当移动电话注册完成后进入待机模式，即可在属于注册基站的联机范围内通过注册基站而进行联机以传送或接收数据。为了使移动电话能够长时间随时地维持在待命状态，当移动电话进入待机模式时，会启动一休眠机制使其降低功率消耗以减少电力消耗。然而，移动电话若频繁地在高功率(通话模式或非待机模式)与低功率(待机模式)之间切换时，亦可能造成大量电力的消耗。也就是说，不同使用者的通话行为与电力消耗程度有高度相关。

不同的移动电话使用者通常会有个人独特且规律的行为模式，因此，本发明便是利用这种特点，提出了一种移动装置的省电与方法。该方法使用了类神经网络，能让移动电话根据使用者的行为来自动学习，以预测未来使用者的行为，作为设计省电方法的依据。

发明内容

基于所述目的，本发明实施例披露了一种移动装置的省电方法。随机产生多个样本，计算每一样本的行为向量，并且利用所述样本与对应的行为向量训练一类神经网络系统。收集多个使用者事件，利用一加权转换函数转换所述使用者事件为多个行为样本，根据相似度对所述行为样本分类并且取得样本数量最多的一组行为样本，计算该组行为样本的行为向量，并且根据所述行为样本与对应的行为向量训练所述类神经网络系统。

本发明实施例还披露了一种移动装置的省电系统。该系统包括一预测模块、一样本产生模块、一评估模块、一事件收集模块、一加权转换模块以及一训练模块。该样本产生模块随机产生多个样本。该评估模块计算每一样本的行为向量。该事件收集模块收集多个使用者事件。该加权转换模块转换所述使用者事件为多个行为样本，并且根据相似度对所述行为样本分类并且取得样本数量最多的一组行为样本。该训练模块自所述评估模块取得所述样本与对应的行为向量训练一类神经网络系统，以及自所述加权转换模块取得所述行为样本与对应的行为向量训练所述类神经网络系统。

附图说明

图1示出了本发明实施例的产生加权事件向量的示意图。

图2示出了本发明实施例的省电方法的步骤流程图。

图3示出了本发明实施例的省电系统的架构示意图。

附图符号说明

310～样本产生模块

320～评估模块

330～事件收集模块

340～加权转换模块

350～训练模块

360～预测模块

具体实施方式

为了使本发明的目的、特征、及优点能更明显易懂，下文特举较佳实施例，并结合附图1至3做详细的说明。本发明说明书提供不同的实施例来说明本发明不同实施方式的技术特征。其中，实施例中的各组件的配置为说明之用，并非用以限制本发明。且实施例中附图标号的部分重复，为了简化说明，并非意指不同实施例之间的关联性。

本发明实施例披露了一种移动装置的省电系统与方法，其利用类神经网络让移动电话根据使用者的行为来自动学习，以预测未来使用者的行为，作为设计省电方法的依据。

类神经网络(Neural Network)是一种利用大量人工神经元仿真生物神经元学习的行为的技术，其广泛的被应用在样本分类，辨识，预测，数据压缩等领域。利用一可自动学习使用者行为的类神经网络系统，可预测未来使用者行为以作为移动电话省电方法使用依据，从而达到省电的目的。

本发明的省电方法的实施流程分为三个阶段。首先，随机产生样本并利用评估函数训练类神经网络系统，以缩短将来利用实际样本训练时的学习时间。其次，收集使用者的样本并予以分类，找出拥有最多样本的类型，来代表使用者使用移动电话的主要行为模式，并利用该类型所有的样本来训练出个人化的类神经网络系统。最后，根据最新的样本，利用类神经网络来预测使用者未来的行为模式，并以此来动态调整各省电方法的参数。

假设使用者的作息有一定规律，则代表使用者用电话亦有一定的规律，在这个原则下，本发明实施例量化使用者在各时段使用移动电话的程度，在不影响移动电话基本功能的前提下，在使用率偏低的时段对于电力使用予以最佳化。

图1示出了本发明实施例的产生加权事件向量的示意图。