[发明专利]可穿戴设备电源管理方法、系统及计算机设备有效
申请号: | 202011316397.7 | 申请日: | 2020-11-23 |
公开(公告)号: | CN112114648B | 公开(公告)日: | 2021-02-09 |
发明(设计)人: | 蔡志平;吴虹佳;周桐庆;夏竟 | 申请(专利权)人: | 中国人民解放军国防科技大学 |
主分类号: | G06F1/3206 | 分类号: | G06F1/3206;G06F1/3234;G06F1/3287;G06F1/329;G06F9/50;G06K9/62;G06N5/04 |
代理公司: | 长沙国科天河知识产权代理有限公司 43225 | 代理人: | 邱轶 |
地址: | 410073 湖*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 穿戴 设备 电源 管理 方法 系统 计算机 | ||
1.一种可穿戴设备电源管理方法,其特征在于,所述方法包括:
获取单节点模式下可穿戴设备中传感器采集的历史情景上下文信息和所述历史情景上下文信息对应历史行为状态;所述单节点模式是一个单独的人或具有运动能力的物,在所述单节点上设置有多个所述可穿戴设备和多个不同维度和不同类型的传感器集群;所述历史情景上下文信息是指采集到的历史场景信息和所述传感器集群状态信息;
将所述历史情景上下文信息和所述单节点的历史行为状态作为训练数据,对预先设置的基于深度学习的行为分类模型进行训练,得到训练好的行为分类模型;
将当前时刻传感器采集的情景上下文信息和单节点的行为状态输入训练好的所述行为分类模型,得到预测行为状态;
根据所述历史行为状态对应的移动轨迹,将所述移动轨迹作为训练输入,对预先构建的基于马尔可夫模型的移动行为预测模型进行训练,得到训练好的移动行为预测模型;
将所述预测行为状态输入所述移动行为预测模型,得到短期未来行为状态;
根据所述预测行为状态和所述短期未来行为状态,为所述可穿戴设备中传感器分配电量。
2.根据权利要求1所述的方法,其特征在于,将所述历史情景上下文信息和所述单节点的历史行为状态作为训练数据,对预先设置的基于深度学习的行为分类模型进行训练,得到训练好的行为分类模型,包括:
将所述历史情景上下文信息和所述单节点的历史行为状态作为训练数据,对预先设置的基于深度学习的行为分类模型采用联邦学习的训练架构进行训练,得到训练好的行为分类模型。
3.根据权利要求1所述的方法,其特征在于,根据所述预测行为状态和所述短期未来行为状态,为所述可穿戴设备中传感器分配电量,包括:
根据所述预测行为状态和所述短期未来行为状态,最大化每个所述可穿戴设备的剩余能量为目标,采用非合作博弈机制,当达到纳什均衡时,为所述可穿戴设备中传感器分配电量。
4.一种可穿戴设备电源管理系统,其特征在于,包括:单节点、多个可穿戴设备以及云中心,所述多个可穿戴设备设置在所述单节点上,所述单节点和所述多个可穿戴设备与所述云中心之间通过网络连接;
所述单节点包括控制中心,所述控制中心与所述多个可穿戴设备连接,所述控制中心与所述云中心通过网络连接;
所述控制中心包括电源管理模块和任务调度模块;
所述电源管理模块执行权利要求1-3中任意一项所述方法步骤,用于对所述多个可穿戴设备进行电源管理;
所述任务调度模块接收所述多个可穿戴设备的所述预测行为状态和所述短期未来行为状态,并根据所述预测行为状态和所述短期未来行为状态确定多个可穿戴设备的计算任务;根据预先设置的计算任务能耗模型,确定所述计算任务对应的能耗函数,将所述能耗函数作为多目标博弈的优化目标函数进行优化,当优化达到预设的优化目标时,输出每个所述计算任务对应的能耗值,将大于预设能耗的所述计算任务发送到所述云中心;
所述云中心接收所述任务调度模块发送的所述计算任务,并进行处理。
5.根据权利要求4所述的系统,其特征在于,所述计算任务能耗模型:计算耗能模型、通讯耗能模型以及设备耗能模型;
所述计算耗能模型用于确定所述控制中心执行计算时所消耗的能量;
所述通讯耗能模型用于确定所述控制中心与所述云中心进行网络数据传输所消耗的能量;
所述设备耗能模型用于确定所述可穿戴设备执行所述计算任务所消耗的能量。
6.根据权利要求5所述的系统,其特征在于,所述可穿戴设备执行所述计算任务所消耗的能量,包括:
所述控制中心执行所述计算任务所消耗的能量,或所述控制中心向所述云中心传输所述计算任务所消耗的能量;
或所述云中心执行所述计算任务所消耗的能量和所述云中心接收所述计算任务所消耗的能量。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军国防科技大学,未经中国人民解放军国防科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011316397.7/1.html,转载请声明来源钻瓜专利网。