基於情景感知的嵌入式套用軟體性能-功耗最佳化研究

《基於情景感知的嵌入式套用軟體性能-功耗最佳化研究》是依託西北大學，由高嶺擔任項目負責人的面上項目。

基本介紹

• 中文名：基於情景感知的嵌入式套用軟體性能-功耗最佳化研究
• 項目類別：面上項目
• 項目負責人：高嶺
• 依託單位：西北大學

項目摘要

隨著行動網路及用戶的快速發展，行動網路套用得到廣泛普及，已基本拓展到現有網路套用的各個層面，其進一步發展的主要制約是移動終端在良好性能基礎上如何持久的為用戶提供服務，需找出一種有效的性能--功耗最佳化的方法。利用現有移動終端豐富的感測器資源實現對套用場景、環境及用戶狀態的智慧型情景感知，並有效利用移動雲計算環境中雲端計算能力來實現移動終端的性能--功耗最佳化方法具有良好的前景。本課題擬利用智慧型手機配置的豐富感測器獲取套用情景數據，以主動和增強學習方法為基礎構建以套用情景信息模型為依據的行動網路套用軟體性能-功耗最佳化模型，重點研究不同情景下移動網路套用軟體工作量、功耗、資源利用率等特徵的變化關係，建立不同類型軟體功耗有效性判定模型；研究將高能耗計算改造為雲服務，通過服務發現、服務組合滿足用戶套用需求，並降低移動終端功耗。本課題的研究成果將為雲計算技術及行動網路套用發展與推廣起到積極推動作用。

結題摘要

隨著行動網路及用戶的快速發展， 行動網路套用得到廣泛普及， 已基本拓展到現有網路套用的各個層面， 其進一步發展的主要制約是移動終端在良好性能基礎上如何持久的為用戶提供服務， 需找出一種有效的性能--功耗最佳化的方法。首先針對智慧型手機下載策略的不足，基於嵌入式系統CPU功耗預測並對其進行低功耗最佳化的方法，引入GINI指數的構建訓練分類器，對嵌入式系統的CPU頻率、電壓及所處的狀態進行預測。對於基於時間序列的能量最佳化進行建模，研究了一種以Lyapunov最佳化框架為基礎的移動終端集中下載自適應鏈路選擇算法和基於馬爾科夫決策過程的能耗感知下載方法，進而提出一種基於馬爾科夫模型的自適應非連續接收機制最佳化機制。 其次通過分析認證階段的延遲，並分析頻繁切換的熱點區域，提出了一種基於頻繁切換區域的預認證算法，當啟動切換過程之後，移動設備不僅為當前熱點啟動認證流程，也為頻繁切換區域內的熱點進行認證。在設備進入這些熱點之前，對熱點提前認證，從而達到減小遲延及降低功耗的目的，並且提出了一種基於多視圖群集認知最佳化的情景感知推薦方法。最後將情景感知領域中的用戶行為識別和設備功耗控制相結合，通過智慧型手機GPS和加速度計感測器對用戶行為進行識別，根據行為識別的結果，從功耗最佳化策略庫中選取相應的功耗最佳化策略進行最佳化設定，進一步通過開發功耗嵌入軟體原型系統並進行系統測試驗證，分別在移動瀏覽器和移動社交平台驗證本項目所提的理論方法是有效的。針對移動瀏覽器，選取500個熱門網站主頁,利用支持向量機分析其主頁面的HTML及樣式表進行特徵選擇；以此為基礎選取最優配置；最後線上下進行學習,構建預測模型，實驗顯示，所提出的CPU調度模型比DVFS按需調度策略性能提升45%以上，達到Oracle性能的80%。針對移動社交平台微博，驗證一種邊緣計算模式下基於馬爾可夫決策過程(MDP, Markov Decision Process)的能耗最佳化模型，實驗結果表明，相比於使用單一網路的圖片刷新模式，在保證不減少用戶刷新次數的前提下，所提出的能耗最佳化模型降低能耗約12.1%。