移动网络应用软件“性能-功耗”优化研究

Mobile network application is a new wave of main battlefield in the development of the Internet.With the continuous development of microelectronics technology, a variety of underlying advanced embedded hardware power optimization technology matures, made it possible to optimize the power consumption at the software level.sHow to fully optimize the power consumption of the mobile Internet applications become an urgent need.This projectpropose to select mobile video streaming applications as a breakthrough point, on the basis of the initiative and enhance learning method to build the power consumption model of the mobile network application.On this basis, the key research the power consumption of the mobile network applications, resources utilization and the changes of the characteristics set up different types of software power effectiveness evaluation model;Analysis of energy consumption of existing communication protocols, study the method to reduce power consumption as well as guarantee the communication efficiency;Research to transfer the high energy cost calculation to the cloud end to reduce the energy cost of the mobile end.This project will play a positive rolefor mobile network application development and promotion.

移动网络应用是互联网发展的新一波主战场。随着微电子技术的不断发展，各种底层先进嵌入式硬件功耗优化技术日趋成熟，使软件层面进行有效的功耗优化成为可能。如何充分优化移动网络应用功耗成为一个迫切需要解决的问题。本课题拟选取移动视频在线点播应用作为切入点，以主动和增强学习方法为基础构建移动网络应用功耗模型。在此基础上，重点研究移动网络应用功耗、资源利用率等特征的变化关系，建立不同类型软件功耗有效性判定模型；分析现有通信协议的能耗，研究在保证通信效率的前提下，改进通信协议降低功耗；研究将高能耗计算转移到云端进行的软件工程方法。本课题的研究成果将为移动网络应用发展与推广起到积极的推动作用。

课题自2016年1月开始，2019年12月终止。本课题在云计算环境下，根据移动因特网应用特点，以性能-功耗优化为目的，研究如何在满足用户对性能要求的基础上，减少系统的功耗，进而提高资源利用率。选取移动视频在线点播应用作为切入点，以主动和增强学习方法为基础构建移动网络应用功耗模型。在此基础上，重点研究移动网络应用功耗、资源利用率等特征的变化关系，建立不同类型软件功耗有效性判定模型；分析现有通信协议的能耗，研究在保证通信效率的前提下，改进通信协议降低功耗；研究将高能耗计算转移到云端进行的软件工程方法，具体产生了以下研究成果：针对移动终端在蜂窝网络中的能耗过高问题，提出了一种基于时间序列的能量优化算法—平衡优化算法(BOA)。BOA 能达到93.86%的模型匹配率；相比于原标准下的Fixed-tail算法，能达到42.25% 的能量优化效果，且用户使用移动终端时间越长，能量优化效果越好。针对目前DRX机制单一的周期配置难以适应4G网络多业务并发的问题,提出一种基于马尔科夫模型的自适应DRX优化机制。相比于固定周期的DRX机制,我们提出的自适应DRX优化机制能够在不增加过多时延的条件下有效降低UE功耗,同时自主选择配置个性化的DRX参数,实现数据业务的自适应。基于嵌入式系统CPU功耗预测并对其进行低功耗优化的方法。引入GINI指数的构建训练分类器，利用PowerTop工具对系统CPU进行监测，并以此作为训练数据集，将该分类器封装到系统中，对嵌入式系统的CPU频率、电压及所处的状态进行预测。通过模拟实验表明，该方法在系统负载较小的情况下，对嵌入式CPU功耗的优化的效果更好。在研究功耗优化的过程中，我们也与时俱进，将内容扩展到了边缘计算环境以及方言识别领域，取得了不错的成果。在课题研究期间，我们的研究成果具有良好的实用性，达到了预期的研究目标。