智能手机在LTE网络中的尾能耗节能优化策略研究

李陶深，李明丽，葛志辉

(1.广西大学计算机与电子信息学院, 广西南宁530004;2.广西高校并行与分布式计算技术重点实验室, 广西南宁530004)



智能手机在LTE网络中的尾能耗节能优化策略研究

李陶深1,2，李明丽1，葛志辉1,2

(1.广西大学计算机与电子信息学院, 广西南宁530004;2.广西高校并行与分布式计算技术重点实验室, 广西南宁530004)

摘要:智能手机数据传输中的频发性和微量性特征增加了尾能耗的出现次数与占比，降低了传输能耗利用率。为了降低智能手机在LTE网络中的尾能耗，构建基于RRC状态机的LTE传输能耗模型，提出一种基于数据聚合的数据传输节能机制(A-ESTD)。该机制通过对数据传输类型的划分和蜂窝端口RRC状态机的判断，对数据传输做出即时发送或延迟发送的不同策略。同时，综合考虑即时型、心跳型数据出现周期和等待队列中最早deadline时间等因素，在数据传输判断机制上加入概率预测进行机会成本的权衡。仿真实验结果表明:该机制的节能效果优于普通传输机制，节能效率维持在27%左右，实现了节能效率的稳定。

关键词:智能手机;LTE网络;尾能耗;优化策略;聚合

智能手机是当前最主流的移动终端，人们常常使用智能手机通过第三代(the third generation，3G)和长期演进(long term evolution，LTE)通信技术与互联网进行数据交互。智能手机中电池容量的有限性决定了它的续航工作时间也是有限的。随着不断增长的能耗需求和有限的电池容量之间的矛盾日益加剧，如何提高智能手机的能量利用效率已经成为移动互联网领域一个备受关注的研究方向[1-2]。

作为智能手机的三大耗电元件之一的蜂窝端口在移动通信网络中进行数据传输后，会产生大比例的尾能耗，造成手机电能的浪费。对智能手机在LTE网络中的尾能耗特性进行分析，不但可以获知产生大比例尾能耗的具体原因，还可以据此对尾能耗进行优化，以达到降低手机总能耗、延长续航工作时间的目的。因此，智能手机尾能耗的研究与优化是一项非常有意义的工作。

近年来，国内外关于智能手机尾能耗节能的研究主要从尾能耗聚合、尾能耗窃取和尾能耗调节这三个方面展开，取得了一些研究进展。尾能耗聚合的研究思路：首先人为地判断应用程序发送的数据传输请求是否具有延时容忍度，然后将具有延时容忍度的多次数据传输请求聚集在一起做一次性发送，通过延迟发送将本应多次出现的尾能耗降低为一次[3]。基于尾能耗聚合的思想，Niranjan等[4]设计了TailEnder协议，采用延迟发送的技术提高网络端口能耗利用率。TailEnder协议减少了相同数据量的传输次数，对于中小型的邮件，节能效率达到了50%，但该协议只考虑了邮件这一类比较简单的延时容忍型程序的能耗利用率。Wang等[5]对智能手机的网页浏览传输机制进行了改进，取消了将网页的各对象分次发送的惯常行为，转为基于RRC状态对包头和所选择的内容进行压缩，然后以整页的形式发送到手机端。改进后的传输机制不仅使网络端口可以处于更长时间的休眠状态，而且减少了网页浏览中下载次数，提高了用户体验度，但是这种改进没有考虑到用户自主选择权的问题。Bhavish等[6]将云计算技术和手机网络节能策略结合起来，设计了Stratus模型，在云服务器中进行手机下行链路数据传输的决策与处理。该模型实现起来简单，节能效率显著，但是只适用于下行链路的聚合传输，而且需要额外的云代理服务器开销。文献[7]和文献[8]分析了现有的传输协议，指出LTE在传输微量数据方面的能量利用效率低下，并从聚合发送的角度分别对传输协议做出了不同的改进。

尾能耗聚合的方法对于延时容忍型的程序，特别是延时容忍度很大时，往往能取得较高的节能效率，但是对于目前智能手机中常用的即时通讯工具和需要保持长链接状态的进程，其节能效率较低。针对现有尾能耗聚合方法存在的不足，本文从智能手机尾能耗形成的角度出发，围绕如何有效合理地降低蜂窝网络端口传输能耗这一问题展开研究，在3G和LTE网络RRC状态机的基础上，提出基于数据分类和聚合的数据传输节能机制(A-ESTD)，以降低蜂窝网络端口传输能耗。

1LTE传输能耗模型

无线资源控制协议(radio resource control，RRC)决定着能量受限的智能手机网络端口的数据传输、状态切换以及能量消耗。RRC状态机已被广泛应用于LTE的网络传输能耗研究之中[9-10]，相同的RRC状态在不同的机型中，功率是不相同的。

基于RRC状态机的能耗模型已成为蜂窝网络节能研究的理论基础，因为它可以根据无线端口的RRC状态进行能耗统计，模拟仿真得到的数值与真机实际能耗之间差别较小。而且基于RRC状态机的能耗模型集中关注于数据传输行为对网络端口能耗的影响，排除了智能手机中CPU、屏幕等其他元件的能耗干扰。本文构建的LTE传输能耗模型中的RRC状态机参数源自文献[11]，对应的智能手机型号为HTC G1。该文献的实验证明，根据这些RRC能耗参数进行建模统计，与真机实测数据误差基本保持在6%以下。考虑到执行不同网络任务时CPU功率的波动，这些能耗参数在计算纯网络端口传输能耗方面无疑是非常优秀的。

1.1LET网络中的RRC状态机参数

在LET网络中，蜂窝端口发送功率与上行和下行传输速率都有关系，其功率如式(1)所示[12]：

发送功率=上行传输速率×αu+下行传输速率×αd+β,

(1)

其中，参数αu和αd值分别为438、52 mW/Mbps，β是端口发送基础功率，值为1 288 mW。

LTE的尾能耗最长持续时间约为11.5 s，它是由尾能耗非活动计时器TLTE_Tail控制的。在Long DRX和Short DRX的清醒阶段，它们的功率和连续接收态是一样的；而在沉睡阶段，它们的功率降为原来的63%。这证明了LTE在CONNECTED状态中运用DRX机制是为了进一步节能。LTE端口在CONNECTED状态采用周期性的浅休眠机制，等待下一次数据传输的来临，在达到节能目的的同时，避免了频繁进行信道申请和释放所带来的额外信令开销。

1.2传输能耗模型的工作机制

1.2.1传输队列生成

传输队列用于模拟手机应用程序发送数据的时间间隔和数据包大小，并模拟用户在不同场景中的操作行为。在本文，采用指数分布来模拟传输请求的生成时间间隔，其累积分布函数如式(2)所示：

(2)

其中，λ用于表示单位时间内事件出现的次数，该参数的设置主要参照国内常见业务平均每小时交互次数，如：QQ每小时120次，UC浏览器每小时50次，优酷每小时12次等。

传输队列中包的大小的设置由随机函数生成，其中30%的数据包小于1 Kb，70%的小于3 Kb。数据传输请求中如果数据量较大时，可以根据最大传输单元(maximum transmission unit, MTU)进行分片。

1.2.2传输能耗的统计

根据LTE网络中蜂窝端口RRC状态切换的特点，本文将数据传输过程中的传输能耗划分为提升能耗、发送能耗、尾能耗、休眠能耗等四个部分。

①提升能耗

提升能耗是指端口从休眠态切换至可以进行数据发送的状态过程中所消耗的能量。在LTE中表现为IDLE→Continuous Reception。LET网络的提升能耗统计函数计算如式(3)所示：

提升能耗=提升功率×提升时间。

(3)

②发送能耗

发送能耗是指实际耗费在数据传输中的能量，由式(1)计算得出，与上行和下行发送速率相关。LET网络的提升能耗统计函数计算如式(4)所示：

发送能耗=发送功率×发送时间，

(4)

其中，发送时间取决于数据包大小、上行和下行的传输速率，其计算如式(5)所示：

发送时间=max( packet.volume×μ/speedup, packet.volume×(1-μ)/speeddown)，

(5)

式中，packet.volume表示数据包大小，μ表示上行数据量占包大小的比例，speedup和speeddown分别表示上行速率与下行速率，max表示在上行发送时间和下行发送时间之间取最大值。

发送功率可用式(6)计算：

发送功率= speedup×αu+ speeddown×αd+β，

(6)

因为存在着基础功率β，所以还需要判断传输过程中上行和下行的重叠时间。重叠发送时间的计算公式为：

重叠发送时间= min( packet.volume×μ/speedup, packet.volume×(1-μ)/speeddown),

(7)

其中，min表示在上行发送时间和下行发送时间中取最小值。

重叠发送功耗的计算公式为：

重叠发送能耗=重叠发送时间×(speedup×αu+ speeddown×αd+β)。

(8)

剩余发送能耗的计算公式为：

剩余发送能耗=剩余发送时间×剩余发送功率，

(9)

其中：剩余发送时间等于发送时间减去重叠发送时间。

剩余发送功率取决于在剩余发送时间中发送的是上行数据还是下行数据，如果是上行数据，剩余发送功率=speedup×αu+β，否则剩余发送功率=speeddown×αd+β。

于是，发送能耗的计算公式为：

发送能耗=重叠发送能耗+剩余发送能耗。

(10)

③尾能耗

尾能耗是指数据发送完成后，蜂窝端口等待非活动计时器达到阈值之前，或下一个数据传输请求产生之前，处于赋闲状态所消耗的能量。

在LET网络中，尾能耗主要发生在CONNECTED状态的三个子状态中。在数据传输完成后，蜂窝端口RRC状态切换顺序依次为：Continuous Reception→Short DRX→Long DRX→IDLE。共有三个非活动计时器控制RRC状态的切换，分别为Ta、Tb和Tc。尾功率也取决于RRC端口当时的状态。由于LTE的CONNECTED状态中引入了DRX机制进行节能，因此，在尾能耗统计函数中也需要DRX阶段判断函数，负责判断下一个传输请求到来的时刻是处于DRX周期清醒阶段还是沉睡阶段。LTE尾能耗统计函数伪代码描述如下：

if(尾时间

else if(尾时间>Ta&&尾时间

尾能耗1=连续接收态功率×Ta；

端口RRC状态=DRX状态判断函数()；

if(端口RRC状态处于Short DRX清醒阶段)then

尾能耗2=Short DRX周期数×单个Short DRX周期能耗+Short DRX清醒阶段功率×清醒期时间；

else尾能耗2=(Short DRX周期数+1)×单个Short DRX周期能耗；

尾能耗=尾能耗1+尾能耗2；

}

else if(尾时间>Ta+Tb&&尾时间

尾能耗1= 连续接收态功率×Ta；

尾能耗2= Short DRX周期功率×Tb；

端口RRC状态=DRX状态判断函数()；

if(端口RRC状态处于Long DRX清醒阶段) then

尾能耗3=Long DRX周期数×单个Long DRX周期能耗+Long DRX清醒阶段功率×清醒期时间；

else尾能耗3=(Long DRX周期数+1)×单个Long DRX周期能耗；

尾能耗=尾能耗1+尾能耗2+尾能耗3；

}

else尾能耗=连续接收态功率×Ta+ Short DRX周期功率×Tb+ Long DRX周期功率×Tc；

//end

④休眠能耗

休眠能耗是指端口处于IDLE状态中，以DRX周期方式所消耗的能量。休眠能耗取决于休眠时间和下一次数据传输请求到达时DRX处于清醒阶段还是沉睡阶段。

LTE蜂窝端口IDLE态DRX清醒或沉睡阶段判断函数伪代码描述如下：

休眠时间=传输请求发生时刻-初始休眠时刻；

剩余时间=休眠时间%DRX周期时间;//%符号为取模符号

if(剩余时间

else端口处于DRX沉睡阶段；

//end

当端口处于DRX清醒阶段时，由于数据传输请求立即得到响应，因此有：

休眠能耗=DRX周期数×IDLE态DRX周期能耗+清醒阶段持续时间×清醒阶段功率。

(11)

当端口处于DRX沉睡阶段时，数据传输请求需要等到下一个DRX周期清醒阶段才能获得响应，故有：

休眠能耗=(DRX周期数+1)×IDLE态DRX周期能耗。

(12)

1.2.3LTE蜂窝端口RRC状态判断函数

由于传输能耗模型是基于LET 蜂窝端口RRC状态机的状态持续时间及其状态切换来计算传输能耗，因此，还需要加上RRC状态判断函数来判断下一次传输请求发生时LET蜂窝端口的RRC状态。在LTE中，蜂窝端口可以细分为七种状态：①连续接收态；②Short DRX清醒阶段；③Short DRX沉睡阶段；④Long DRX清醒阶段；⑤Long DRX沉睡阶段；⑥IDLE DRX清醒阶段；⑦IDLE DRX沉睡阶段。其端口RRC状态判断函数需要计算处于相应状态的时间净值，用时间净值对DRX周期取模，判断剩余的时间是处于DRX周期的清醒阶段还是沉睡阶段。注意Ta、Tb和Tc这三个重要的非活动计时器，当在相应时间段内，无数据传输发生时，蜂窝端口才会切换至下一个能耗更低的RRC状态。

2基于数据聚合的LET网络数据传输节能机制

在LET网络中，尾能耗在传输能耗中占据比例巨大。基于此，本文对LTE的普通传输机制进行改进，提出一种基于聚合发送思想的数据传输节能传输机制(aggregate-based energy saving data transmission, A-ESTD)，以便尽可能减少尾能耗带来的额外能量花销。

2.1数据传输请求分类

根据延时容忍度和发送频率的不同，本文将智能手机中的数据传输请求划分为三类：

①即时型。该类数据最大的特点是需要即刻进行传输，如QQ、微信等即时通讯软件发送的聊天消息。

②延时型。该类数据的特点是对发送时间不敏感，可以在几分钟到几小时内推后发送，例如电子邮件、系统更新等。

③心跳型。该类数据也具有延时容忍度，但是其数值较小，一般在1分钟到几十分钟之间。它还具有延时型数据所不具有的周期性。心跳型数据主要发生在：微博、移动广告等应用为了保持TCP链路的长连接状态，定期与远端服务器交换微量数据包，以避免通讯链路中断。

2.2A-ESTD机制的设计思路

在介绍A-ESDT机制原理之前，首先通过观察一组在3 G和LET通信网络下的数据传输实验，了解在普通传输机制下，智能手机蜂窝端口的数据传输情况。模拟生成5次数据传输如表1所示。

在表1中，发送期限时间的值由延时容忍度和生成时间相加得到，它意味着在该时间到来之前必须发送该数据。在延时容忍度设置方面，将心跳型设置为1 min，延时型设置为5 min。从表1显示：第1次和第2次数据传输请求是心跳型，它们具有1 min的延时容忍度；第4次传输请求为延时型，它具有5 min的延时容忍度，因此，它们可以在各自容忍度内进行等待，与可能出现的下一次即时型数据请求进行聚合，以减少尾能耗的出现次数，实现节能的目的。

基于聚合思想，本文提出的A-ESTD机制的设计思路是采用延迟发送机制，将智能手机中具有延时容忍度的数据请求积攒到一起进行发送，通过减少尾能耗的出现次数与持续时间，以及端口的提升次数来提高智能手机蜂窝端口的节能效率。当数据传输请求发生时，先侦测蜂窝端口的RRC状态，然后结合自身的数据传输类型判断是立即发送还是加入等待队列。如果数据请求符合立即发送的条件，则进行发送，否则将其加入等待队列。为了实现节能效率的稳定，当机制中心跳型和延时型数据在端口处于高能状态(CONNECTED)时，使用即时型数据的采样时间间隔、延时等待队列中的最早发送期限和心跳型数据的周期性三者共同计算既定时间段内的数据发送概率，利用经济学中的机会成本概念，加入了对心跳型和延时型数据请求在未来聚合成功的概率进行发送和等待的机会成本权衡，确定其发送策略。

2.3数据传输节能机制的实现

2.3.1等待队列与数据传输请求处理策略

LTE的端口RRC主状态只有CONNECTED和IDLE态，因此，心跳型数据只能在CONNECTED态中的连续接收子状态下进行传输。为此，LTE的数据请求等待队列只设置一个，用于存放不符合立即发送条件的延时型数据请求和心跳型数据请求。

A-ESDT传输机制在每次数据传输请求发生时，采取的处理策略如下：

①对于即时型数据，不论蜂窝端口处于何种RRC状态都要立即发送本次请求传输的数据。

②对于心跳型和延时型数据，如果RRC状态为CONNECTED态，首先在数据传输判断机制上加入概率预测进行机会成本的权衡，确定其发送策略，然后由发送策略确定数据是否传输。对于不能立即发送的数据传输请求，将其加入等待队列。

③在每次数据传输后，将等待队列中的心跳型和延时型数据传输请求一并进行发送。

④等待队列中的传输请求到达发送期限时，不论蜂窝端口RRC状态如何，都立即进行发送。

2.3.2机会成本权衡预判机制

经济学中的机会成本概念：为了做某件事情，而所要放弃的另一件事情的最大价值。对于LET网络中的延时型和心跳型数据来说，当蜂窝端口处于高能状态时(CONNECTED)，它们可以有两种互斥的操作选择：①立即发送；②延时等待。因此，立即发送的机会成本就是损失端口已经持续的尾能耗；而延时等待的机会成本是在它的延时容忍度内聚合失败，从而单独产生一次完整的尾能耗。

如前所述，心跳型或延时型数据都具有一定的延时容忍度，因此本文需要计算这些类型数据的传输请求提出时刻到发送期限到来时刻之间的时间段内下一次数据的发送概率。对于即时型数据的发送预判，采用时间序列预测中较为流行的BP神经网络预测方法[13]。预判机制实现原理如下：

首先考虑即时型数据的发送概率。设Ttolerant为本次延时型或心跳型数据请求的延时容忍度，Tarrive为数据请求到达时间，t1,t2,t3,…,tn为前n次即时型数据生成时间；采用BP神经网络预测工具，执行单步预测,得到下一次即时型数据的生成时间tn+1，其中tn+1=F(t1,t2,t3,…,tn)。利用古典概率定义，可以计算出即时型数据的发送概率，即本次数据请求的延时容忍度落入时间tn和tn+1之间的概率。此外还需要判断下一次数据是即时型数据的概率。即有：

即时型数据发送概率=Ttolerant/(tn+1-Tarrive),

(13)

发送概率=即时型数据发送概率×P(数据请求为即时型),

(14)

其中，数据请求为即时型的概率通过统计的方法得出，即统计前m次数据请求中，即时型数据请求出现的次数为n，则数据请求为即时型的概率等于n/m。

发送概率还取决于延时等待队列中的最早发送期限时间，当延时等待队列中的最早发送期限时间小于该次发送期限时间时，发送概率就等于1，否则为0。

发送概率也取决于心跳型数据的周期性产生。由于心跳型数据具有强烈的周期性，因此将过去的心跳型数据进行不同应用程序的分类。假设具有m类，即Y1,Y2,…,Ym，其延时容忍度分别为X1,X2,…,Xm。本文用一个大小为m的一维数组记录每一类最近一次的发送时间T1,T2,…,Tm。当该次数据请求的发送期限小于函数min(X1+T1,X2+T2,…,Xm+Tm)时，发送概率就等于1，否则为0。

比较三种方法中计算得到的发送概率，取三者之中的最大值，就是本次延时型或心跳型数据传输请求在延时容忍度内的下一次数据的发送概率。

2.3.3数据传输机制的实现

LTE网轮中数据传输节能机制的核心伪代码编写如下：

输入：数据传输请求

输出：各部分传输能耗

Begin

if(数据请求是即时型){

传输该次请求；

传输等待队列中所有数据请求；

}//end 即时型数据请求

else if(数据请求为心跳型或延时型){

if(当前RRC状态为CONNECTED){

计算端口已持续的尾能耗；

计算在该次数据请求的发送期限前，下一次数据的发送概率；

if((1-发送概率)*一次完整尾能耗>该次已持续的尾能耗){

发送该次数据请求；

传输等待队列的所有数据请求；

}

else 加入延时等待队列;

}

else 加入延时等待队列；

}//end心跳型和延时型数据请求

End。

3实验与节能效率分析

实验是利用本文构建的传输能耗模型对智能手机的传输能耗进行对比分析，实验用的智能手机型号为HTC G1。实验中，将LTE网络的速率设置为上行2 Mbps和下行5 Mbps。为了方便与上文的普通发送机制进行传输能耗的对比，使用表1中的5次传输请求队列作为能耗模型的输入。

表2是在采用A-ESDT传输机制后，蜂窝端口发送请求时间点、实际传输时间点与传输完成时间点的统计结果。从表中可以发现，采用A-ESDT机制进行传输后，第1次和第2次数据传输请求进行了聚合发送；第3次、第4次和第5次数据传输请求进行了聚合发送。聚合发送后，蜂窝端口由IDLE→DCH的提升次数减少了1次，总的尾能耗持续时间降低了约47%，实现了整体传输能耗的节约。

表2　A-ESDT传输机制时间点

图1展示了采用普通传输机制和A-ESDT机制传输在LTE网络中各部分传输能耗的对比情况。从实验结果对比可以看到，LTE采用A-ESDT机制进行传输后，提升能耗相对普通传输降低了33.3%，尾能耗降低了48.3%，休眠能耗增加了112.5%，总能耗降低了45.1%。这是因为在采用A-ESDT机制后，降低了尾能耗出现的几率与持续时长。延迟传输和聚合发送使得不同的数据请求可以共享一次尾能耗，减少了蜂窝端口的启动次数，延长了端口保持在休眠状态进行节能的时间。

为了测试不同的发送次数本文机制的节能效率，笔者对A-ESDT机制分别做蜂窝端口3次、5次、10次、20次、30次、50次、80次和100次的传输请求实验，得到的不同传输请求次数中A-ESDT机制的节能效率如图2所示。从图2中可以看出，随着发送次数的增加，利用A-ESDT机制进行传输节约能耗的绝对值随着总能耗的增加而逐渐增加，A-ESDT机制的节能效率在多次传输后也维持在27%左右。这是因为A-ESDT机制通过对心跳型和延时型数据在蜂窝端口处于高能状态下进行机会成本权衡预判，改进了发送策略，避免了这两类数据无谓地延长尾能耗持续时间，达到了提高节能效率的目的。

图1普通发送机制与A-ESDT

发送机制间传输能耗对比

Fig.1Thecomparison of various transmission

energy between normal transmission

and A-ESDT Mechanism

图2不同传输请求次数中EA-ESDT

机制的节能效率

Fig.2The A-ESDT mechanism’s energy

saving efficiency among different

transmission request times

4结语

本文对智能手机蜂窝端口在LTE网络中产生的尾能耗特性进行分析，基于RRC状态机构建了LTE网络的传输能耗模型，为节能传输机制的研究奠定了实验环境基础。在传输能耗模型的基础上，设计实现了一种基于聚合传输思想的尾能耗优化A-ESDT传输机制，该机制将聚合传输和机会成本权衡的思想运用到智能手机的尾能耗优化策略中，将蜂窝端口的RRC状态、数据请求类型及延时容忍度内聚合成功几率作为传输或延迟传输的判断依据，利用聚合传输有效地降低了尾能耗比例，实现了节能效率的稳定。仿真实验结果说明了A-ESDT机制的有效性和可行性。

参考文献:

[1]罗军舟,吴文甲,杨明.移动互联网: 终端,网络与服务[J]. 计算机学报, 2011, 34(11): 2029-2051.

[2]李陶深，朱江红,葛志辉.基于自适应最小竞争窗口的EDCA能源优化.广西大学学报(自然科学版)，2015，40(5)：1252-1259.

[3]DENG Shuo. Reducing 3G energy consumption on mobile devices[DB/OL]. (2012-07-02)[2015-11-10]. http://dspace.mit.edu/handle /1721.1/ 71496.

[4]BALASUBRAMANIAN N, BALASUBRAMANIAN A, VENKATARAMANI A.Energy consumption in mobile phones: a measurement study and implications for network applications[C]//Proceedings of the 9th ACM SIGCOMM Conference on Internet Measurement.Chicago, USA: ACM Press, 2009:280-293.

[5]WANG L, MANNER J.Energy-efficient mobile web in a bundle[J]. Computer Networks, 2013, 57(17): 3581-3600.

[6]AGGARWAL B, CHITNIS P, DEY A, et al.Stratus: energy-efficient mobile communication using cloud support[J]. ACM SIGCOMM Computer Communication Review, 2011, 41(4): 477-478.

[7]WANG K, ALONSO-ZARATE J, DOHLER M.Energy-efficiency of LTE for small data machine-to-machine communications[C]//2013 IEEE International Conference on Communications (ICC). Budapest, Hungary: IEEE Press, 2013:4120-4124.

[8]LAURIDSEN M, WANG H, MOGENSEN P.LTE UE Energy saving by applying carrier aggregation in a HetNet scenario[C]//2013 IEEE 77th Proceedings of Vehicular Technology Conference (VTC Spring). Dresden, German: IEEE Press, 2013:1-5.

[9]YU F, XUE G, ZHU H, et al.Cutting without pain: mitigating 3g radio tail effect on smartphones[C]// 2013 IEEE Proceedings of INFOCOM. Turin, Italy: IEEE Press, 2013:440-444.

[10]DING N, WAGNER D, CHEN X, et al.Characterizing and modeling the impact of wireless signal strength on smartphone battery drain[J]. ACM SIGMETRICS Performance Evaluation Review, 2013, 41(1): 29-40.

[11]HUANG J, QIAN F, GERBER A, et al.A close examination of performance and power characteristics of 4G LTE networks[C]//Proceedings of the 10th International Conference on Mobile Systems, Applications, and Services. Ambleside, United Kingdom, ACM Press, 2012:225-238.

[12]YOON C, KIM D, JUNG W, et al.AppScope: application energy metering framework for android smartphone using kernel activity monitoring[C]//USENIX Annual Technical Conference.Boston, USA: IEEE Press, 2012:387-400.

[13]徐鹏飞,李炜,郑华,等.神经网络在时间序列预测中的应用研究[J]. 电子技术, 2010(8):5-7.

(责任编辑梁碧芬)

On the optimization strategy of tail energy of smart phones in LET network

LI Tao-shen1,2, LI Ming-li1, GE Zhi-hui1,2

(1.School of Computer, Electronics and Information, Guangxi University, Nanning 530004, China;2. Guangxi Colleges and Universities Key Laboratory of Parallel and Distributed Computing, Nanning 530004, China)

Abstract:The frequency and micro scale characteristics of data transmission in smart phones increase the frequency of occurrence and proportion of tail energy, which decreases the utilization rate of transmission energy. In order to reduce the tail energy of smart phones in LET network, a transfer energy consumption model based on the RRC state machine in LTE network is built, and a data aggregation-based energy saving data transmission mechanism (A-ESTD) is proposed. This mechanism takes data transmission types and cellular port recent RRC state into account to decide whether transmits the data instantly or later. Meanwhile, taking the periodicity of instant and heartbeat-type data and the earliest deadline in the waiting queue together into consideration, it adds the probability prediction into the original data transmission judgment to weigh the opportunity cost. The simulation results show that the mechanism enhances the energy efficiency compared to the normal mechanism, and can achieve stable energy saving efficiency that maintains at about 27%.

Key words:smart phones; LET(long term evolution) network; tail energy; optimization strategy; aggregation

中图分类号:TP393

文献标识码:A

文章编号：1001-7445(2016)02-0526-09

doi:10.13624/j.cnki.issn.1001-7445.2016.0526

通讯作者：李陶深(1957—)，男，广西南宁市人，广西大学教授，博士生导师；E-mail: tshli@gxu.edu.cn。

基金项目：国家自然科学基金资助项目(61363067)；广西自然科学基金资助项目(2012GXNSFAA053226)

收稿日期：2015-12-05；

修订日期：2016-01-12

引文格式：李陶深，李明丽，葛志辉.智能手机在LTE网络中的尾能耗节能优化策略研究[J].广西大学学报(自然科学版)，2016，41(2)：526-534.