基于情景感知的Wi-Fi节能技术研究

摘要

近年移动设备的不断发展，其功能也越发强大并且其内嵌很多传感器，比如位置传感器(GPS)、光学传感器等。正是因为移动设备的便利及功能的强大，用户会经常随身携带，所以通过内嵌在移动设备中的传感器收集到的数据可以更接近地体现出用户的一些日常习惯。而把通过某种途径比如通过移动设备获取到的环境数据称之为情景数据，如果对这些情景数据进行挖掘，建立情景感知系统模型，那么系统可以根据建立的模型为移动设备用户提供个性化、情景感知化的服务。
　　而目前移动设备中Wi-Fi的耗能是许多手机用户热切关注的问题，尤其在用户不需要连接Wi-Fi而没有将其关闭，此时Wi-Fi模块需要不断的进行扫描从而导致不必要的电量浪费，因此可以通过解决不必要的Wi-Fi扫描以此达到节能效果。经过调研发现，用户连接Wi-Fi往往和用户每天所处的位置及时间有着密切联系，因此利用轨迹挖掘技术中的Apriori聚类算法挖掘用户频繁模式，再根据用户频繁点使用适合本系统的OPTICS密度算法检测用户Wi-Fi周期，为不同移动设备用户建立Wi-Fi周期情景感知模型，根据用户Wi-Fi周期模型提供智能开关Wi-Fi的服务，最终达到节能效果。实验结果显示，对于活动有规律的用户节约大约17％能量;活动规律一般的用户大约节约10％的能量。

目录

声明

摘要

图目录

表目录

第一章 绪论

1．1 研究背景

1．2 研究目的及意义

1．3 研究内容

1．4 论文结构安排

第二章 情景感知技术研究概述

2．1．1 情景

2．1．2 情景感知

2．1．3 情景感知系统

2．1．4 情景感知建模方法

2．2 情景感知系统研究现状

2．3 基于用户轨迹数据挖掘技术研究概述

2．3．1 轨迹模式挖掘研究现状

2．3．2 周期活动模式挖掘现状

2．4 本章小结

第三章 系统模型及数据收集、预处理

3．1 Wi-Fi周期活动模型

3．1．1 数据收集模块

3．1．2 情景数据预处理模块

3．1．3 频繁点模块检测

3．1．4 周期活动模式检测模块

3．2 数据收集

3．3 数据预处理

3．3．2 处理冗余数据

3．3．3 停留点检测

3．4 本章小结

第四章 频繁点检测

4．1 频繁点检测算法介绍

4．1．1 算法概述

4．1．2 算法步骤

4．2 算法实现

4．2．1 算法伪代码

4．2．2 实验仿真

4．3 本章小结

第五章 建立Wi-Fi周期模型

5．2 用户Wi-Fi周期检测

5．2．1 密度算法介绍

5．2．2 密度算法相关概念

5．2．3 Wi-Fi周期检测

5．2．4 实现智能开关Wi-Fi

5．3 实验数据分析

5．3．1 有规律用户数据分析

5．3．2 一般规律用户数据分析

5．4 本章总结

第六章 总结与展望

6．1 总结

6．2 展望

致谢

参考文献