CN111479314A - 一种终端功耗调节方法及终端设备 - Google Patents

Abstract

本申请公开了一种终端功耗调节方法，包括：采集所述终端的通讯组件的性能关键特征数据；根据所述性能关键特征数据进行人工智能AI识别，确定当前场景的通讯组件性能等级；根据所述当前场景的通讯组件性能等级，调节所述通讯组件的功耗。对应于上述方法，本申请还公开了一种终端设备。应用本申请公开的技术方案，能够在满足终端性能要求的同时达到延长终端使用时长的目的。

Description

一种终端功耗调节方法及终端设备

技术领域

本申请涉及通信设备技术领域，特别涉及一种终端功耗调节方法及终端设备。

背景技术

移动通信技术经历了2G、3G、4G、5G的演变，通讯组件的功能越来越强大，用户智能终端的网络速率也以肉眼可见的速度急剧增加，但是，在网络速率大大提高的同时，对终端设备功耗也提出了更高的要求。比如当前刚刚兴起的5G终端，通讯组件所需功耗增加很多，对终端的电池使用时长影响很大。

终端通讯组件的功耗主要是基带芯片的功耗，以及终端射频的接收、发送等部分的功耗。电波需要发射出去，频率必须达到一定程度才行。如果频率很低，比如声音的频率只有20HZ-20KHZ，这种频率的信号是无法直接发射的，必须将其调制到高频上，也就是射频上，才能发射。

为了使终端和基站实现良好的通讯，要求终端的发送功率必须有足够的强度。如图1所示为终端发送功率随终端与基站的距离远近而变化的示意图，当终端与基站距离较近时，用较小的功率就可以维持通信；当终端与基站距离较远时，则终端必须加大自身的发送功率，才能与基站维持良好的通信水平。因此，终端中射频的功率是可调的。

现有技术中存在多种对终端发送功率进行调节的技术方案：

例如，一种现有的射频电路及终端方案中详细介绍了一种射频电路，该射频电路通过多重滤波和开关控制，实现了射频信号的稳定性，进而达到终端设备稳定性的目的。但是，该方案并未考虑终端设备的功耗性能。

又比如，一种现有的调整终端发送功率的方法和装置，通过循环调整信号发送功率的方式，使通道间的干扰满足不影响通信质量的要求，解决了多通道***中通道间的干扰问题，保证了信号质量。但是，该方案并未考虑实际用户场景，比如5G模式下，若终端流量速度很小，那么发送功率较大则会造成功耗的浪费。

再比如，一种现有功耗控制的方法、无线终端及无线通信网络设备，该方案旨在解决目前无线终端在进行网络数据的收发时一直与网络进行交互，功耗消耗过多的问题。其所采用的方法是获取并保存无线终端与无线通信网络进行通信协商的网络背景信息，关闭无线终端的预设功能模块，使得终端进入省电模式(PSM：power saving mode)。该方法可以使终端仅在数据交互时与网络进行连接，没有数据交互时则进入PSM模式，以减少功耗。该方案解决的是数据交互过程中功耗损失过多的问题，对于除此之外的其他过程并未提出对应的降低终端功耗的解决方案。

再比如，一种现有的射频控制方法及终端，在终端信号不好时，通过降低终端的射频功率或者直接关闭终端的射频功能，来达到节省电量及降低辐射的目的。该方案的优点是操作简单，并且一定程度上节约了功耗，但是未能从通信质量的角度出发，因此，会造成终端信号遗失，导致用户通信不及时。

总之，终端发送功率是一个重要的技术指标，也是一柄双刃剑，一方面用户希望发送功率足够大，以克服无线电波传播路径的损耗、以及发射或折射的损耗，从而克服其他无线电波的干扰；另一方面又希望发送功率足够小，以尽可能小地干扰他人的通讯。解决的办法就是要根据需要控制终端的发送功率，在保证所有用户的正常通信的情况下，尽可能地把所有终端的发送功率都降下来。

发明内容

本申请提供了一种终端功耗调节方法及终端设备，以在满足终端性能要求的同时达到延长终端使用时长的目的。

本申请公开了一种终端功耗调节方法，包括：

采集所述终端的通讯组件的性能关键特征数据；

根据所述性能关键特征数据进行人工智能AI识别，确定当前场景的通讯组件性能等级；

根据所述当前场景的通讯组件性能等级，调节所述通讯组件的功耗。

较佳的，该方法还可以包括：根据不同场景对通讯组件的性能要求设置至少两个通讯组件性能等级，所述至少两个通讯组件性能等级中的至少一个对应为降低所述终端的通讯组件的功耗；

所述根据所述当前场景的通讯组件性能等级，调节所述通讯组件的功耗包括：如果当前场景的通讯组件性能等级为所述至少一个时，则降低所述终端的通讯组件的功耗。

较佳的，所述降低所述终端的通讯组件的功耗可以包括以下的至少一种：

降低所述终端的通讯组件的发送功率；

降低所述终端的网络制式。

较佳的，在降低所述终端的通讯组件的功耗时，还可以包括：

监测通讯质量指标，所述通讯质量指标包括误码率和误包率中的至少一个；

当所述通讯质量指标中的任意一个超过设定阈值时，将降低的通讯组件的功耗调整回原值。

较佳的，在根据所述性能关键特征数据进行人工智能AI识别之前，还可以包括：

判断是否需要进行AI模型训练；

如果需要进行AI模型训练，则将所述采集的通讯组件的性能关键特征数据作为历史数据输入选定的AI模型，并根据所述设置的通讯组件性能等级作为识别的分类标签进行训练，训练出所述选定的AI模型的参数。

较佳的，所述判断是否需要进行AI模型训练可以包括：

如果当前没有训练好的AI模型参数，则需要进行AI模型训练；

或者，当根据AI识别确定的通讯组件性能等级降低终端的通讯组件的功耗，而后又将降低的通讯组件的功耗调整回原值的次数超过设定阈值时，则需要进行AI模型训练。

较佳的，所述通讯组件的性能关键特征数据可以包括以下的至少一种：最大网速、平均网速、网络延迟、信号强度、网络制式、接收功率；

所述采集可以包括以下的至少一种：在前后台切换时进行采集，按照设定周期进行采集。

本申请还公开了一种终端设备，包括：场景数据获取模块、AI识别模块和通讯组件功耗配置模块，其中：

所述场景数据获取模块，用于采集本终端设备的通讯组件的性能关键特征数据，并提供给所述AI识别模块；

所述AI识别模块，用于根据所述性能关键特征数据进行AI识别，确定当前场景的通讯组件性能等级，并提供给所述通讯组件功耗配置模块；

所述通讯组件功耗配置模块，用于根据所述当前场景的通讯组件性能等级，调节所述通讯组件的功耗。

较佳的，所述通讯组件性能等级是根据不同场景对通讯组件的性能要求设置的，至少有两个通讯组件性能等级，并且，所述通讯组件性能等级中的至少一个对应为降低所述终端的通讯组件的功耗；

所述通讯组件功耗配置模块，用于在当前场景的通讯组件性能等级为所述至少一个时，降低本终端设备的通讯组件的功耗。

较佳的，所述通讯组件功耗配置模块可以具体用于：降低本终端设备的通讯组件的发送功率；或者，降低本终端设备的网络制式。

较佳的，所述通讯组件功耗配置模块还可以用于：

监测通讯质量指标，所述通讯质量指标包括误码率和误包率中的至少一个；

当所述通讯质量指标中的任意一个超过设定阈值时，将降低的通讯组件的功耗调整回原值。

较佳的，所述AI识别模块还可以用于：

判断是否需要进行AI模型训练；

如果需要进行AI模型训练，则将所述采集的通讯组件的性能关键特征数据作为历史数据输入选定的AI模型，并根据所述设置的通讯组件性能等级作为识别的分类标签进行训练，训练出所述选定的AI模型的参数。

较佳的，所述AI识别模块具体用于：

判断当前是否有训练好的AI模型参数，如果没有，则判定需要进行AI模型训练；

或者，判定根据AI识别确定的通讯组件性能等级降低终端的通讯组件的功耗，而后又将降低的通讯组件的功耗调整回原值的次数是否超过设定阈值，如果超过设定阈值，则判定需要进行AI模型训练。

较佳的，所述场景数据获取模块所采集的通讯组件的性能关键特征数据包括以下的至少一种：最大网速、平均网速、网络延迟、信号强度、网络制式、接收功率；

所述场景数据获取模块进行采集的方式包括以下的至少一种：在前后台切换时进行采集，按照设定周期进行采集。

由上述技术方案可见，本申请通过采集终端的通讯组件的性能关键特征数据，并根据性能关键特征数据进行AI识别，确定当前场景的通讯组件性能等级；并根据当前场景的通讯组件性能等级，调节通讯组件的功耗，使得在用户场景对性能要求较低时，可以降低通讯组件的功耗，从而实现了按照实际应用的需要调节终端通讯组件的功耗，在满足性能要求的同时达到延长终端使用时长的目的。

在此基础上，本申请通过采用反馈方式监测降低通讯组件功耗后的通信质量，实现了对通信质量的保障，以保证在不影响通信质量的前提下实时按需调节终端通讯组件的功耗，既能满足性能要求，又能延长终端使用时长。

附图说明

图1为终端发送功率随终端与基站的距离远近而变化的示意图；

图2为本申请一较佳终端功耗调节方法的流程示意图；

图3为本申请一较佳终端设备的组成结构示意图；

图4为本申请一示例性场景数据获取模块进行数据采集的原理示意图；

图5为随机森林模型的示意图；

图6为本申请一示例性AI识别模块的工作原理示意图；

图7所示为本申请一示例性通讯组件功耗配置模块的工作原理示意图；

图8为本申请实施例一在视频播放场景中应用本申请技术方案的示意图；

图9为本申请实施例二在游戏场景中应用本申请技术方案的示意图。

具体实施方式

为使本申请的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本申请作进一步详细说明。

本申请发明人通过对现有技术进行分析发现：现有技术对于终端通讯组件功率的调节主要是从通讯本身出发进行考虑的，优先考虑保证通讯性能，而没有从实际用户场景出发去考虑节省功耗。如果能够根据用户终端的实际使用场景来按需调节终端的发送频率，则既能保证终端的稳定性，又能在一定程度上延长设备的使用时长。

为此，本申请提出一种终端功耗调节方法，该方法包括：

首先，采集该终端的通讯组件的性能关键特征数据；

然后，根据采集到的性能关键特征数据进行人工智能(AI)识别，确定当前场景的通讯组件性能等级；

最后，根据当前场景的通讯组件性能等级，调节通讯组件的功耗。

本申请中，通信组件性能等级可以是根据不同场景对通讯组件的性能要求而设置的，具体而言，可以设置至少两个通讯组件性能等级，并且，其中至少一个通讯组件性能等级对应为降低终端的通讯组件的功耗。

例如：所设置的通讯组件性能等级中可以包含“低”这一等级，并且，可以设置“低”这一等级应当降低终端的通讯组件的功耗。那么，当根据当前场景的通讯组件性能等级调节通讯组件的功耗时，如果当前场景的通讯组件性能等级是“低”时，则降低终端的通讯组件的功耗。

其中，降低终端通讯组件的功耗的方式可以是降低终端的通讯组件的发送功率，也可以是降低终端的网络制式，例如：从5G降到4G。

为了保证通讯质量，在降低终端的通讯组件的功耗的同时，还可以进一步监测通讯质量指标，例如：检测误码率和误包率中的至少一个；当通讯质量指标中的任意一个超过设定阈值时，将降低的通讯组件的功耗调整回原值。从而，可以在监测到降低通讯组件的功耗导致通讯质量下降时，将已经下调的通讯组件的功耗调整回原来的值，以提高通讯质量。

本申请的AI模型无需每次训练，只需在需要时进行模型训练。例如，如果当前没有训练好的AI模型参数，则需要进行AI模型训练；或者，当根据AI识别确定的通讯组件性能等级降低终端的通讯组件的功耗，而后又将降低的通讯组件的功耗调整回原值的次数超过设定阈值时，则需要进行AI模型训练。

如果需要进行AI模型训练，则将采集的通讯组件的性能关键特征数据作为历史数据输入选定的AI模型，并根据设置的通讯组件性能等级作为识别的分类标签进行训练，训练出所述选定的AI模型的参数。

本申请中，通讯组件的性能关键特征数据可以包括以下的至少一种：最大网速、平均网速、网络延迟、信号强度、网络制式、接收功率；

本申请进行特征数据采集的方式包括以下的至少一种：在前后台切换时进行采集，或者，按照设定周期进行采集。

图2为本申请一较佳终端功耗调节方法的流程示意图，该方法包括：

首先，采集场景数据并进行数据处理。

然后，判断是否需要进行AI模型训练，如果需要进行AI模型训练，则按照本申请如前所述的方法进行AI模型训练，如果不需要进行AI模型训练，则根据所采集的场景数据进行AI识别，确定通讯组件性能级别(也可称为通讯模块性能级别)。

接下来，根据所确定的通讯组件性能级别判断当前场景是否为对通讯组件性能要求低的场景，如果不是，则按照原发送功率进行发送；如果当前场景是对通讯组件性能要求低的场景，则下调终端通讯组件的发送功率，同时，开始监测误码率和误包率。

如果监测到误码率或误包率大于设定阈值，则停止下调终端发送功率，否则，下调终端发送功率，结束本流程。

本申请上述技术方案，通过根据用户的实际使用场景，利用AI训练识别对应于场景的通讯组件性能要求，并在用户场景对性能要求较低时，降低通讯组件的功耗，从而实现了按照实际应用的需要调节终端通讯组件的功耗，在满足性能要求的同时达到延长终端使用时长的目的。在此基础上，本申请通过采用反馈方式监测降低通讯组件功耗后的通信质量，实现了对通信质量的保障，以保证在不影响通信质量的前提下实时按需调节终端通讯组件的功耗，既能满足性能要求，又能延长终端使用时长。

对应于上述方法，本申请还提供了一种终端设备，其组成结构如图3所示，主要包括：场景数据获取模块、AI识别模块、通讯组件功耗配置模块。下面对这三个模块分别进行详细说明。

1、场景数据获取模块：

该模块主要用于采集通讯组件相关的性能关键特征数据(也可简称为“特征数据”)，为接下来的AI识别模块进行AI识别分类做准备。场景数据获取模块进行数据采集的原理示意图如图4所示：

场景数据获取模块需要采集的特征数据(即图中所示“数据源”)包括但不限于：最大网速、平均网速、网络延迟、信号强度、网络制式、接收功率等。

场景数据获取模块采集特征数据的时机可以是前后台切换的时候，除此之外，还可以定期采集特征数据，即周期性获取相关特征数据。

采集到特征数据以后，场景数据获取模块将其存储在本地数据库，并在对特征数据进行数据整理和标准化之后，发送给AI识别模块使用。

2、AI识别模块：

该模块用于根据采集的通讯组件的性能关键特征数据进行识别，确定当前场景的通讯组件性能等级。

对性能等级的划分可以根据实际需要进行，至少划分两个等级，并且至少两个通讯组件性能等级中的至少一个对应为降低终端的通讯组件的功耗。

本申请一个较佳示例中，将通讯组件的性能等级划分为5个级别，如表1所示：

Level 1:Very Low(很低)
	Level 2:Low(低)
Level 3:Normal(普通)
	Level 4:High(高)
Level 5:Very High(很高)

表1

表1中的Level 1～Level 5依次表示对应场景对通讯组件的性能等级的要求逐级提高，具体而言：Level 1～Level 5依次表示对应场景对通讯组件的性能等级的要求很低、低、普通、高和很高。在实际应用中，可以根据需要设置其他数量的级别，可以按照从高到低，也可以按照从低到高的顺序进行设置，本申请对此不作限制。

对于AI识别模块而言，首先需要选择AI模型的类型。这里，可以根据AI模型的特性选择合适的模型，本申请实施例选择的是随机森林模型。随机森林模型如图5所示：随机森林算法根据若干决策树进行决策融合，最后得出随机森林决策。在随机森林算法工作时，无需人工制定输入特征向量各个属性的占比，这些占比的确定是由模型训练来完成的。也就是说，随机森林模型是在得出训练模型后，再评估各输入参数的重要性。

在选定AI模型的类型后，需要对所选定的AI模型训练模型参数。图6为本申请AI识别模块的工作原理示意图，具体而言：AI识别模块通过机器学习，将场景数据获取模块之前采集到的通讯组件的性能关键特征数据作为历史数据输入AI模型，根据所设置的通讯组件性能等级作为识别的分类标签进行训练，训练出AI模型的参数。模型的训练并不需要多次进行，只有在需要的时候才进行，比如，AI识别确定的性能等级对于通讯组件的功耗配置，造成的性能损失的次数超过阈值的时候，也就是说：当根据AI识别确定的通讯组件性能等级降低终端的通讯组件的功耗，而后又将降低的通讯组件的功耗调整回原值的次数超过设定阈值时，则需要再次进行AI模型训练。

最后，AI模型训练好之后，就可以对当前场景进行AI识别了。将场景数据获取模块采集到的当前场景的特征数据作为新数据输入AI模型，利用AI模型进行识别，确定当前场景的通讯组件性能等级，并将所确定的通讯组件性能等级提供给通讯组件功耗配置模块使用。

3、通讯组件功耗配置模块：

该模块用于根据AI识别模块识别出的通讯组件性能等级，对应地调节通讯组件的功耗，以在满足性能要求的同时达到降低功耗的目的。

在现有技术中，发送功率的确定往往是以接收功率的等级为基础的，接收功率越高，发送功率越高。但是，在接收功率确定的前提下，发送功率大小的确定也存在着一定的可调范围。因此，本申请利用AI识别模块识别出终端在当前场景下对通讯组件的性能要求(即：通讯组件的性能等级)，并对性能要求低于设定级别的场景，适当下调发送功率。同时，还可以采用其他降低发送功率的方法，在用户同意的情况下，可以降低网络制式，比如在网速和延迟要求很低的场景下，将当前功耗较高的5G降为4G。

如图7所示为本申请一示例性通讯组件功耗配置模块的工作原理示意图，其工作原理包括：

当AI识别模块识别出终端在当前场景下的通讯组件性能等级为低时，适当下调发送功率，同时，对于下调发送功率的情况，监测通讯质量作为反馈。本申请中，以误码率(BitError Rate)和误包率(Packet Error Rate)为监测对象，当上述两个监测对象的其中任意一个超过设定阈值时，放弃下调发送功率，即：将已经下调的发送功率调整回原发送功率，以保证通讯质量。如果是降低了网络制式，则调整回原网络制式。

本申请提供的技术方案可以适用于各种实际使用场景，例如：视频播放场景、音乐播放场景、游戏场景、文字聊天或视频聊天场景等等，通过采集场景数据，并利用AI模型训练识别某特定场景下的通讯组件性能，以确定通讯组件的性能等级，并在用户场景对性能要求比较低时，配置通讯组件为低功耗模式，从而实现实时按需调节终端的通讯组件功率，以达到既满足性能要求，又延长终端使用时长的目的。

下面通过几个较佳实施例，结合具体的应用场景对本申请技术方案的具体实施进行举例说明。

实施例一：

本实施例以视频播放场景为例进行说明，将本申请技术方案应用于视频播放场景的示意图如图8所示，包括：

步骤1.用户使用终端设备观看视频，与基站快速建立连接，在视频播放和缓存过程中，场景数据获取模块不断地采集终端设备的网络速度、信号强度、网络制式、接收功率等特征数据，并对采集到的特征数据进行数据整理和本地化处理，然后交给AI识别模块备用。

步骤2.如果需要训练模型，则AI识别模块利用设备中存储的历史数据进行训练。以本实施例所涉及的视频场景模型训练为例，对于高清晰度视频，由于其网速高，本实施例将其通讯组件性能等级定为Normal level；对于低清晰度视频，由于其网速低，本实施例将其通讯组件性能等级设定为Low level。

训练完成的模型存储在终端本地。

如果不需要进行模型训练，则直接执行步骤3。

步骤3.AI识别模块利用已经训练完成的模型，根据场景数据获取模块采集的当前的特征数据进行AI识别：

如果当前终端播放的是高清晰度视频，则其网速将较高，那么场景数据获取模块采集的网速特征数据将较高，从而使AI识别模块在根据特征数据进行模型匹配后，识别出当前通讯组件性能要求为Normallevel，进而通讯组件功耗配置模块据此确定不调整终端的发送功率；

如果当前终端播放的是低清晰度视频，则其网速将较低，那么场景数据获取模块采集的网速特征数据将较低，从而使AI识别模块在根据特征数据进行模型匹配后，识别出当前通讯组件性能要求为识别为Low level，进而通讯组件功耗配置模块据此确定应该适当下调终端的发送功率，从而节省功耗。

在下调终端发送功率的同时，可以监听误码率和误包率，如果误码率或误包率超过设定阈值，则不对发送功率进行下调，即：将已经被下调的发送功率调整回原来的值。当不对发送功率进行下调的次数超过设定阈值时，需要再次进行AI模型的训练，以提高AI识别的准确性。

从而本实施例采用本申请技术方案实现了在保证通讯质量的同时，尽量降低终端功耗。

实施例二、

本实施例以游戏场景为例进行说明，将本申请技术方案应用于游戏场景的示意图如图9所示，包括：

步骤1.用户开启终端设备的游戏应用程序玩游戏。

步骤2.在用户玩游戏的过程中，场景数据获取模块进行数据采集，采集终端设备的最大网速、信号强度、网络制式、接收功率等。

步骤3.场景数据获取模块进行数据标准化，对采集到的特征数据进行数据整理和本地化处理，为接下来的AI模块做准备。

步骤4.当需要进行模型训练的时候，AI识别模块利用设备中存储的历史数据进行训练，生成备用场景模型。如果是单机游戏，则对网络性能要求较低，将该场景对应的通讯组件性能等级定为Very Low；如果是联网游戏，则对网络性能，尤其是网络延迟要求较高，将该场景对应的通讯组件性能等级定为Low。

步骤5.AI识别模块对当前实时采集到的数据进行AI识别分析，如果是单机游戏，则AI识别模块识别通讯组件性能等级为Very Low，由通讯组件功耗配置模块降低终端的发送功率，以节约功耗；如果是联网游戏，则对网络性能，尤其是网络延迟要求较高，AI识别模块识别通讯组件性能等级为Low，也可以适当降低终端的发送功率，以节约功耗。

步骤6.在降低终端发送功率的同时，通讯组件功耗配置模块通过持续地监测误码率和误包率，并将结果反馈回来，通过持续地校对以最终决定是否需要下调终端的发送功率。当不进行下调的次数超过设定阈值时，需要再次进行AI模型的训练，以提高AI识别的准确性。

步骤7.将最终决定告知配置模块。

本实施例通过上述处理，实现了在保证通讯质量的同时，尽量降低终端功耗。

实施例三、

本实施例以在线音乐场景为例说明本申请技术方案的应用，包括：

步骤1.场景数据获取模块采集终端在线听音乐模式时的相关特征数据，将相关特征数据发送给AI识别模块。

步骤2.当需要进行模型训练时，AI识别模块利用设备中存储的历史数据进行训练，由于听音乐对网速的要求很低，其他各参数的要求也很低，AI识别模块识别其通讯组件性能等级定为Very Low。训练完成的模型存储在终端本地。

步骤3.由于听音乐对网速要求很低，其他各参数的要求也很低，场景数据获取模块将采集到上述特征数据，AI识别模块据此将识别出当前场景的通讯组件性能等级为VeryLow。

步骤4.通讯组件功耗配置模块接收到AI的识别结果后，下调终端设备的发送功率，同时在用户同意的情况下适当降低网络制式，如5G降为4G，功耗降为较低。

与之前的实施例类似，在降低终端通讯组件的功耗的同时，需要持续监测通讯质量，并根据通讯质量持续地校对以最终决定是否需要下调终端的发送功率，从而实现在保证通讯质量的同时，尽量降低终端功耗。

实施例四、

本实施例以待机(standby mode)场景为例进行说明本申请技术方案的应用，包括：

步骤1.场景数据获取模块采集终端处于待机模式时的相关特征数据，将相关特征数据发送给AI识别模块。

步骤2.当需要进行模型训练时，AI识别模块利用设备中存储的历史数据进行训练，由于终端在待机模式下对网速的要求很低，其他各参数的要求也很低，因此，AI识别模块识别其通讯组件性能等级为Very Low。训练完成的模型存储在终端本地。

步骤3.由于终端在待机模式下对网速的要求很低，其他各参数的要求也很低，场景数据获取模块将采集到上述特征数据，AI识别模块据此将识别出当前场景的通讯组件性能等级为Very Low。

步骤4.通讯组件功耗配置模块接收到AI的识别结果后，下调终端设备的发送功率，同时在用户同意的情况下适当降低网络制式，如5G降为4G，功耗降为最低。

与之前的实施例类似，在降低终端通讯组件的功耗的同时，需要持续监测通讯质量，并根据通讯质量持续地校对以最终决定是否需要下调终端的发送功率，从而实现在保证通讯质量的同时，尽量降低终端功耗。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (14)

1.一种终端功耗调节方法，其特征在于，包括：

采集所述终端的通讯组件的性能关键特征数据；

根据所述性能关键特征数据进行人工智能AI识别，确定当前场景的通讯组件性能等级；

根据所述当前场景的通讯组件性能等级，调节所述通讯组件的功耗。

2.根据权利要求1所述的方法，其特征在于；

该方法还包括：根据不同场景对通讯组件的性能要求设置至少两个通讯组件性能等级，所述至少两个通讯组件性能等级中的至少一个对应为降低所述终端的通讯组件的功耗；

所述根据所述当前场景的通讯组件性能等级，调节所述通讯组件的功耗包括：如果当前场景的通讯组件性能等级为所述至少一个时，则降低所述终端的通讯组件的功耗。

3.根据权利要求2所述的方法，其特征在于，所述降低所述终端的通讯组件的功耗包括以下的至少一种：

降低所述终端的通讯组件的发送功率；

降低所述终端的网络制式。

4.根据权利要求3所述的方法，其特征在于，在降低所述终端的通讯组件的功耗时，还包括：

监测通讯质量指标，所述通讯质量指标包括误码率和误包率中的至少一个；

当所述通讯质量指标中的任意一个超过设定阈值时，将降低的通讯组件的功耗调整回原值。

5.根据权利要求2至4任一项所述的方法，其特征在于，在根据所述性能关键特征数据进行人工智能AI识别之前，还包括：

判断是否需要进行AI模型训练；

如果需要进行AI模型训练，则将所述采集的通讯组件的性能关键特征数据作为历史数据输入选定的AI模型，并根据所述设置的通讯组件性能等级作为识别的分类标签进行训练，训练出所述选定的AI模型的参数。

6.根据权利要求5所述的方法，其特征在于，所述判断是否需要进行AI模型训练包括：

如果当前没有训练好的AI模型参数，则需要进行AI模型训练；

或者，当根据AI识别确定的通讯组件性能等级降低终端的通讯组件的功耗，而后又将降低的通讯组件的功耗调整回原值的次数超过设定阈值时，则需要进行AI模型训练。

7.根据权利要求1至4任一项所述的方法，其特征在于：

所述通讯组件的性能关键特征数据包括以下的至少一种：最大网速、平均网速、网络延迟、信号强度、网络制式、接收功率；

所述采集包括以下的至少一种：在前后台切换时进行采集，按照设定周期进行采集。

8.一种终端设备，其特征在于，包括：场景数据获取模块、AI识别模块和通讯组件功耗配置模块，其中：

所述场景数据获取模块，用于采集本终端设备的通讯组件的性能关键特征数据，并提供给所述AI识别模块；

所述AI识别模块，用于根据所述性能关键特征数据进行AI识别，确定当前场景的通讯组件性能等级，并提供给所述通讯组件功耗配置模块；

所述通讯组件功耗配置模块，用于根据所述当前场景的通讯组件性能等级，调节所述通讯组件的功耗。

9.根据权利要求8所述的终端设备，其特征在于：

所述通讯组件性能等级是根据不同场景对通讯组件的性能要求设置的，至少有两个通讯组件性能等级，并且，所述通讯组件性能等级中的至少一个对应为降低所述终端的通讯组件的功耗；

所述通讯组件功耗配置模块，用于在当前场景的通讯组件性能等级为所述至少一个时，降低本终端设备的通讯组件的功耗。

10.根据权利要求9所述的终端设备，其特征在于，所述通讯组件功耗配置模块具体用于：

降低本终端设备的通讯组件的发送功率；

或者，降低本终端设备的网络制式。

11.根据权利要求10所述的终端设备，其特征在于，所述通讯组件功耗配置模块还用于：

监测通讯质量指标，所述通讯质量指标包括误码率和误包率中的至少一个；

当所述通讯质量指标中的任意一个超过设定阈值时，将降低的通讯组件的功耗调整回原值。

12.根据权利要求9至11任一项所述的终端设备，其特征在于，所述AI识别模块还用于：

判断是否需要进行AI模型训练；

如果需要进行AI模型训练，则将所述采集的通讯组件的性能关键特征数据作为历史数据输入选定的AI模型，并根据所述设置的通讯组件性能等级作为识别的分类标签进行训练，训练出所述选定的AI模型的参数。

13.根据权利要求12所述的终端设备，其特征在于，所述AI识别模块具体用于：

判断当前是否有训练好的AI模型参数，如果没有，则判定需要进行AI模型训练；

或者，判定根据AI识别确定的通讯组件性能等级降低终端的通讯组件的功耗，而后又将降低的通讯组件的功耗调整回原值的次数是否超过设定阈值，如果超过设定阈值，则判定需要进行AI模型训练。

14.根据权利要求8至11任一项所述的终端设备，其特征在于：

所述场景数据获取模块所采集的通讯组件的性能关键特征数据包括以下的至少一种：最大网速、平均网速、网络延迟、信号强度、网络制式、接收功率；

所述场景数据获取模块进行采集的方式包括以下的至少一种：在前后台切换时进行采集，按照设定周期进行采集。

Images