本發(fā)明涉及藍牙數(shù)據傳輸技術領域，尤其涉及一種基于流量感知的自適應藍牙傳輸方法。

背景技術：

低功耗藍牙即BLE(Bluetooth Low Energy，低功耗藍牙)是藍牙4.0的核心規(guī)范，該技術最大特點是擁有超低的運行功耗和待機功耗，功耗較傳統(tǒng)藍牙降低了90％，可應用于對成本和功耗都有嚴格要求的無線方案，已廣泛應用于智能家居、健康醫(yī)療電子、汽車電子設備、智能可穿戴設備以及各種物聯(lián)網應用等等。

BLE規(guī)范中定義GAP和GATT兩個基本配置文件。協(xié)議中的GAP層負責設備訪問模式和進程，包括設備發(fā)現(xiàn)、連接建立、連接終止、初始化安全特征等。GAP層連接參數(shù)包括：連接間隔、從機潛伏、監(jiān)督超時、跳頻增量等。協(xié)議棧中GATT層用于已連接藍牙設備之間的數(shù)據通信。GAP層中的連接間隔、從機潛伏，GATT層中的特征數(shù)量、特征尺寸等參數(shù)，主要地決定了通信的吞吐量、延時、功耗等指標。例如，短的連接間隔，數(shù)據吞吐量高，發(fā)送等待時間短，兩設備都會以高功耗運行；長的連接間隔，數(shù)據吞吐量低，發(fā)送等待時間長，兩設備都會以低功耗運行。低或者0潛伏值，從設備以高功耗運行，從設備可以快速收到來自中心設備的數(shù)據；高潛伏值，從設備在沒有數(shù)據發(fā)送的情況下可以低功耗運行，從設備無法及時收到來自中心設備的數(shù)據。不同參數(shù)之間存在著高耦合性，然而，在實際的數(shù)據傳輸場景中，不同時刻所需要傳輸?shù)臄?shù)據異構性較強，所需傳輸?shù)臄?shù)據量波動較大。例如，在多媒體數(shù)據和應用程序數(shù)據等傳輸場景中，需要調整BLE參數(shù)來達到一個相對較高的網絡吞吐量以降低數(shù)據傳輸延時；而在傳感數(shù)據和指令數(shù)據等頻度高但數(shù)據量較小的傳輸場景中，對BLE協(xié)議的吞吐量要求則相對較低，如何調整BLE參數(shù)來降低數(shù)據傳輸功耗，優(yōu)化終端設備的能量效率則成為了關鍵所在。現(xiàn)有的藍牙通信手段采用固定的連接參數(shù)進行數(shù)據傳輸，沒有對應用場景進行感知，沒有基于通信量對連接參數(shù)進行自適應更新，需要更好的策略來尋求傳輸速率與功耗、延時等指標的權衡。

技術實現(xiàn)要素：

本發(fā)明要解決的技術問題就在于：針對現(xiàn)有技術存在的技術問題，本發(fā)明提供一種通過預設藍牙設備的網絡流量、自適應地對藍牙設備的連接參數(shù)進行更新，即能滿足藍牙設備的網絡吞吐量和延時要求，又能有效降低藍牙設備的通信功耗的基于流量感知的自適應藍牙傳輸方法。

為解決上述技術問題，本發(fā)明提出的技術方案為：一種基于流量感知的自適應藍牙傳輸方法，包括：

S1.獲取藍牙設備在下一時刻的數(shù)據流量和在下一時刻的響應延時；

S2.根據所述下一時刻的數(shù)據流量和所述下一時刻的響應延時，通過預設的連接參數(shù)模型，確定滿足所述下一時刻的數(shù)據流量和所述下一時刻的響應延時的需求，且功率最小的藍牙設備的連接參數(shù)；

S3.以所述連接參數(shù)配置藍牙設備，進行數(shù)據傳輸。

作為本發(fā)明的進一步改進，步驟S1中所述下一時刻的數(shù)據流量通過獲取藍牙設備的歷史數(shù)據流量，基于自回歸模型預測得到。

作為本發(fā)明的進一步改進，所述自回歸模型如式(1)所示，

式(1)中，為預測的下一時刻的數(shù)據流量，S_k-i為所述歷史數(shù)據流量，u為自回歸模型所采用的歷史數(shù)據流量樣本個數(shù)，a_i為自回歸模型的系數(shù)。

作為本發(fā)明的進一步改進，所述自回歸模型的系數(shù)a_i通過歷史數(shù)據流量采用最小二乘法計算確定，如式(2)所示，

式(2)中，a_i為自回歸模型的系數(shù)，S_j為所述歷史數(shù)據流量，v為預設的預測規(guī)模參數(shù)。

作為本發(fā)明的進一步改進，步驟S2中預設的連接參數(shù)模型為預設的連接參數(shù)矩陣；所述連接參數(shù)矩陣中的每個元素包括數(shù)據吞吐量水平值、響應延時水平值、功率水平值、藍牙設備Interval參數(shù)值和藍牙設備SlaveLatency參數(shù)值。

作為本發(fā)明的進一步改進，所述連接參數(shù)矩陣中同一行中各元素的SlaveLatency參數(shù)值相同，Interval參數(shù)值按照使用頻率的概率分布劃分；所述連接參數(shù)矩陣中同一列中各元素的Interval參數(shù)值相同，SlaveLatency參數(shù)值按照使用頻率的概率分布劃分。

作為本發(fā)明的進一步改進，所述按照使用頻率的概率分布劃分為以預設的比例參數(shù)按照等比規(guī)則劃分。

作為本發(fā)明的進一步改進，所述步驟S2的具體步驟包括：

S2.1.以所述連接參數(shù)矩陣中的全部元素為待查詢目標元素集；

S2.2.以所述下一時刻的響應延時為查詢參數(shù)，查詢所述待查詢目標元素集中響應延時水平值小于所述下一時刻的響應延時的元素，并將查詢結果作為待查詢目標元素集；

S2.3.以所述下一時刻的數(shù)據流量為查詢參數(shù)，查詢所述待查詢目標元素集中數(shù)據吞吐量水平值大于所述下一時刻的數(shù)據流量的元素，并將查詢結果作為待查詢目標元素集；

S2.4.查詢獲取所述待查詢目標元素集中功率水平值最小的元素，并以該元素的藍牙設備Interval參數(shù)值和藍牙設備SlaveLatency參數(shù)值為藍牙設備的連接參數(shù)。

作為本發(fā)明的進一步改進，在所述步驟S2.2之前，還包括功率匹配步驟S2a，具體步驟包括：

S2a.1.獲取藍牙設備的當前剩余電量，當所述當前剩余電量小于預設的電量閾值時，跳轉至步驟S2a.2，否則跳轉至步驟S2.2；

S2a.2.計算預測功率比值指標，所述預測功率比值指標為所述當前剩余電量與所述下一時刻的數(shù)據流量的比值；

S2a.3.以所述預測功率比值指標為查詢參數(shù)，查詢所述待查詢目標元素集中功率水平值與所述數(shù)據吞吐量水平值的比值小于所述預測功率比值指標的元素，并將查詢結構作為待查詢目標元素集。

與現(xiàn)有技術相比，本發(fā)明的優(yōu)點在于：

1、本發(fā)明通過預測下一時刻的數(shù)據流量和下一時刻的響應延時，并通過預設的連接參數(shù)模型，確定既能滿足下一時刻的數(shù)據流量和下一時刻的響應延時的要求，又能最大限度降低藍牙設備的通信功耗的連接參數(shù)，并以此連接參數(shù)配置藍牙設備，具有進一步降低藍牙設備的功耗，提高藍牙設備的使用時間的優(yōu)點。

2、本發(fā)明預設的連接參數(shù)模型為預設的連接參數(shù)矩陣，將藍牙設備Interval參數(shù)值按照使用頻率的概率分布劃分為有限個區(qū)間，SlaveLatency參數(shù)值按照使用頻率的概率分布劃分為有限個區(qū)間，最終得到的具有有限個元素的連接參數(shù)矩陣，從而將此兩個參數(shù)決定的上十萬種連接模式減化為連接參數(shù)矩陣中的有限種連接模式，本發(fā)明中以面向應用場景的數(shù)據流量分布模型構建精確的區(qū)間劃分，既能夠保證藍牙設備在使用頻率最大的數(shù)據流量和響應延時區(qū)段內能夠較小粒度地響應吞吐量和響應延時的變化，并及時的對藍牙設備的連接參數(shù)進行重新配置更新，又大大降低了藍牙設備的連接參數(shù)更新頻率。

附圖說明

圖1為本發(fā)明具體實施例流程示意圖。

圖2為本發(fā)明具體實施例連接參數(shù)矩陣示意圖。

圖3為本發(fā)明具體實施例按照使用頻率的概率劃分區(qū)間原理示意圖。

圖4為本發(fā)明具體實施例查詢藍牙連接參數(shù)矩陣流程示意圖。

具體實施方式

以下結合說明書附圖和具體優(yōu)選的實施例對本發(fā)明作進一步描述，但并不因此而限制本發(fā)明的保護范圍。

如圖1所示，本實施例的基于流量感知的自適應藍牙傳輸方法，包括：S1.獲取藍牙設備在下一時刻的數(shù)據流量和在下一時刻的響應延時；S2.根據下一時刻的數(shù)據流量和下一時刻的響應延時，通過預設的連接參數(shù)模型，確定滿足下一時刻的數(shù)據流量和下一時刻的響應延時的需求，且功率最小的藍牙設備的連接參數(shù)；S3.以連接參數(shù)配置藍牙設備，進行數(shù)據傳輸。

在本實施例中，步驟S1中下一時刻的數(shù)據流量通過獲取藍牙設備的歷史數(shù)據流量，通過自回歸模型預測得到。自回歸模型如式(1)所示，

式(1)中，為預測的下一時刻的數(shù)據流量，S_k-i為歷史數(shù)據流量，u為自回歸模型所采用的歷史數(shù)據流量樣本個數(shù)，a_i為自回歸模型的系數(shù)。

自回歸模型的模型預測誤差如式(3)所示，

式(3)中，e_k為模型預測誤差，為預測的下一時刻的數(shù)據流量，S_k為下一時刻的實際數(shù)據流量。

在預測下一時刻的數(shù)據流量中，會產生預測誤差，定義誤差水平為預測相對誤差，如式(4)所示，

式(4)中，P為預測相對誤差，為預測的下一時刻的數(shù)據流量，S_k為下一時刻的實際數(shù)據流量，{α,β}為預設的誤差水平。

選擇較小的自回歸模型所采用的歷史數(shù)據流量樣本個數(shù)u能夠取得較好的預測效果，在本實施例中，采用1階預測的自回歸模型，即u＝1。

自回歸模型的系數(shù)a_i通過歷史數(shù)據流量采用最小二乘法計算確定，如式(2)所示，

式(2)中，a_i為自回歸模型的系數(shù)，S_j為歷史數(shù)據流量，v為預設的預測規(guī)模參數(shù)。預設的預測規(guī)模參數(shù)優(yōu)選為12，當然也可以是其它值。

在本實施例中，如圖2所示，步驟S2中預設的連接參數(shù)模型為預設的連接參數(shù)矩陣；連接參數(shù)矩陣中的每個元素包括數(shù)據吞吐量水平值、響應延時水平值、功率水平值、藍牙設備Interval參數(shù)值和藍牙設備SlaveLatency參數(shù)值。連接參數(shù)矩陣中同一行中各元素的SlaveLatency參數(shù)值相同，Interval參數(shù)值按照使用頻率的概率分布劃分；連接參數(shù)矩陣中同一列中各元素的Interval參數(shù)值相同，SlaveLatency參數(shù)值按照使用頻率的概率分布劃分。藍牙設備Interval參數(shù)值包括Max和Min兩個具體參數(shù)，分別對應Interval參數(shù)值所劃分的區(qū)間的兩個端點值。

藍牙設備的連接間隔值域介于7.5ms-4.0s之間，取值為1.25ms的整數(shù)倍，則Interval參數(shù)值的取值范圍為6至3200(單位為：1.25ms)，共3195個不同的取值，藍牙設備SlaveLatency參數(shù)值的取值范圍為0至499，共500個不同的取值。則按照現(xiàn)有的藍牙設備的連接參數(shù)的配置方法，共有3195×500＝1597500種不同的配置方案。Interval參數(shù)值的取值越小，藍牙設備的吞吐量水平越高，SlaveLatency參數(shù)值的取值越小，藍牙設備的響應延時越低。

在本實施例中，將Interval參數(shù)值在6至3200的取值范圍內按照使用頻率的概率劃分為不同的區(qū)間，將SlaveLatency參數(shù)值在0至499的取值范圍內按照使用頻率的概率劃分為不同的區(qū)間。所謂按照使用頻率的概率劃分是指通過預先分析參數(shù)值的使用頻率，使用頻率高的參數(shù)值取值區(qū)間采用細粒度的劃分，在使用頻率低的參數(shù)值取值區(qū)間采用粗粒度的劃分。在本實施例中，按照使用頻率的概率分布劃分為以預設的比例參數(shù)按照等比規(guī)則劃分。如圖3所示，對0至1的區(qū)間內，假設數(shù)值越低，使用頻率越高，即0的使用頻率最高，1的使用頻率最低，預設的比例參數(shù)為1/2，則進行3次等比規(guī)則劃分后形成的4個區(qū)間為[0，1/8)，[1/8，1/4)，[1/4，1/2)，[1/2，1]。當然，如果使用頻率非上述的線性的變化，在第一次劃分后生成[0，1/2)，[1/2，1)兩個區(qū)間，如果區(qū)間[0，1/2)的使用頻率更高，則繼續(xù)對[0，1/2)的區(qū)間進行劃分，分為[0，1/4)和[1/4，1/2)兩個區(qū)間，如果區(qū)間[1/4，1/2)的使用頻率更高，則繼續(xù)對[1/4，1/2)的區(qū)間進行劃分，依此類推，完成區(qū)間的劃分。

由于藍牙設備在具體的應用場景中，使用頻率較高的Interval參數(shù)值和SlaveLatency參數(shù)值集中在取值較小的區(qū)間，因此，在本實施例中，同樣選擇1/2為預設的比例參數(shù)，將Interval參數(shù)值和SlaveLatency參數(shù)值各劃分為8個取值區(qū)間，構建成8×8的連接參數(shù)矩陣。如圖2所示，Interval參數(shù)值的8個區(qū)間分別為：[6，25)，[25，50)，[50，100)，[100，200)，[200，400)，[400，800)，[800，1600)，[1600，3200)共8個區(qū)間(單位：1.25ms)，區(qū)間的下限值和上限值分別為連接參數(shù)矩陣中藍牙設備Interval參數(shù)值的Min值和Max值。SlaveLatency參數(shù)值的8個區(qū)間分別為：[0，4)，[4，8)，[8，16)，[16，32)，[32，63)，[63，125)，[125，250)，[250，499)共8個區(qū)間，區(qū)間的下限值為連接參數(shù)矩陣中藍牙設備SlaveLatency參數(shù)值。連接參數(shù)矩陣中每個元素對應的數(shù)據吞吐量水平值、響應延時水平值、功率水平值是該具體的Interval參數(shù)值和SlaveLatency參數(shù)值下所體現(xiàn)的數(shù)據吞吐量水平值、響應延時水平值、功率水平值，可以是Interval參數(shù)值和SlaveLatency參數(shù)值確定后的實測值，也可以是根據Interval參數(shù)值和SlaveLatency參數(shù)值所計算得到的理論值。通過對藍牙設備的高吞吐量區(qū)間和低響應延時區(qū)間進行細粒度的劃分，以使得藍牙設備能夠及時響應應用場景中吞吐量的變化，及時對連接參數(shù)進行更新調整。

在本實施例中，如圖4所示，步驟S2的具體步驟為：S2.1.以連接參數(shù)矩陣中的全部元素為待查詢目標元素集；S2.2.以下一時刻的響應延時為查詢參數(shù)，查詢待查詢目標元素集中響應延時水平值小于下一時刻的響應延時的元素，并將查詢結果作為待查詢目標元素集；S2.3.以下一時刻的數(shù)據流量為查詢參數(shù)，查詢待查詢目標元素集中數(shù)據吞吐量水平值大于下一時刻的數(shù)據流量的元素，并將查詢結果作為待查詢目標元素集；S2.4.查詢獲取待查詢目標元素集中功率水平值最小的元素，并以該元素的藍牙設備Interval參數(shù)值和藍牙設備SlaveLatency參數(shù)值為藍牙設備的連接參數(shù)。

在本實施例中，在步驟S2.2之前，還包括功率匹配步驟S2a，具體步驟為：S2a.1.獲取藍牙設備的當前剩余電量，當當前剩余電量小于預設的電量閾值時，跳轉至步驟S2a.2，否則跳轉至步驟S2.2；S2a.2.計算預測功率比值指標，預測功率比值指標為當前剩余電量與下一時刻的數(shù)據流量的比值；S2a.3.以預測功率比值指標為查詢參數(shù)，查詢待查詢目標元素集中功率水平值與數(shù)據吞吐量水平值的比值小于預測功率比值指標的元素，并將查詢結構作為待查詢目標元素集。

對于藍牙設備的剩余電量較多時，不需要考慮剩余電量對數(shù)據傳輸?shù)挠绊?，但當藍牙設備剩余電量不足時，需要考慮剩余電量是否能夠完成預測的下一時刻的網絡吞吐量的數(shù)據的傳輸。在本實施例中，預設的電量閾值取藍牙設備電量的5％，當藍牙設備的當前剩余電量低于5％時，則執(zhí)行功率匹配步驟S2a。對于所預測的下一時刻的數(shù)據流量，藍牙設備要完成數(shù)據傳輸所需要的能耗如式(5)所示，

式(5)中，為完成數(shù)據傳輸所需要的能耗，P^send為藍牙設備在連接模式下的功耗，t_send為完成數(shù)據傳輸所需要的時間，N為所預測的下一時刻的數(shù)據流量，T_i為藍牙設備在連接模式下的數(shù)據吞吐量水平值，E'為藍牙設備的當前剩余電量。為了保證藍牙設備在當前剩余電量情況下能夠完成數(shù)據的傳輸，因此，式(5)所示不等式成立，由式(5)可得，完成數(shù)據傳輸?shù)墓β市枰獫M足式(6)所示，

即預設的連接參數(shù)矩陣的各元素中，只有功率水平值與數(shù)據吞吐量水平值的比值小于等于藍牙設備的當前剩余電量與所預測的下一時刻的數(shù)據流量的比值的元素對應的連接參數(shù)，才能夠滿足藍牙設備在當前剩余電量的情況下完成數(shù)據傳輸?shù)男枨?。從而確定即可完成數(shù)據傳輸目標，又最節(jié)能的藍牙設備連接參數(shù)，對藍牙設備進行配置。

上述只是本發(fā)明的較佳實施例，并非對本發(fā)明作任何形式上的限制。雖然本發(fā)明已以較佳實施例揭露如上，然而并非用以限定本發(fā)明。因此，凡是未脫離本發(fā)明技術方案的內容，依據本發(fā)明技術實質對以上實施例所做的任何簡單修改、等同變化及修飾，均應落在本發(fā)明技術方案保護的范圍內。