(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211390764.7 (22)申请日 2022.11.07 (71)申请人 首都师范大学 地址 100048 北京市海淀区西三环北路10 5 号 (72)发明人 邱柯妮　白亚亚　邱德慧　刘勇攀　 (74)专利代理 机构 北京卓胜佰达知识产权代理 有限公司 16 026 专利代理师 陈桂兰 (51)Int.Cl. G06F 9/4401(2018.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 10/04(2012.01) (54)发明名称 非易失性处理器中实现基于能量预测的暂 停态设置的方法及装置 (57)摘要 本发明提供的方法包括： 第一步， 采集环境 能量的变化趋势， 并对其进行数据预处理， 使其 变成供使用的环境能量数据； 第二步， 建立基于 神经网络的能量预测模型， 并根据预处理后的环 境能量数据进行能量预测模型的训练与测试， 使 得能量预测模型的预测结果达到一种高正确率 的水平； 第三步， 创建针对能量预测模型的不同 种预测结果的解决方案； 第四步， 当处理系统掉 电时， 根据能量预测模型， 预测系统断电后的未 来能量趋势； 第五步， 根据能量预测模型预测到 的能量趋势， 应用相应的解决方案去指导系统的 暂停态与备份态的选择。 本申请提供的一种非易 失性处理器中实现基于能量预测的暂停态设置 的方法及装置能够避免系统中能量掉电后有 限 可用能量的不必要浪费， 为系统做出最佳的状态 选择， 从而实现执 行效率最大化。 权利要求书1页 说明书6页 附图3页 CN 115509626 A 2022.12.23 CN 115509626 A 1.一种非易失性处理器中实现基于能量预测的暂停态设置的方法， 其特征在于， 包括 以下步骤： 第一步， 采集环境能量的变化趋势， 并对其进行数据预处理， 使其变成供使用的环境 能 量数据； 第二步， 建立基于神经网络的能量预测模型， 并根据预处理后的环境能量数据进行能 量预测模型的训练与测试， 使得能量预测模型的预测结果达 到一种高正确率的水平； 第三步， 创建针对能量预测模型的不同种预测结果的解决方案； 第四步， 当处 理系统掉电时， 根据能量预测模型， 预测系统断电后的未来能量趋势； 第五步， 根据能量预测模型预测到的能量趋势， 应用相应的解决方案去指导系统的暂 停态与备份态的选择。 2.根据权利要求1所述的方法， 其特 征在于， 所述第一 步中的数据预处 理包括： 对数据的大小 进行放缩， 以及对数据进行 标签化处 理。 3.根据权利要求1所述的方法， 其特征在于， 所述第 二步中的建立基于神经网络的能量 预测模型包括： 对输入值的选择以及设定， 其 能量预测结果为系统断电之后的能量趋势而非单一能量 强度。 4.根据权利要求1所述的方法， 其特征在于， 所述第 二步中的进行能量预测模型的训练 与测试， 包括： 通过不断地调试神经网络模型中的相关参数以及输入值， 使预测精度得到提高。 5.根据权利要求1所述的方法， 其特 征在于， 所述第三 步中的解决方案包括： 根据能量预测模型 预测到的不同种结果， 对应性 地进行策略的设定 。 6.根据权利要求5所述的方法， 其特 征在于， 所述解决方案， 将能量预测趋势分为前功率采样周期和后功率采样周期， 并根据前后 功率采样周期的变化情况提出对应的方案； 其中决定状态选择的关键判断条件是： 掉电周 期与最长等待周期的大小关系。 7.根据权利要求6所述方法， 其特 征在于， 所述根据前后功率采样周期的变化情况提出对应的方案， 用0代表断电情况， 用1代表 通电情况， 前后功 率采样周期的变化情况共有00、 01、 10、 11四种情况； 对于每种情况都进行 本身的断电周期与系统能够提供的最长等待周期的比较； 对于00情况， 断电周期大于最长 等待周期， 则进入备份状态， 否则进入暂停状态， 并且在进入下一次判断之前， 累加断电周 期； 对于01情况， 断电周期大于最长等待周期， 则进入 备份状态， 否则进入暂停状态； 对于10 情况， 断电周期大于最长等待周期， 则进入备份状态， 否则进入暂停状态， 并且在后周期进 行预测， 然后进入 下一次判断； 对于11情况， 断电周期大于最长等待周期， 则进入备份状态， 否则进入暂停状态。权　利　要　求　书 1/1 页 2 CN 115509626 A 2非易失性处理 器中实现基于能量预测的暂停态设 置的方法及 装置 技术领域 [0001]本发明涉及电子技术领域， 尤其涉及一种非易失性处理器中实现基于能量预测的 暂停态设置的方法及装置 。 背景技术 [0002]随着物联网的快速发展， 智能手环和智能手表等可穿戴设备得到了广泛的应用。 大多数可穿戴设备能够实时地检测用户的心率、 体温和呼吸频率等生理数据。 一般， 可穿戴 设备由配备的可充电电池进行供电。 可充电电池存在需要进行频繁充电的问题， 而体积较 大的可充电 电池不适用于医疗可穿戴设备。 [0003]为解决微小物联网设备的供电问题， 人们还利用能量收集系统将太阳能、 风能和 人体体温等周围环境的能量转化为电能使用， 使物联网设备实现自供能， 进而获得超长时 间工作的效果。 然而， 周围环 境的能量转化成的电能存在不稳定的问题， 供电不稳定会导致 可穿戴设备出现频繁的能量掉电。 可穿戴设备出现能量中断时， 传统的处理器需要对执行 的进程进行多次 回滚操作， 从而极大地增 加备份开销。 [0004]传统的非易失性处理器可以解决上述问题。 当能量掉电时， 储存在电容器中的能 量能够支持将易失数据备份到非易失存储器中， 等到能量恢复后， 数据即被复制回处理器 继续执行， 这样就避免了程序进程的丢失， 从而保证了程序的正常运行。 [0005]经研究发现， 自供能系统在掉电之后不久， 有很大的几率恢复供电。 因此在此类传 统非易失性处理器中， 系统可以采用暂停态的方式去对备份和恢复的操作进行优化。 即在 系统掉电时， 先不进 行备份数据， 而 是进入暂停状态。 在暂停状态系统进入休眠等待 再次来 电， 若在较短的时间内系统恢复来电， 则程序继续 运行， 从而减少备份与恢复的开销。 [0006]虽然传统的非易失性处理器可以利用暂停态来减少备份的次数， 但是由于缺乏对 未来能量变化趋势的了解， 使得系统在进行暂停态与备份态的选择时过于保守， 不能最大 化发挥暂停态的优势之处。 本发明通过基于神经网络建立的预测模型去 预测能量的未来变 化趋势， 再基于预测的结果， 去指导系统在暂停态和备份态之 间做出更加合理的选择， 从而 使能效最大化。 发明内容 [0007]为至少在一定程度上克服相关技术中存在的问题， 本申请提供一种非易失性处理 器中实现基于能量预测的暂停 态设置的方法及装置 。 [0008]本发明提供的方法包括： 根据采集到 的能量进行数据的预处理， 使其变成可以使 用的数据； 根据神经网络建立能量预测模型； 根据预处理后的环境能量数据进行预测模型 的训练与测试， 使得预测模型的预测结果达到一种高正确率的水平； 根据应用预测模型， 预 测系统断电后的未来能量趋势； 根据预测到的能量趋势， 去指导系统的暂停态与备份态的 选择。说　明　书 1/6 页 3 CN 115509626 A 3