本技术提出了一种5G网络环境下移动应用的能耗优化技术,涵盖转换RRC状态、定义符号、提取特征、识别EOC事件以及预测数据包到达时间等步骤。该技术通过两阶段学习机制,首先利用随机森林识别EOC事件,随后通过深度森林预测下一个数据包到达时间,有效降低5G智能手机应用的能耗。相较于传统尾部优化方法,本技术在节能和通信延迟方面表现更优。
背景技术
5G技术在智能手机中得到广泛应用,它以更好的性能和更高的效率可以显著改善移动用户体验。但由于5G更高的数据速率、更多的天线和更强大的无线电频率模块,其单位时间的能耗比传统无线电高出三倍。通过研究表明5G NR的大量能量浪费归因于无线电尾部,即无线电接口在数据传输完成后保持在高功率状态的时间段。现有的剪尾方法将迫使无线电进入空闲状态,从而导致不可忽略的能源成本和延迟。
实现思路