一种基于深度学习的无线鼠标低功耗智能优化方法技术

本发明专利技术提供了一种基于深度学习的无线鼠标低功耗智能优化方法，所述方法包括：通过多传感器融合技术实现无线鼠标运行状态数据的实时采集，并基于长短时记忆网络构建功耗预测模型，以学习用户行为与鼠标功耗变化的时序关系，实现精准的功耗预测，基于预测结果，构建智能功耗控制策略优化模型，通过策略迭代优化方法，结合电源管理、时钟门控、传感器采样等参数配置，生成最优功耗控制策略，通过解析功耗控制参数并生成控制指令，动态调整鼠标的CPU主频、电源管理单元电压、传感器采样率及外设工作模式，并采用负反馈机制优化功耗控制策略。本发明专利技术能够有效降低无线鼠标的能耗，同时保证操作的流畅性，提升续航能力和用户体验。

【技术实现步骤摘要】

本专利技术属于计算机外设，特别是涉及一种基于深度学习的无线鼠标低功耗智能优化方法。

技术介绍

1、无线鼠标作为计算机外设的重要组成部分，广泛应用于办公、游戏和工业控制等场景，由于无线鼠标依赖于电池供电，其续航能力直接影响用户体验。随着无线鼠标的功能日益丰富，如高精度传感器、多模式连接、可编程按键和rgb灯效等，这些附加功能在提高用户体验的同时，也带来了更高的能耗，使得无线鼠标的电池寿命成为制约其使用的一大问题。现有的无线鼠标功耗管理方法主要依赖固定的低功耗模式，如定时休眠、低刷新率模式和被动电源管理等，这些方法在一定程度上能够减少鼠标的能耗，但至少存在以下不足：

2、（1）大多采用固定阈值和预设规则，对于不同用户的操作习惯和鼠标的不同应用场景，可能导致鼠标误休眠或长时间维持高功耗模式，造成电量浪费或用户体验下降；

3、（2）进行功耗预测时只基于有限状态进行预测，难以捕捉复杂的用户行为模式，导致预测精度有限，且模型依赖人为设定状态转移概率，难以自适应优化；

4、（3）现有鼠标节能技术主要依赖简单的传感器触发机制，如机械开关本文档来自技高网...

【技术保护点】

1.一种基于深度学习的无线鼠标低功耗智能优化方法，其特征在于，包括：

2.根据权利要求1所述的一种基于深度学习的无线鼠标低功耗智能优化方法，其特征在于，所述多传感器包括电压传感器、电流传感器、加速度传感器和陀螺仪传感器，采集的运行状态数据分别为鼠标的供电电压、工作电流、运动加速度和角速度；

3.根据权利要求2所述的一种基于深度学习的无线鼠标低功耗智能优化方法，其特征在于，将特征数据帧流中连续的个特征数据帧构成一个样本点，每一帧对应功耗预测模型的一个时间步，令样本点序列为，则可表示为一个行6列的矩阵，矩阵的各行依次对应功耗预测模型的个时间步的输入数据，LSTM的输出...

【技术特征摘要】

1.一种基于深度学习的无线鼠标低功耗智能优化方法，其特征在于，包括：

2.根据权利要求1所述的一种基于深度学习的无线鼠标低功耗智能优化方法，其特征在于，所述多传感器包括电压传感器、电流传感器、加速度传感器和陀螺仪传感器，采集的运行状态数据分别为鼠标的供电电压、工作电流、运动加速度和角速度；

3.根据权利要求2所述的一种基于深度学习的无线鼠标低功耗智能优化方法，其特征在于，将特征数据帧流中连续的个特征数据帧构成一个样本点，每一帧对应功耗预测模型的一个时间步，令样本点序列为，则可表示为一个行6列的矩阵，矩阵的各行依次对应功耗预测模型的个时间步的输入数据，lstm的输出设定为未来个时间步鼠标的功耗预测值，表示为一个维向量：，其中表示第个样本未来第个时间步的功耗预测值。

4.根据权利要求3所述的一种基于深度学习的无线鼠标低功耗智能优化方法，其特征在于，所述功耗预测模型的，表达式为：

5.根据权利要求3所述的一种基于深度学习的无线鼠标低功耗智能优化方法，其特征在于，对功耗预测模型进行模型训练后，通过功耗预测模型进行实时在线的无线鼠标功耗预测；对于任意一个新的输入样本点序列，通过功耗预测模型输出未来m步的功耗预测序列，表达式为：，中的元素为未...

【专利技术属性】
技术研发人员：柯人元，张家伟，
申请(专利权)人：广东芯鲜派现代农业集团有限责任公司，
类型：发明
国别省市：