无线通信技术处理技术研究

时间:2022-08-10 08:55:54

导语:无线通信技术处理技术研究一文来源于网友上传,不代表本站观点,若需要原创文章可咨询客服老师,欢迎参考。

无线通信技术处理技术研究

摘要:重点分析和研究无线通信技术在智能硬件中的低功耗处理方法,通过软件处理技术来控制短距离无线通信系统在静止状态、空闲状态、工作状态、睡眠状态等不同状态下的功耗处理,不同状态下的功耗降低可以使得短距离无线通信系统的整体功耗大幅降低,这点在智能可穿戴设备中尤为关键,功耗的降低不仅可以提高电池供电设备的续航时间,也提升用户体验与认同。

关键词:无线通信;低功耗;休眠唤醒;智能硬件

主流的短距离无线通信技术包括Wifi、紫蜂(Zigbee)、蓝牙技术(Bluetooth)、以及运行于ISM频段的2.4GHz射频(RF)与433MHz的RF频段;这些无线通信技术各具优缺点,但是有一个共同的特点,既短距离无线通信部件工作时的功耗相对可穿戴设备、智能家居等智能硬件的其他部件的功耗来说是耗能最大的部分,一般来说短距离无线通信系统发射功率在20mAh上下,而智能硬件特别是可穿戴设备等除了无线通信电路外的其他电路的总功耗占比很小,也说是无线通信电路在正常工作下占用了很大的功耗。无线通信距离与发射功率息息相关,若是为了降低功耗而把发射功率降低则影响到通信距离与通信可靠性;然而在智能硬件中一般是传感量的采集与上报,都采用定时上报方式,也就是系统大部分时间是工作在空闲状态,故每次数据通信业务都是很短时间内完成,如果能将设备在等待时间里将无线通信部分的功耗节省下来,将大大降低智能设备的功耗。基于上述问题首先对智能硬件中的短距离无线通信电路的功耗进行分析与介绍,并给出现有技术中常用休眠方法,提出一种分时可中断休眠的处理方法,最后通过实际产品应用验证了该方法的可行性。

1功耗分析

如图1所示为智能硬件的系统组成框图,包括了传感数据采集(传感器)电路、主控电路、控制输出电路、短距无线通信电路等,一般讲由主控制电路定时去采集传感器数据,并对采集到的数据分析后,通过控制输出电路控制灯光、微型电机等设备,或者通过无线的方式上报所集的数据;因此可以将上述电路按使用时间分为长期使用、定时使用、按需使用三种,以上智能电路模块中,主控电路可归为长期使用的电路,参数采集电路归为定时使用电路,而短距离无线通信电路与输出控制电路则归为按需使用。下面通过表1所列的数据,对在智能硬件中使用较多的几款主流微型控制器与短距离无线通信芯片的功耗数据进行对比,通过对比可知,采用BlueTooth通信技术的系统在运行时消耗的电流近10mA,若是采用Zigbee通信技术的系统在运行时微控制器与无线通信消耗的电流则达到20mA以上;若采用WiFi通信技术的通信系统则消耗的电流更高,通常达到百毫安级;因此在智能硬件系统中特别是智能穿戴设备中,其电池容量普遍是在1000mAh以下的,即使以1000mah的电池供电,在无功耗处理的连续工作状下,可供蓝牙系统使用100小时,可供zigbee系统50小时,而可穿戴设备要求续航时间达到数天以上甚至是数月之久,显然无法让上述耗电电路一直工作。在智能硬件中无线通信电路成为设备能量消耗的核心,通常讲在无线通信距离无法改变的情况下,仅通过选择低功耗器件来降低硬件待机消耗[1]是无法根本解决,因此需要在软件技术层面加以进一步优化功耗来解决。现有技术中对无线通信电路功耗处理的软件方法分为两种,一种是在MAC层上通过协议[2]上的优化来改善功耗,如通过CSMA载波监听防止通信过度竞争与通信碰撞,或者减小通信包的冗余来减小能耗,受限于协议基本架构的不可变性,这种通过在网络协议上进行优化而降低功耗的收效甚微。另一种方法是利用嵌入式系统的功率控制技术,这种方式当前最常用的方式是定时周期性休眠与唤醒策略[3],如图2。周期性休眠唤醒图在一个工作周期T时间内T0是深度睡眠时区,其占据整个工作周期T的80%以上,期间工作电流降低到微安级,待定时间到达后,唤醒系统进行数据采集与处理上报等工作,这个工作时间T1极短,但是工作电流达到数十毫安,待数据处理完毕,进入短暂的空闲时间T2后,系统重新进入低功耗的深度睡眠状态。这种低功耗处理方式可以较好的处理具有一定时间周期的数据采集与上报系统中的功耗[4],这种系统一般是单向无线通信的工作系统,但是随着用户需求的增加以及技术发展,当今的可穿戴设备如应用于智能鞋服中的可戴设备即要求续航时间长又要求可以双向实时无线通信,对于需要双向无线通信的工作模式且对实时性要求较高的系统而言,周期性休眠唤醒方法显然无法胜任更低功耗的处理要求。针对上述低功耗处理存在的问题,本文提出可中断休眠唤醒方法,智能设备可以根据当前的硬件状态选择休眠的状态,如一个穿戴在正在运动的人身体上的智能硬件,此时可根据运动状态来启动数据实时采集与上报的双向通信模式,若是静止则进入休眠状态,若是长期静止则进入深度休眠,而设备可以随时由一个外部事件激活或唤醒。

2可中断休眠唤醒

可中断休眠唤醒与周期性的休眠唤醒具有明显的不同,其中周期性的休眠唤醒采用定时休眠与定时唤醒的方式,其时间相对固定,对于需要双向人机交互的系统而言,其显得极不便利。而可中断休眠唤醒可通过外部事件来临时将设备从休眠状态中唤醒,外部事件可以是运动信息、无线激活信号、机械触发也可是外部自然的因素等。可穿戴设备集成传感器、无线通信电路等硬件电路,由于体积限制只能采用小容量电池,其佩带在人体身上,与人的交互频繁密切,即使采用低功耗器件,若是长时间工作,电能也将在数小时内耗完,故可穿戴设备对低功耗处理要求更为严格,因此低功耗处理除了选用低功耗器件外,使用可中断休眠唤醒的方式对于智能硬件尤其是智能穿戴设备而言尤为重要,如图3可中断休眠时序图,T1、T6是设备处于工作中的耗能情况,T2时间是设备完成一次处理后将无线通信电路、传感器电路关闭使其进入浅睡眠状态;T0、T3、T5是设备进入深度睡眠的状态;从图3中可以看出设备只要空闲就进入休眠状态,当用户需要使用设备时可以通过唤醒电路随时唤醒,如进入充电模式时可在T3时刻唤醒设备进入浅睡眠状态;或者在任意时刻通过运动或者无线的方式唤醒设备进入工作状态。这种中断唤醒方式使得设备绝大部分时间处于休眠状态,用户可以按需的方式激活设备,并实现双向无线通信,实现灵活人机交互与控制,同时做到更省电;如图4可中断休眠唤醒状态转移图可将穿戴设备分的工作状态归为工作状态L0、浅休眠状态L1、深度休眠状态L2等三个等级。其中设备处于工作状态L0时,为设备工作状态其最耗电,此时无线电路开启可以正常通信;处理完数据可穿戴设备可以通过休眠处理进入低功耗的L1状态,此时设备上大部分的外设都处于关闭状,如无线通信模块,此时设备功耗下降到数毫安内;在工作状态L0时,用户也可以强制让设备进入L2深度休眠状态,此时外设全关断,MCU处于深度休眠状态,此时电流下降到几十微安以内;若长时间处于浅休眠L1状态时,系统将自动进入L2状态;此时可通外部唤醒事件将设备从L1、L2状态快速唤醒至L0状态。

3低功耗软件设计

可中断休眠唤醒方法在软件处理上通过实时监测设备状态,并判断当前设备所处的状态,针对不同的状态,采用不同的低功耗处理方法;如图5是软件处理程图,智能设备在完成数据处理与上报等交互工作后,将关闭无线通信电路进入浅睡眠状态,此时启动计时功能等待外部的触发,若长时间无其他操作或者唤醒事件,智能设备则进入深度休眠状态的超低功耗状态;而处于浅休睡眠与深度休眠状态下的设备均可以由外界唤醒信号唤醒进入到正常的工作状态。

4实验分析

本文中所采用的中断休眠唤醒方法,已经应用于一款无线双向控制的智能穿戴设备中,其硬件环境如下,主控芯片STM8S003,2.4G无线通信芯片XN297L,电池800mAh,用户一天累计使用该设备工作使用1小时。通过实验过得到结果如表2。T3T5T6T2T4T1时间:t电流:mAT0图3可中断休眠时间图休眠1休眠3休眠2唤醒唤醒唤醒深休眠L2浅休眠L1工作L0图4可中断休眠唤醒状态转移图唤醒唤醒是否数据处理关无线电路等进入浅睡眠由表2的实验数据可以得出,设备分别工作在定时休眠与可中断休眠模式下无论是工作电流还是休眠电流都相差不大,可以认为是由电流表读数跳动造成误差,因此可以认为它们的工作电流与休眠电流是相同的。通过计算可得可中断休眠方式除了工作1小时外,期间没有收到唤醒后全在休眠。而定时休眠除了工作的1小时外,在24小时里又累积工作了2.1小时,因此以800mAh容量的电池计算,采用定时休眠的方法每天耗电68.8mAH,可以续航11.7天。而采用可中断休眠的方法每天耗电23.9mAH,可以续航33天的时间。若是定时休眠的方法想延长待机时长,则需要增长定时周期,这势必造成用户体验性变差。可见采用可中断休眠的方法在长时间待机方面具有定时休眠方法不可比拟的优势。

5结论

本文重点介绍集成无线通信技术的智能硬件的休眠唤醒方法,通过分析现有的定时休眠唤醒技术的特点,提出了可中断的休眠唤醒方法,并通过产品验证了可中断的休眠唤醒方法在智能硬件尤其是可穿戴设备中可大幅提高电池续航的时间,同时在可中断休眠的过程中并没有影响用户对设备的控制,在不降低用户体验的前提下使产品整体功耗下降。

作者:林志堂 郭昌坚 张朋涛  单位:广州市天舟通信技术有限公司

参考文献

[1]陈万里,李伟,柴远波.无线Mesh网络超低功耗技术分析[EB/OL].(2013-04-08)[2017-6-21].

[2]王超.基于Zigbee的无线传感网络能耗控制方法研究[D].长沙:湖南大学,2015.

[3]程威,李开宁.休眠唤醒节能技术在Zigbee网络中的应用[J].无线互联科技,2015(18):3-4.

[4]崔娟.嵌入式超低功耗无线传感器网络的研究[D].哈尔滨:哈尔滨理工大学,2009.