嵌入式系统的低功耗与可靠性技术研究

牟云飞

(泰山科技学院,山东泰安,271000)

1 工业化背景下的嵌入式系统低功耗建设需求

嵌入式系统在形式实现方面追求向集中性系统应用平台化转变，其系统结构呈现出资源服务化、自由开放化、绿色化发展优势。在技术升级过程中，则希望基于实际应用需要优化系统结构，建立高度模块化技术体系，确保嵌入式系统重新配置到位，建立修改与扩展机制。

在嵌入式系统建设过程中，需要满足其系统低功耗建设需求，不断扩充系统建设规模，满足系统功能需要，不断增大系统能耗。在这里，低功耗就意味着较低的运行成本以及较小的电池尺寸，要结合程序移动性特色展开分析，了解能源资源消耗过程，最大限度减少能量消耗，有效控制系统设计整体成本。在设计高效节能系统过程中，必须确保减少管理散热开销，确保结合优化功率来从源头上控制热量产生，保证低功耗设计满足嵌入式系统功能与建设规模有效扩展。如果从可靠性需求层面展开分析，则要有效调整嵌入式系统控制流错误，明确检测难点，结合检测跳转基本块信息设置检测点，结合检查程序运行过程来分析信息分块内容，确保记录信息一致性来判断程序所发生的控制流错误内容，优化控制流错误检测结果，提高嵌入式系统实施低功耗技术应用可靠性[1]。

2 嵌入式系统的实时低功耗技术原理与系统类型

2.1 技术原理

在分析嵌入式系统的实时低功耗技术应用过程中，需要首先明确其低功耗技术原理，保证人嵌入式系统任务有序合理调度，充分考虑系统整体能耗。就目前来看，嵌入式系统中就成功引入了芯片集成技术，它的微处理器性能表现优越，这一优越性就充分体现于制造生产与自动化控制中，确保工业系统运行稳定有序，当然它也带来了更高的温度能耗。就嵌入式系统建设而言，需要分析低功耗设计需要，在CMOS电路功耗分析方面建立专门的动态与静态功耗技术体系。而在系统空闲与低速运行过程中，则要降低电源电压运行机制，最大限度降低电路功耗，分析动态电压调节机制，结合处理器实时负载状况或增加、或降低电源电压。就这一技术原理分析结果看来，它需要建立DVS技术体系优化低功耗问题工，利用实际任务执行状况明确执行时间，最终产生空闲时间。在这里，要利用空闲时间来降低处理器运行频率，同时延长任务执行时间，降低系统整体生产运行能耗。所以说，嵌入式系统已经与当前的互联网技术相互结合，其系统中所集成的大量设备与传感器配件丰富，在大规模实现通讯与数据交换方面表现出色，但实际上它也导致大量能耗出现，为此必须进一步完善系统低功耗调度能力，优化调度方法[2]。

2.2 系统类型

在嵌入式系统中应该丰富系统类型，建立系统模型，这其中就包括了任务模型以及功耗模型。首先是任务模型，要根据周期任务建立实时任务模型，其任务中的调度周期任务应该为T，且每个周期任务采用二元组表示相关内容，结合最坏情况执行时间进行分析，确保任务实际执行时间工小于其最坏情况执行时间。具体来讲，要结合EDF调度策略来分析整个任务集调度内容。

其次是功耗模型，结合处理器功耗内容建立与速度相关、无关的动态、静态功耗内容，确保处理器能够始终以匀速状态运行，其功耗模型应该如下：

在上述模型中，优化Cef建立电路负载电容，围绕S变电压处理器归一化速度，围绕处理器最大速度展开分析，如果最大速度为1时，最小速度应该为Smin，假定处理提供连续速度，结合处理器功耗与速度关系常数展开分析，确保建立2 ≤Smin≤ 3 ，结合处理器总功耗建立系数，对处理器功耗P与速度S的单调递增函数进行分析，确保功耗大幅度降低，了解任务运行时间延长，增加静态功耗，为任务运行总能耗最优情况进行分析，了解处理器总能耗最低处理器速度。在使用DVS技术分析处理器速度，保证处理器同时处于运行状态、空闲状态和休眠状态。在该过程中可以选择关闭处理器即能降低能耗消耗[3]。

另外，基于平均空闲时间分配相关算法，提出基于WCET比例休闲空间的策略分配机制，了解实验中所存在变量内容，对比值与任务集合总利用率进行调整，专门采用控制变量法。具体来讲，要将固定周期任务总利用率控制在0.7左右，同时观察WCET比值变化，确保对实验结果产生正向影响。在具体实验中，要对WCET比值从1～10的变化进行分析，确保步长为1。结合LPABOASR算法的性能优化节能效果。结合算法平均节省10%以上能耗，保证平均节省能耗超过5%。伴随利用率的有效增加，它希望结合算法空闲时间分配策略内容，优化分配策略效果，将利用率控制在0.7～0.9范围内，该范围内节能效果更好。在计算过程中至少节省5%以内能耗[4]。

3 嵌入式系统基于平衡点的周期任务低功耗调度算法

3.1 研究动机的提出

在研究嵌入式系统过程中，希望系统基于平衡点的周期任务展开低功耗调度算法优化，明确研究动机，建立Inter XScale处理器模型，结合实例方案建立任务集，如此就提出了明确的研究动机。其中第一个任务集中就包含了多点任务，并在0时刻到达。在这里，需要分析处理器参数优化功耗函数，实现对功耗函数的有效简化，分析关键速度内容，确保处理器转换开销到位，优化空闲状态下的功耗情况，计算空闲单位时间，必要时选择关闭处理器，同时采用传统DVS策略调度单位时间内能耗。在这一过程中，需要保证多个单位时间同步运行，确保剩余预留空闲时间较大。采用关键速度调度优化节能效果，并继续加入任务集，配合传统DVS策略展开调度，计算调度速度与能耗，最终提出平衡点公式对关键速度调度任务算法进行分析判定。一般来说，要结合关键速度调度能耗增大这一现象来分析关键速度，优化能耗最优速度，提出平衡点公式判定关键速度调度任务算法，下文就提出LPABOBF算法，并合理应用这一算法[5]。

3.2 LPABOBF算法的应用

在利用LPABOBF算法来判断平衡点，提出多点问题并加以证明。首先提出问题，针对任务中的到达时刻进行分析，了解截止时限，分析任务的可运行时间，结合区间任务运行不被抢占来讨论任务内容，避免其错过截止时限状况。比如说可以选择DVS策略，结合关键速度策略分析最小能耗问题。结合这一问题，可以提出LPABOBF算法理论，选择DVS策略展开调度，主要是参考DVS策略来计算运行速度，选择关键速度运行内容，确保所选择的能耗达到最小。再一点，需要采用DVS策略调度最小能耗，结合关键速度策略处理器分析其关闭机制，了解任务能耗消耗状况。在这一过程中，需要调整单调增函数，分析能耗最小值，将能耗降到最低。在关闭处理器以后，需要将所产生能耗采用DVS策略，确保所产生能耗有效降低。应该利用XScale处理器功耗模型来代入简化表示机制，判断任务管理机制，选用DVS策略来优化关键速度策略算法，分析处理器速度，保证剩余最坏状况下执行时间与剩余可用执行时间有效优化。总体来讲，就要根据周期任务特征来回收空闲时间，确保调度前准确计算最佳运行速度，分析周期任务内容，结合任务当前实例剩余可用执行时间分析最坏情况下任务情况，计算剩余执行时间，结合实时调度器设置至少两个队列，确保即将到达任务集合，包含就绪任务集合，按照任务优先级高低排列，在执行任务过程中优化可估计空闲时间。最后，要结合平衡点判断算法以及空闲时间来展开LPABOBF算法应用，其算法描述应该参考如下：

首先明确输入与输出内容，在输入端建立周期任务集T，保证输出速度调节后形成Ti集合。在计算离线阶段速度过程中形成以下算式[6]：

其次如果计算时刻为t时刻，确保t时刻中数据内容能够被有效释放，要建立EDF优先级顺序来加入ready_queue，同时设置新t时刻。

再次如果是t时刻，分析运行过程中被其他就绪任务抢占到位，重新按照优先级顺序加入就绪队列[7]。

在LPABOBF算法来展现周期任务内容，按照周期释放特点建立两阶段调度算法，确保在离线阶段充分利用静态空闲时间。如果任务被抢占，需要重新按照优先级就绪队列建立新调度机制并执行，结合计算后任务速度分析Scrit变化，结合算法判断要求来调整关键速度内容，确保就绪队列满足任务空间时间大于t0要求，此时需要关闭处理器确保新任务就绪。这里简单阐述LPABOBF算法，在结合至少3个周期任务组成任务集过程中，需要结合实际执行时间来优化多任务，在0时刻直接释放数据内容，确保参考LPABOBF算法计算离线速度应该为0.5，同时调度执行单位空闲时间。具体来说就是参考优先级调度执行单位空闲时间，计算可执行时间，确保t=20小时内完成所执行任务[8]。

3.3 实验分析

最后分析仿真实验内容，采用C语言编写一套围绕EDF所展开的调度策略，形成仿真器系统。在这里，要结合Intel PXA处理器展开分析，基于归一化速度明确速度范围应该为（0.15,1），分析处理器功耗模型，确保其关键速度选取范围在0.3～0.5范围内。就这一实验过程，需要结合每个周期任务集包来提出至少5个周期任务，将周期选定在区间为10～200，同时明确任务集的最坏执行时间，均匀分布任务集内容。此时需要定义执行时间过程中真实服从参数内容，确保参数内容均匀分布。如果任务在0时刻释放，则需要在实验过程中运行至少20000个时间片，再计算能耗数据，形成100次实验，计算能耗数据平均值进行分析。在此次实验过程中需要对比分析提出3种算法[9]：

第一种算法是两阶段DRA算法，第二种算法是DSTRA算法，第三种算法是LPABOBF算法。就以LPABOBF算法为例，它必须首要考量在BCET计算比值下的能耗变化影响，在实验过程中设定任务集利用率，将利用率控制在0.5，结合1～10区间步长展开分析，随时调整BCET，结合比值决定在算法运行过程中人物内所产生的空闲时间。如果算法比值为1，则其能耗基准应该结合归一化处理过程分析LPABOBF能耗低于前两者。结合任务实际执行状况平均值进行分析，确保任务集的平均性能优化DRA算法，同时形成全新的DSTRA算法。

第二种算法是EDF算法，它同样要参考LPABOBF算法来分析节能效果。如果该算法的整体利用率偏小，则需要保证处理器时刻处于关闭状态，采用DPM技术对算法内容进行分析，提高算法利用率，争取在一定时间段内对DVS策略进行分析应用。实际上，LPABOBF算法是可以获得理想计算效果的，如果其算法利用率接近于1，则其负载会不断加重，与此同时处理速度也会小于关键速度。在这一过程中需要分析LPABOBF算法分析算法节能效果。根据计算结果可以了解到，LPABOBF算法相比于传统DRA算法能够节省最低7.9%、最高27.18%的能耗能量，整体看来节能作用效果非常良好[10]。

4 总结

在当前，智能连接物联网生态系统已经全面建设，它其中的嵌入式系统在低功耗与可靠性技术优化方面已经建立了良好运营模式，在快速扩张嵌入式系统技术内容方面发挥了巨大优势，它也为物联网系统建设推广创造了有利空间条件。从整体上来看，其系统软硬件在能耗较高与瞬时错误处理方面表现突出，所以其低功耗与高可靠性系统软件设计方面表现出色。