基于电池剩余电量的动态电压调节算法的改进

(1)时序可行性检测（SFC）

假设在时刻t，任务队列中已经有N个被调度器接收但是还没有执行完毕的瞬态任务，记为SQ={Ti(Si，Ei，Di)，1≤i≤N}，参数依次表示任务Ti的到达时间、在最高电压下(即Vmax)的执行时间和截止时间。SQ中的各个任务按照Di的上升趋势进行排序。LE(Ti，Vi，t)表示任务Ti在时刻t基于工作电压Vi所对应的剩余执行时间。另外假设Ti(1，…，N)在进入SQ之前都经过时序可行性检测。其主要作用是保证SQ中所有任务的deadline得到满足。

(2)最优化数学模型。目标函数式(5)表示任务队列中所有任务执行完毕时所消耗的能量，其中P（Ti，Vi）表示任务Ti在Vi下所对应的功耗。三个限制条件分别从执行时间和工作电压上作出限制。由于Ti在进入任务队列之前都经过了时序可行性检测，因此该计算模型在式(6)、式(7)、式(8)限制条件下必然能够得到一组工作电压的最优解，记为OV={OVi，i=1，…，N}，其中OVi代表任务Ti所对应工作电压。

根据OV1来执行任务队列中处于起始位置的任务; 一旦出现新的瞬态任务Tnew，且该任务已通过SFC检验时，系统将为SQ重新计算最优解OV；而当前任务执行完毕时，其将从任务队列中移走并在OV中执行OVi->OVi+1的平移操作(i=1，…，N-1)。

在Alarm区，为了尽可能延长电池寿命，可结合基于动态超时的DPM策略，即当电池电压下降了ΔV(ΔV>0)后进入Alarm区域时，则在原有超时时限值t0的基础上进一步降低，从而尽量延长电池的使用时间；反之则恢复原t0值。

算法实现：

SelectiveDVS(Currrent task){

Open Dvs Mechanism；Time t0=value；

STATUS=Get current battery region information；

Switch(STATUS){

Case  RECOVERY_REGION：Pi=Pmax

Case  RATECAPACITY_REGION：

If(newtask)   Calculate OV[n]；

else{ExecuteCurrentTask；RemoveCurrentTask；

Vdd=OVnext；Pi=KVdd3；}

Case  ALARM_REGION：

Close Dvs Mechanism；

Start DynamicTime_outPolicy(t0)；

//t0 is first value } }

Time t1=t；//Dynamic time value

Dynamic time_out policy(t){

If(0<=t1<=t){

If(SystemTime>=t1)  Close devices；

If(tasking)  Sleep devices；

If(battery coulometry down)

t1--；

else  t1++；}}

5 算法性能实验分析

实验分别采取本文设计的DVS算法、简单DVS（Pi=Pmin）、无DVS三种策略进行对比，分别称为算法1、算法2、算法3。如图3可知：由于在Recovery区算法1和算法3均设定Pi=Pmax，故电池行为方式比较接近，算法2由于Pi=Pmin没有最大化恢复效应，故曲线下降快；在Rate capacity区，算法1和算法2均考虑以降低电流负载为主，故后者曲线上升靠近前者曲线，而算法3功率仍为Pmax故电量下降较快；在Alarm区，算法1、算法2均采取了省电策略，故与算法3相比电量下降缓慢，且算法1与算法2相比，采取适当休眠策略要比持续Pmin节能效果好。表1为三种策略的效能比较。

基于电池特性的动态电压调节技术是降低嵌入式实时系统能耗的有效方法，也是当前研究的热门。少量系统的任务具有周期性特点，但更多的还是具有非周期性等随机特点的任务系统。本文通过实验对非周期性电流负载对应的电池行为进行分析，并在此基础上设计了适合于非周期性任务系统的策略。结果表明该算法能有效降低能耗,与无DVS策略相比，电池寿命延长17.3%，性能提高1.2%。该算法对降低非周期性电流负载的系统能耗比较合适，而对于混合型特点任务系统的低能耗策略还需要进一步研究。DVS技术在过去十几年的时间内取得了很大的研究成果，系统低功耗设计领域的研究空间仍然非常巨大。系统层的低能耗设计以及有关能耗最优化设计和分析技术在今后几年中还将是重要的研究主题。