多任务下I/O设备的动态功耗管理

减少I/O设备功耗已越来越被嵌入式系统设计者所关注。传统动态功耗管理（DPM）策略在实 际的多任务环境下无法得到预期的节能效果。提出基于堆栈的预测性超时（SBPT）策略。该 策略通过分析任务的调用和堆栈信息来预测任务对I/O设备的访问模式,并采用多请求源（M SR）模型进行多任务的联合预测。然后根据预测结果分组统计,采用超时技术决策。基于实 际负载的仿真实验表明SBPT策略能够适应多任务的应用环境,更稳定更有效地降低了功耗     

面向任务信息的层次化存储DPM策略

面向层次化存储的DPM策略利用数据缓冲区实现请求集中从而延长PMC的空闲时间,可获得比传统策略更好的节能效果。在此基础上提出基于任务信息（task information based,TIB）的层次化存储DPM策略。TIB策略对任务的数据访问模式进一步细分,通过修改存储访问接口获知任务数据访问的模式,根据不同模式决定预读与替换算法,使策略具有更好的节能意识。     

能耗期望的动态功耗管理预测性策略

现有动态功耗管理预测性策略基于部件空闲时间前后的关联性进行预测,在系统随机服务请求环境下面临失效. 该文从概率统计的角度提出基于空闲时间能耗期望的预测策略,该策略使部件在空闲时进入空闲时间能耗期望值最低的模式,并从理论上证明了此方法具有最优的节能效果. 实验结果表明,在系统服务请求的指数分布与Pareto分布下,与传统预测性策略相比,该策略获得了更低的部件平均功耗.