下载文档原格式
信息通信INFORMATION&COMMUNICATIONS2020 (Sum.No205)2020年第1期（总第205期）基于机器学习校准的嵌入式设备能耗测量系统刘建财（福建师范大学数学与信息学院，福建福州350117）摘要：随着嵌入式技术的快速发展与成熟，嵌入式设备的应用也越来越广泛。
能耗成了限制嵌入式设备功能开发的重要因素；准确地测量出嵌入式设备的能耗值大小，能够更好的设计和扩展嵌入式设备的功能和应用场景。
设计一个多量程的嵌入式软件能耗测量系统，并采用集成的思想，结合机器学习算法做集成模型校准。
经过实际测量，最大能耗测量的绝对平均误差百分比控制在0.5%以内，具有高精度。
关键词:嵌入式软件;能耗测量;机器学习；集成模型中图分类号:TP311文献标识码:A文章编号：1673-1131（2020）01-0075-030引言近年来,随着嵌入式技术的快速发展与成熟，嵌入式技术的应用也越来越广泛。
目前，大部分部署在户外的嵌入式设备大多是由电池供电或依赖于能源釆集，例如地下水位数据釆集设备和地下管道信息数据釆集设备主要由电池供电;户外智能监控和照明系统大多通过釆集太阳能或者风能转换成电能供电。
而嵌入式软件能耗的大小决定了供电电池的使用寿命;为了满足嵌入式软件应用的服务质量的要求，准确的测量嵌入式设备的能耗是非常重要的，也是能耗优化效果评估的重要手段。
目前测量嵌入式软件能耗的方法主要有两类:基于嵌入式软件能耗分析和估算方法閥和嵌入式软件能耗测量方法聞。
基于嵌入式软件能耗分析及估算方法是将嵌入式软件的每种工作状态（如睡眠、处理、传输/接收）所花费的时间乘以该状态下功率的消耗得到对应的能耗值。
然而，对嵌入式设备的能耗进行分析、估算时，受嵌入式软件数据结构和算法、嵌入式设备的处理器利用率、频率和I/O操作等多种因素的影响，很难模拟和评估真实环境的特性对其能耗的影响,因此估算嵌入式设备能耗具有较大难度。
嵌入式系统设计中的功耗优化方法嵌入式系统是一种专用的计算机系统，通常用于特定应用领域。
这类系统通常具有功耗限制，因为它们需要长时间运行，并且通常使用电池供电。
在嵌入式系统设计中，功耗优化是一个关键的考虑因素。
本文将介绍几种常见的功耗优化方法，包括硬件和软件级别的优化。
一、硬件级别的功耗优化方法1. 低功耗处理器选择：选择低功耗处理器是功耗优化的关键步骤之一。
现在市场上有许多专门设计用于嵌入式系统的低功耗处理器。
与传统的桌面处理器相比，这些处理器通常在功耗方面具有更好的表现。
2. 电源管理：合理的电源管理可以显著降低系统的功耗。
一种常见的方法是使用智能电源管理芯片，它可以根据系统的负载情况自动调整电源的供应和电压。
此外，利用睡眠模式等技术也能有效地降低系统的功耗。
3. 优化电路设计：通过优化电路设计，可以降低功耗。
例如，使用低功耗组件、优化时钟频率和电压、减少干扰等。
另外，采用节能设计的存储器和外设也是功耗优化的重要方面。
二、软件级别的功耗优化方法1. 任务调度：合理的任务调度可以降低系统的功耗。
通过动态地调整任务的优先级、任务的执行顺序以及任务的频率等，可以最大程度地减少系统的功耗。
2. 休眠模式：使用休眠模式是一种常见的软件功耗优化方法。
在系统空闲时，将不需要工作的模块或部件设置为休眠状态，以减少功耗。
3. 优化算法：选择合适的算法可以降低系统的计算负载和功耗。
例如，在数据压缩领域，选择更高效的压缩算法可以减少数据传输的功耗。
4. 循环优化：循环在嵌入式系统中通常是性能瓶颈和功耗集中的地方。
通过对循环进行优化，可以减少不必要的计算和数据传输，从而降低功耗。
5. I/O优化：合理地管理输入输出操作可以降低系统的功耗。
例如，通过合并多个I/O操作、使用中断和DMA等技术来降低功耗。
综上所述，嵌入式系统设计中的功耗优化是一个非常重要的问题。
通过在硬件级别和软件级别上进行综合优化，我们可以有效地降低系统的功耗。
１４７基于云计算的嵌入式处理器中CPU 功耗预测方法研究李哲林（广东轻工职业技术学院实验实训管理中心，广东广州510300）摘要：随着云计算技术的推广和发展，基于云计算的应用研究也越来越多。
云计算在计算性能和计算精度上都有着无可替代的作用，同时其可以智能的分配计算资源，达到计算资源的充分利用。
目前对嵌入式处理器中CPU 功耗预测的研究还局限于在普通计算机上进行的非分布式算法，针对目前大量的嵌入式处理器CPU 传统的方法已经难以适应现状。
如前文所述，云计算以其优势非常适用于解决当前嵌入式处理器中CPU 功耗预测问题。
因此文章提出一种基于云计算的嵌入式处理器中CPU 功耗预测方法，该方法结合了传统的功耗预测方法和云计算方法，采用分布式的构建思想，采用数据存储，定制计算，开关控制等模块实现该方法。
最后文章给出了实际的实验例子验证了该方法的有效性。
关键词：云计算；嵌入式；CPU 功耗；预测中图分类号：TG146文献标识码：A 文章编号：1673-1131（2016）11-0147-020引言嵌入式系统，是一种“完全嵌入受控器件内部，为特定应用而设计的专用计算机系统”，其通过有限的硬件资源来执行带有特定要求的预先定义的任务。
由于嵌入式系统只针对一项特殊的任务，设计人员能够对它进行优化，减小尺寸降低成本。
从当前嵌入式消费电子产品来看，媒体处理与无线通信、3D 游戏逐渐融合，其强大的功能带来了芯片处理能力的增加，在复杂的移动应用环境中，功耗正在大幅度增加[1-3]。
比如手机，用户往往希望待机时间、听音乐时间，以及看视频的时间能更长，在这样的背景下，嵌入式处理器的功耗波动范围非常的大，并且由于嵌入式节能算法的引入导致其功耗的预测变得更加困难。
如何在不断变化的动态的计算环境中准确的预测云计算嵌入式处理器的功耗是亟待解决的问题[4-6]。
目前，随着网络应用的飞速发展使得对计算能力的需求不断增加,伴随着网格计算,并行计算,分布式计算的发展,云计算应运而生,被列为国家未来重点发展的技术方向,并成为了当今计算机研究届和工业界的热点研究课题。
嵌入式系统中的功耗优化与实时调度算法研究嵌入式系统是一种以特定应用为目标、嵌入到其他设备中的计算机系统。
它通常具有低功耗、小体积和实时性要求高的特点。
在设计和开发嵌入式系统时，功耗优化和实时调度算法是两个关键的方面。
本文将介绍嵌入式系统中的功耗优化与实时调度算法的研究。
首先，我们来探讨嵌入式系统中的功耗优化。
功耗优化的目标是在满足系统性能的前提下，最小化系统的功耗消耗。
嵌入式系统通常运行在电池供电下，能耗的高低直接影响了系统的使用时间和性能表现。
因此，功耗优化对于嵌入式系统至关重要。
一种常见的功耗优化方法是使用CPU频率调节技术。
通过调节CPU的工作频率，可以在不降低系统性能的情况下，降低功耗。
这种方法在嵌入式系统中被广泛采用，例如在移动设备中通过动态频率调整技术来延长电池寿命。
此外，还有一些针对特定应用场景的功耗优化方法，如利用任务预测和动态电压调整等方法来实现系统功耗的优化。
另一个关键的方面是嵌入式系统中的实时调度算法。
实时调度算法的目标是保证系统任务的时效性，即任务能够按照预定的时间要求完成。
嵌入式系统中的任务往往是高度实时性的，例如在航空航天、医疗设备和工业自动化中，任务对时间的要求非常严格。
因此，实时调度算法在嵌入式系统中起着重要的作用。
最常用的实时调度算法包括固定优先级调度算法和最早截止期优先调度算法。
固定优先级调度算法将任务分配固定的优先级，根据优先级来决定任务的执行顺序。
而最早截止期优先调度算法则根据任务的最后截止执行时间来确定任务的调度顺序。
这两种算法都可以针对不同的应用场景进行调整和扩展，以满足多种实时性要求。
除了传统的实时调度算法，近年来还涌现出一些基于机器学习和人工智能技术的调度算法。
这些算法利用大数据和智能化技术，通过学习任务的历史数据和特征，自动优化任务的调度策略，提高系统的实时性和效率。
例如，基于深度强化学习的调度算法可以根据环境的变化实时调整任务的优先级和执行顺序，从而提高系统的实时性和能效。
基于复杂度的嵌入式软件功耗模型摘要系统功耗是嵌入式系统的一个重要方向，功耗很大程度上取决于执行的软件。
传统的底层指令级模型功耗分析方法虽然能比较准确地估算出嵌入式系统的功耗，但是这种方法所需要的时间过长。
本文介绍一种高层嵌入式软件功耗分析估测方法，以对象函数所使用的算法的复杂度来对该函数构建功耗模型，从而根据此功耗模型能快速估算出该函数在各种输入情形下的功耗情况。
关键词算法复杂度嵌入式系统软件功耗模型1嵌入式软件功耗嵌入式系统的功耗主要来自微处理器的功耗与外围部件的功耗。
虽然能量的水泵最终发生在底层硬件，但是微处理器的功耗很大程度上取决于其所执行的软件。
因此，对嵌入式系统的功耗分析越来越多地转移到软件的角度上来，将能量的消耗过程视作软件执行过程。
目前的嵌入式软件功耗分析大多数都是基于指令级功耗模型的分析方法。
在这种模型中，嵌入式软件程序的功耗由单条指令的基本功耗开销、连续执行不同类型的指令造成的功耗开销以及额外的功耗开销如流水线断流、不命中等构成。
虽然这种底层的嵌入式软件功耗的分析方法的准确性较高，但是其分析过程需要在特定微处理器平台上将程序翻译成汇编指令，然后通过逐条指令功耗分析和综合因素考虑，最后才能估算出该程序在某种微处理器上执行的系统功能，需要相当长的分析时间。
2基于复杂度的嵌入式软件功耗模型针对指令级功耗模型的瓶颈，本文介绍一种基于复杂度的嵌入式软件功耗模型，利用现有条件能快速估算出某函数的功耗情况。
在嵌入式软件应用中大量使用的多媒体计算和其它数据密集型计算中，经常用到诸如查找、排序、矩阵运算等算法。
由于这些算法的平均复杂度都是已知的，因此复杂度成为这些嵌入式软件程序的一个重要特征，同样也能够成为分析和估测嵌入式软件功耗的一种重要依据。
基于复杂度的嵌入式软件功耗模型以具体函数所使用的算法的复杂度为建模的参数，选取该函数的典型输入，并利用现有指令级模型分析方法获得该函数在这些典型输入情况下的功耗，利用回归算法出该函数软件功耗模型的系数，从而获得完事的该函数软件功耗模型，并可以用于快速估算该函数在任何输入情况下的软件功耗。
一种基于用户行为的嵌入式功耗优化方法
王海;高岭;陈东棋;任杰
【期刊名称】《系统仿真学报》
【年(卷),期】2015(0)2
【摘要】随着以手机、平板电脑等为代表的嵌入式设备的飞速发展,嵌入式低功耗问题已经成为了一个研究热点。
经常有用户在户外面临手机没电所带来的问题,目前主要给嵌入式设备供电的电池却受到其体积、重量等因素的制约,只能提供有限的电量。
从用户行为识别出发,用机器学习的方法识别设备用户当前的行为状态,根据既定的策略来获取该行为状态下用户对设备的使用习惯,进而通过主动关闭设备不使用的部件或者提醒用户应用动态交互优化策略来降低设备功耗。
【总页数】7页(P320-326)
【作者】王海;高岭;陈东棋;任杰
【作者单位】西北大学信息科学与技术学院
【正文语种】中文
【中图分类】TP18;TP368.1
【相关文献】
1.基于线程负载的嵌入式多核低功耗优化方法研究
2.一种面向嵌入式系统总线的低功耗优化方法
3.一种基于聚类和用户行为分析的搜索引擎结果优化方法
4.基于访存特性的嵌入式移动设备软件低功耗优化方法
5.基于嵌入式系统的用户行为识别方法研究
因版权原因，仅展示原文概要，查看原文内容请购买。
