随着微电子技术和嵌入式技术的发展，嵌入式系统的性能有了迅速的提升，逐渐被应用于多媒体、通信和导航等对数据处理要求更高的领域。高主频的处理器、高功耗的设备和大容量的内存使得嵌入式系统的功耗急剧上升。然而，对于那些有移动和便携需求的嵌入式系统，由于采用电池供电，因此在有限能量供给下仅能维持较短的运行时间。同时高功耗部件散发出的热量会引起系统内温度升高，从而严重降低系统的稳定性和可靠性，缩短系统使用寿命。嵌入式系统设计者已将降低系统功耗作为关注的焦点。系统级的动态功耗管理(DPM)即为其中之一。在多媒体和导航等应用领域，许多以硬盘作为存储介质的系统中，硬盘的功耗成为主要功耗来源。 本研究以此为背景，对基于负载分析的动态功耗管理策略进行研究，寻求通过系统配置和管理，利用微硬盘的多种低功耗模式来降低硬盘空闲时功耗的最优方法。传统单请求源负载模型无论是周期性的还是随机性的，都忽略了实际系统多任务多线程的特点，因而对于实际非平稳的负载不能很好的吻合。多路选择模式的多请求源负载模型，在局部平稳的假设下划分出不同的请求源，但要求请求源的空闲时间服从同一类型的分布，从而限制了模型适用的范围。本文将其改进为多路混合模式的多请求源负载模型，以线程为独立的请求源，请求源按照线程的入口地址以及所属任务进行分组，同组请求源的空闲时间服从相同的分布。所有活动请求源的负载分布经过混合器合并后形成整个系统的负载分布。本文将改进后的模型应用于DPM的预测，针对传统预测策略忽视应用特征和基于程序计数器访问的预测策略没有区分多层调用等问题，提出了基于堆栈的多线程预测技术。该预测技术以请求发生时的堆栈信息来区分不同调用路径上的请求，根据相同特征的请求之后的空闲时间进行单线程的预测，然后将单线程的预测结果汇集成最终的预测结果。通过对预测策略与超时策略的研究分析，发现预测策略在周期性强的负载下效果显著，而不适合于随机性较强的负载，超时策略则恰好相反。因此，本文提出将预测技术和超时技术相结合的预测性超时策略。该策略根据预测结果进行分组决策，决策时采用基于概率分布统计的单门限自适应超时技术。在负载随机性强时利用自适应超时技术减少误预测的影响，在负载规律性强时利用预测技术提高区分度尽可能减少超时门限的影响。 本文设计了基于事件驱动的DPM系统软件仿真，通过事件模拟出操作请求和系统信息，触发各部件模拟器的执行。根据对实验统计数据的分析提取功耗和状态模型的参数，准确模拟了硬盘的空闲时功耗和状态的变化，经过模型检验，功耗的仿真结果的最大相对误差约为3％。基于该仿真平台进行了DPM策略测试评估，评估采用差异竞争率和平均延迟容忍度等指标。仿真实验结果显示，在调用路径区分明显的负载下，基于堆栈的多线程预测技术的有效命中率和区分度要超过指数平均和基于程序计数器等预测策略10个百分点。而将该预测技术与单门限的自适应超时技术相结合的自适应预测性超时策略是能耗最优的策略，能耗降低幅度为最大可节约能耗的60％～90％。