嵌入式实时系统被广泛应用于便携式产品中,这些产品往往靠电池供电。由于产品体积和质量的约束,电池容量是有限的,因此,低功耗设计成为嵌入式实时系统设计中关注的重点。动态电压调节(DVS)是一种有效的低功耗技术。其核心思想是:在保证系统性能的前提下,在任务执行期间动态改变处理器的电压和频率,充分利用系统的空闲时间,更好地降低功耗。　　 随机任务内DVS算法,根据任务负载的概率分布来调节电压和频率。在任务刚开始运行时,以比较低的速度运行,降低功耗,当任务运行到一定的阶段还未结束,必须以较高的速度运行以满足截止时间的要求。本文设计的SSWP算法,基于任务负载概率分布来预测任务的运行频率,在任务执行过程中频率是递增的。通过调节频率最优化公式,选择合理的频率变化点集合,实现任务频率调度。在不同的任务负载分布模型中,SSWP算法降低功耗效果不同。相对于OP-DVS算法,SSWP算法直接进行最优的频率调节,考虑了更多的实际因素,降低功耗效果更佳。　　 在仿真实验平台下,分别验证了SSWP算法在不同任务数量、不同负载概率分布和不同负载利用率的情况下降低功耗的效果,并且和OP-DVS算法对比分析,得出以下结论:任务集的任务数量对SSWP算法的影响不明显,降低功耗程度基本上都维持在38％左右；任务负载概率分布对算法的影响比较大,伽马分布模型中,SSWP算法降低功耗的程度最高,达到45％；任务负载利用率比较低的时候,SSWP算法降低功耗程度十分有限,但是负载利用率较高时,功耗降低程度比较明显,达到38％。针对上述三种情况,SSWP算法和OP-DVS算法相比,都降低了10％左右,降低功耗效果更佳。此外,SSWP算法比OP-DVS算法对空闲时间的利用率更高,节省了更多的功耗。