基于TLSF算法改进的动态内存管理算法研究

针对视频媒体服务类应用中实时动态内存分配时间不确定、内存利用率低及内存泄漏检测等问题,研究基于TLSF算法改进的内存管理机制,并与linux内核中内存管理算法进行比较。实验结果表明,对于视频处理服务等具有一定计算特征且需要大量进行动态内存分配的应用环境,改进的TLSF算法相对于传统的Buddy算法,内存分配效率有进一步提升,同时通过增加校验,可以检测系统中可能存在的内存泄漏问题,提升系统稳定性。

一种嵌入式实时系统动态内存管理器的设计

针对嵌入式实时系统动态内存分配实时性与内存碎片率二者无法兼顾问题,基于二级位图及TLSF(Two-level Segregated Fit)算法,设计一种新的嵌入式实时系统动态内存管理器.将内存请求分为小内存请求和大内存请求;针对小内存请求,采用二级位图算法,通过以空间换时间的策略降低分配时间,减少外部内存碎片;针对大内存请求,在TLSF算法的基础上改变二级索引结构,通过"精确切割"及"合并阈值"策略提高内存利用率,降低内存碎片.实验表明,该管理器具有较快的响应速度及较低的内存碎片率.

基于TLSF算法的高效内存分配算法的设计与实现

在嵌入式系统中,由于内存资源的有限性,内存分配器的性能和碎片率成为其重要考量因素。目前主要采用的内存分配算法是TLSF,然而该算法在嵌入式系统中存在一些问题,例如小内存申请导致外部碎片和大内存申请导致内部碎片。为了解决这些问题,对TLSF算法进行了优化:(1)针对小内存申请,引入了静态内存池(POOL)算法,以解决TLSF算法中大量小内存分配带来的外部碎片问题;(2)针对大内存申请,提出了按级划分的DBL内存分配策略,解决了大内存分配中的内部碎片问题。实验结果表明,通过使用优化后的TLSF算法(DBL+POOL)进行内存管理,可以更好地利用内存资源,提高嵌入式系统的性能和可靠性。

最小二乘滤波算法在目标跟踪中的性能比较

目标跟踪就是对目标在每个时刻的状态作实时精确的估计。根据目标在运动过程中具有轨迹连续性的特点,采用最小二乘滤波在观测数据的基础上对目标的状态进行了估计。论文对完全最小二乘滤波算法和递推增广最小二乘算法在目标跟踪的应用作了研究,通过仿真实验并对算法的跟踪性能进行了分析。结果表明:递推增广最小二乘算法的性能优于完全最小二乘滤波算法的性能。

FreeRTOS内存管理方案的分析与改进

针对FreeRTOS内存管理方案分配时间不确定,切割次数较多,利用率低及合并机制不足等缺点,采用一种"精确切割"和"延时合并"相结合的策略以最大限度减少内存碎片,提高内存利用率。具体实现方法是在FreeRTOS中引入TLSF(Two-level Segregated Fit)算法数据结构,采用二级位图索引对动态内存进行管理,并改进TLSF算法的内存分配和释放过程;最后将改进的算法以及FreeRTOS移植到STM32开发平台上进行实验测试。测试结果表明该方法提高了FreeRTOS的内存分配速度,减少了内存碎片率。

开源RTOS内存管理机制分析和改进

针对开源RTOS(FreeRTOS)内存分配时间不确定及内存利用率低、不能很好支持动态内存分配等不足,研究FreeRTOS的内存管理机制并比较几种典型动态内存管理算法的优缺点。移植修改过的TLSF算法对管理机制进行改进,较小的内存分成固定大小的内存块,用一级位图索引组织,较大的内存用二级间隔表组织。实验结果表明该方法能较好地提高内存分配速度和利用率。

一种新型嵌入式动态内存分配算法

针对TLSF算法的不足,提出使用直接分配算法和TLSF算法相结合的方式解决最差分配问题,用自适应算法来解决内存切割带入碎片问题,用新设计的表头检验方法解决内存溢出防护问题。首先,根据当前内存的最大空闲块的大小判断使用何种内存分配算法;然后,在内存使用过程中根据使用内存块的大小计算出最佳切割阈值,同时根据内存块实际物理地址和理论地址的比较来进行内存数据溢出的检测。实验结果表明,相比TLSF算法,新算法内存分配效率最多提高4.98%,内存释放效率在内存使用率较低时提高1.1%,较高时和TLSF算法基本没有差别;在内存使用率较高时,碎片率比TLSF算法最多降低了10.3%,并且能够有效地检测内存数据溢出,提高了安全防护能力。

最小二乘滤波算法在目标跟踪中的应用

目标跟踪就是对目标在每个时刻的状态作实时精确的估计。根据目标在运动过程中具有轨迹连续性的特点,采用最小二乘滤波在观测数据的基础上对目标的状态进行估计。文章对完全最小二乘滤波算法和递推增广最小二乘滤波算法在目标跟踪的应用作了研究,通过仿真实验对算法的跟踪性能进行了分析。结果表明:递推增广最小二乘滤波算法的性能优于完全最小二乘滤波算法的性能。