UNIX系统下实现线程包管理的软实时调度

采用高频率优先调度算法 ,在SolarisUNIX环境下 ,对系统提供的线程库在用户级基础上引入实时调度管理 。

一种采用抢占阈值的软实时动态调度策略PT-STDS

抢占式实时任务调度,其任意抢占会浪费系统资源而影响调度性能;有必要尽量减少任务间的无效抢占.针对软实时任务的特点,提出一种基于抢占阈值的动态调度策略PT-STDS.首先,PT-STDS策略考虑软实时任务的空闲时间和价值密度,提出综合两者的优先级构造函数.其次,PT-STDS策略根据任务的响应时间和任务间的抢占关系,确定任务的抢占阈值.通过设置任务抢占阈值减少较低优先级任务被抢占的机率,以提高整个系统任务间的有效抢占和执行完成率.实验证明,在软实时系统环境下,PT-STDS策略能够有效提高任务成功率、减少软实时任务的延迟时间,并提高系统总收益.

一种非周期软实时系统的动态调度方法

本文介绍了一种针对非周期软实时系统的动态调度方法。该方法以DM调度算法为基本调度算法,把非周期软实时系统看作一个多优先级排队系统,根据不同优先级的任务的队列长度来动态调整系统的参数。该方法能在统计意义上确保系统的实时性,同时又能兼顾系统的QoS需求。实例表明该方法能提高系统的实际利用率和降低系统的时限错过率,是一种有效的载荷管理方法。

非周期软实时系统的动态最优控制方法

运用多优先级排队系统的分析方法,研究了到达时刻和执行时间均不确定的非周期软实时系统,提出了一种针对DM调度算法的动态最优控制方法。该方法能在统计意义上确保系统的实时性,同时又兼顾系统的QoS需求和提高系统吞吐率。实例表明,该方法能提高系统的实际利用率,降低系统的截止时间错过率,是一种有效的载荷管理方法。

基于混合线性反馈控制结构的软实时调度算法研究

针对CPU资源实时调度模型的时变、非线性等特点 ,提出一种基于混合反馈控制结构的软实时调度算法 ,有效地解决了实时系统的非线性 ,实现了全局线性化反馈 ,改善了实时系统的稳态和动态响应特性 ,同时对系统模型的时变参数具有较好的鲁棒性 。

一种基于自适应控制的软实时调度算法研究

控制理论应用于软实时系统的调度问题,仅采用经典反馈控制技术存在较大的局限性。针对CPU资源实时调度模型的时变特点,提出一种基于自适应反馈控制结构的软实时调度算法,通过在线实时辨识模型的时变参数,自动校正控制器参数,使控制系统运行在期望的闭环极点,改善了实时系统的动态响应特性,同时对系统模型的参数时变具有较好的鲁棒性,提高了实时系统的稳定性和资源的利用率。

软实时系统下动态电压/频率调节算法设计

基于实时DVFS模型,提出满足软实时性约束的DVFS算法SRT-DVFS.该算法利用软实时系统在给定延迟率下允许任务延迟的特点,在EDF算法基础上实现软实时DVFS调度,克服了在软实时系统里直接使用硬实时DVFS算法效率低的缺点.通过模拟实验证明该算法能够满足系统软实时要求.实验结果表明,该算法比LEDF算法节省10%的能量消耗.

一种非周期软实时系统的缓冲设计方法

研究了任务的到达时间和执行时间均不确定的非周期软实时系统,采用排队论的分析方法,非周期软实时系统被看成是典型的随机离散事件动态系统,并被模型化为一个M/M/1/H混合制排队系统,讨论了抛弃率、截止时间错过率和平均截止时间超过量等三种性能指标,并在此基础上进行了缓冲容量的最优设计。性能分析表明缓冲设计方法能有效地改善系统的性能。

基于核密度估计的软实时任务QoS控制

针对软实时任务的服务质量(QoS)控制问题,提出一种采用核密度估计预测控制的资源自适应调整方法。该方法首先结合资源预留策略建立软实时任务的服务质量模型,并采用核密度估计方法,在无法预知和假设具体作业执行时间分布的前提下通过滑动窗口样本预测当前作业的执行时间概率分布,反馈控制器基于预测值和上一个作业完成时获得的服务质量动态调整资源以保证当前作业服务质量。仿真实验结果表明,采用核密度估计的预测控制能有效保证任务服务质量,在大的系统扰动下能稳定收敛。

基于测量的软实时业务接纳控制方法

软实时业务对业务传送的实时性并不要求绝对的延时上界保证,因此通常不需要基于最坏的情况进行接纳控制。文章针对软实时业务的业务特性提出了一种新型的基于测量的接纳控制方法,该方法首先通过对网络流量进行实时测量来估计流量的统计特性,然后结合软实时业务的实时性指标进行接纳控制。仿真结果表明,提出的接纳控制方法不仅有效地提高了带宽利用率,而且在带宽利用率与业务实时性指标之间建立了显式关联,因此可以更加灵活有效地为软实时业务提供服务质量保证。

动态软实时系统介绍及其在Linux下的移植

介绍了动态软实时系统（DSRT）的创新概念、系统组成及中间件实现，讨论了将其移植到Linux的方法，并说明了如何利用DSRT提供的API函数修改音/视频播放器，改善播放性能。

一种新的软实时应用的接纳允许控制和QoS控制算法

1.引言多媒体应用及Internet的各种新业务对包括操作系统和网络系统的支撑环境的要求与传统意义上的各类实时业务有着显著的不同,这种不同之处往往表现在衡量支撑环境服务质量QoS(Quality of Service)的标准上。传统意义上的实时业务,现在一般称为硬实时业务,其衡量支撑环境QoS的标准一般单纯依赖于执行时限deadline的丢失率上;而多媒体应用和一些新的Internet应用,现在一般称为软实时业务,其衡量支撑环境QoS的标准并不单纯依赖于deadline丢失率的统计数字上,在通常意义上讲,丢失deadline并不会造成这类应用的执行失败以及系统的崩溃,而其它一些指标,如系统的接纳允许率、QoS的稳定性和整个系统的综合利用率则变得重要起来。本文所提出的Quixote算法,正是一种新的软实时应用的接纳允许控制和QoS控制方法。

一种基于资源预分配的虚拟机软实时调度方法

虚拟机技术作为云计算的重要技术之一,近年来得到广泛关注,但是由于虚拟机管理层的存在,导致语义鸿沟,使得实时应用程序、并发程序等在虚拟机上的运行性能受到影响。分析和研究了Xen虚拟机管理器的Credit调度算法,针对其在并发调度和软实时调度方面存在的不足,提出了改进调度算法,实现了算法的调度器原型。新的调度算法对软实时虚拟机进行Credit比例预分配,采用动态调度时间片机制,以non-work-conserving方式实现软实时任务周期调度,保障调度周期满足运行周期要求。通过区分并发和非并发软实时虚拟机,采取不同的调度策略,在满足资源利用率的基础上,确保实时任务的顺利运行。测试结果表明,该调度算法在对并发和非并发软实时任务调度上,具有良好的表现,较好满足了软实时应用调度需求。

软实时服务与绿色通信

结合"绿色通信"的需求,具体阐述了宽带移动业务软实时服务中的绿色通信思想,包括软实时服务中的"以延时换能耗"的设计理念,以及如何通过阈值限定来达到延迟和能耗的折中;并且介绍了一种适用于软实时业务模式的带闭环反馈的功率控制算法,对基站能耗进行了优化.

软实时环境下机器人运动学逆解研究

为有效抑制串联机构的末端振动,使机器人运动系统的运行更加平滑,设计了以PC104为硬件基础、在RTLinux上进行二次软件开发的机器人控制系统。它通过PCI/ISA总线连接上位机和底层硬件接口电路,以控制伺服电机。分别研究了机器人系统的模型,以及在这一软实时系统上采用反变换法+Pieper方法求解机器人的逆运动学问题。通过比较工业机器人在伺服控制、板卡控制和软件控制三种模式下的运动性能,验证了软件方式的优越性,以及其在运动控制领域中的应用价值。

WSN软实时系统的DVS控制优化算法

为降低无线传感器网络(WSN)软实时系统中的能量消耗,建立能量消耗数学模型,引入离散事件系统框架中的优化控制问题使目标函数最小化,采用线性规划方法求解,得到一种可扩展的低复杂度算法,并对该算法进行优化。数值结果表明,应用优化算法对WSN节点进行动态电压调节,能在满足时限要求的基础上更大程度地节省节点能量。

一种基于软实时通信的广域保护原理

根据传统系统实时性的划分方法,同时考虑通信满足传输时限要求的能力,把广域保护通信实时性划分为硬实时系统、软实时系统和非实时系统,分别介绍了3种通信方式的概念和特点。分析了软实时系统相对于硬实时系统的优势,说明软实时通信技术更能满足广域保护的要求。提出基于软实时通信和参考相量同步法的广域差动保护,介绍了这种保护的采样同步原理和保护原理。该保护可用于线路后备保护,有助于解决短线路距离Ⅲ段难以整定配合的问题,也可以作为区域电网的总后备保护。

软实时分布式系统中的时间期限分配

在分布环境下 ,任务在多个不同的站点上有处理要求。一个分布式任务需要划分成几个子任务 ,每个子任务在指定的站点上执行。在实时系统中 ,当要完成一个分布式任务时 ,应用系统的设计者经常要把总体时间细化。本文提出如何自动把总体时间期限转换为子任务的时间期限的方法。

软实时系统中的内存数据库应用模式

分析了内存数据库的应用模式；提出了内存管理模块的一种实现架构，并着重讨论了并发控制机制；结合发布、订阅模式给出了软实时系统中开源内存数据库一种使甩策略。

基于随机模型的软实实时时系统的任务期望可调调度度性

本文基于随机模型研究了软实时系统中任务的可调度性特征,提出了期望可调度性的概念.期望可调度性是与实时任务到达时间t相关的,因此,提出的方法能研究任务子集在任意给定时间间隔的可调度性特征.本文给出了期望可调度性的条件,如果任务的持续时间满足该条件,则实时任务具有期望可调度性.基于理论结果的数值分析与模拟结果是一致的,这表明当软实时系统的负载率小于69%(某些确定性模型提供的)时,实时任务总是期望可调度的.这一结果也表明基于随机模型的期望可调度性方法能为软实时系统的任务可调度性分析提供一个更大的阈值和更好的适应性.