信息物理系统(CPS)是计算、网络和物理过程的整合。它可以实现物理世界的安全、可靠和实时的监控,拥有广泛的应用前景。无线传感器网络、生物医疗传感器和云计算等技术的不断发展催生了CPS在医疗保健领域的广泛应用,即医疗CPS。医疗CPS是由生物特征信息收集设备和给药医疗设备等组成的网络化智能医疗系统,系统中的各单元通过通信网络实现信息交互,从而实现医疗资源的互联、共享和协作。立足于CPS与医疗系统的最新融合发展,本文专注于医疗CPS的高效数据传输和调度。本文的主要贡献包括三个方面,分别是安全可靠数据收集(用户间干扰抑制、敏感数据隐私保护),实时可靠数据传输(度约束实时数据融合)和混合关键数据处理(混合关键实时调度、概率性响应时间分析)。(1)安全可靠数据收集：针对医疗CPS中躯体传感器网络(BSN)的移动性、资源有限性和自私性带来的用户间干扰问题,本文将BSN的信道选择和发射功率选择建模为非合作博弈,并给出了博弈过程中获得纳什均衡的无后悔学习算法。为了保护BSN收集的敏感性数据的安全性和隐私性,并降低数据传输功耗,本文通过差分编码对敏感数据进行无损压缩来降低需要隐藏的比特数,然后通过轻量级数据隐藏算法将压缩敏感数据嵌入到合并的多种普通数据中来保护敏感数据。(2)实时可靠数据传输：为了保证医疗CPS中无线数据传输的实时性、可靠性和低功耗性,本文在数据融合树中引入了瓶颈路径和度约束,瓶颈路径用于最小化数据融合树中的最大延迟,以提供有界的实时通信保证；度约束用于控制数据融合节点的数据流量,以保证资源的公平利用延长网络寿命,并降低单点故障造成的影响。我们证明了该数据融合树构建问题是NP困难的,并给出了一种基于学习自动机的求解方法。(3)混合关键数据处理：针对医疗CPS中数据处理任务的混合关键性需求,本文将每个高关键任务与一组低关键任务封装为任务组。任务组内通过基于服务器的调度策略进行任务调度,任务组间通过最早截止期优先调度策略进行调度。基于可调度性条件给出了基于非线性混合整数规划的任务分组和调度参数求解方法。针对多处理器平台、给出了任务部署过程中同时考虑低关键任务需求和高关键任务需求的任务装箱算法。针对基于概率描述的医疗CPS任务,本文将每个任务的概率性工作流抽象为概率性需求函数。首先基于较高优先级任务的累积需求分布得到粗略最坏情况响应时间分布,然后基于需求增长分布通过精化算法得到精确的最坏情况响应时间分布。