当前,信号处理领域实时性要求越来越高,采用CPU+GPU架构的高性能处理平台逐渐在信号处理领域受到重视。为了有效发挥平台内部CPU和GPU计算资源的效率,需要任务调度算法与平台的硬件特点相匹配。然而对于CPU+GPU异构信号处理平台,传统调度算法由于CPU+GPU架构的特殊性,无法发挥优势,甚至造成负面影响。课题由此研究改进了适合于CPU+GPU异构信号处理平台的任务调度决策与方法,实现了对平台多种并行计算资源的有效管理和利用。论文中的主要工作如下:1.针对现有调度算法在调度时无法根据CPU+GPU异构信号处理平台上的硬件特点分配计算任务的问题,提出了基于CPU+GPU异构信号处理平台的负载部署决策（Load Deployment Decision,LDD）算法。其在经典列表算法——HEFT的基础上进行改良,引入了负载部署决策,事先已将不适合在GPU上执行的任务划分给CPU,使GPU强大的并行计算优势得以充分发挥,避免了让GPU处理计算量小的任务,也让CPU参与到了并行计算中来。仿真实验结果表明,LDD算法有效地提高了CPU+GPU异构信号处理平台上多处理器的利用率,规范了任务的执行顺序,使得整体调度时间更短,负载更加均衡,达到改善调度的目的。2.针对现有调度算法无法解决异构信号处理平台上各类处理器之间的传输限制的问题,提出了面向异构信号处理平台的最长路径列表调度（Longest Path List Scheduling,LPLS）算法。算法在任务优先级阶段,基于最长路径列表计算优先级,使得最耗时路径上的任务被优先调度;在处理器选择阶段,遵循任务的最早完成时间与其后续任务到出口任务的最长路径之和最小的原则选择处理器,使得异构平台整体处理时间更小。仿真实验结果表明,相比于经典的HEFT算法,LPLS算法是一种负载更加均衡的算法,具有调度长度更短、效率更高等优势。3.为了进一步提升CPU+GPU异构信号处理平台的任务调度能力,将LDD算法以及LPLS算法融合为一,形成了适合于CPU+GPU异构信号处理平台的多核并行调度（MultiCore Parallel Scheduling,MCPS）算法。通过对PTS-MUSIC算法进行调度加速,从而验证了MCPS算法在CPU+GPU异构信号处理平台上不仅提高了处理器并行资源的利用率,还加速了信号数据的处理,较大程度地缩短了PTS-MUSIC算法的处理时间。