在嵌入式系统的设计中,如何降低其能耗已经逐渐成为了一个重要的研究点,其重要性随着嵌入式手持设备的普及而越来越突出。能量的有效使用能够降低系统的操作代价(例如电能消耗),减少设备的封装费用(主要原因是减少了热量释放),减小对环境的影响(例如辐射干扰和噪音),还能够延长手持设备的电池寿命。商用CMOS芯片电源供给技术的发展和高效DC-DC电压转换器的出现为处理器内核工作电压的动态调节提供了条件。因此,嵌入式系统中的低功耗研究具有必要性和可行性。　　 DVS(动态电压调节)技术是一种针对处理器的低功耗策略。DVS动态地调节处理器的电压和频率并满足截止时间的要求,以达到降低功耗的目的。DVS分为任务内DVS和任务间DVS。本文讨论的是任务内DVS算法。已有的任务内DVS算法根据单个任务的负载情况进行频率的调节,以使该任务的功耗达到最小,没有考虑到任务与任务之间的耦合性,例如PACE和GRACE算法。为了更有效地降低能量消耗,本文提出了一种基于系统负载分析的任务内算法,即FASW算法。此算法考虑了任务之间的耦合性,改善了以往算法只考虑单个任务的做法,从多任务负载的角度出发,使系统总的能耗达到最低。该算法需要解决三个主要问题:时间区间的选择、系统负载大小的计算以及系统负载概率分布的计算。具体的实现方法是:选择两个连续的截止时间作为负载考虑的时间区间；将时间区间内最坏情况下需要执行的总时钟数作为系统负载的最大值；将时间区间内各个任务的条件概率密度函数的卷积结果作为系统负载的概率密度函数,以达到最优频率调度和最小化系统能耗的目标。　　 为了验证FASW算法的节能效果,本文搭建了一个算法仿真平台,并且从负载、处理器和操作系统三个方面评估了平台的可行性。实验中,基于仿真平台验证了FASW算法的节能效果并将其与PACE和GRACE算法进行比较。实验结果显示,FASW算法可以使能耗降低大约50％,使空闲时间减少大约60％；而PACE算法只能使能耗降低大约30％,使空闲时间减少大约20％。可见,FASW算法的节能效果更好,进一步增大了处理器利用率并且降低了系统的整体能耗。