1.一种基于概率模型混合关键任务能耗优化调度方法，其特征在于，包括：建立基于概率的混合关键任务调度模型；

利用模式转化的概率计算任务低模式下最坏情况下的执行时间；

利用任务低模式下最坏情况下的执行时间以及系统调度的可行性条件，分别计算低关键层次任务速度SLO和高关键层次任务速度SHI；

用任务的执行时间的概率模型推导出能耗的概率模型；

找出高关键层次任务在高模式的执行概率，使系统平均能耗最低；

所述建立基于概率的混合关键任务调度模型，包括：

考虑单处理器系统包含n个相互独立混合关键周期任务模型Γ＝{τ1,τ2,…,τn}，混合关键周期任务，τi，1≤i≤n,i为整数，由(Ti,Di,Li,Ci(LO),Ci(HI)，PETi)表示，其中Ti和Di分别是τi的周期和相对截止期限；Li是τi的关键层次，值为表示低关键层次任务LO或者表示高关键层次任务HI；Ci(LO)和Ci(HI)分别是τi在低模式和高模式下的最坏情况下的执行时间，PETi是任务τi的历史执行时间信息，由3×k矩阵表示：其中，Cl表示任务τi在最大处理器速度下的执行时间，其中1≤l≤k；fi(Cl)和Fi(Cl)分别表示执行时间为Cl的概率密度函数以及经验分布函数；混合关键系统存在三种模式，低模式，高模式以及转换模式；所谓的低模式是指所有的高关键层次混合关键周期任务τi完成执行时，其执行时间不超过Ci(LO)；所谓的高模式是只允许高关键层次混合关键周期任务τi完成执行；所谓的转换模式是指高关键层次任务周期任务τi其执行时间超过Ci(LO)且在其完成执行的这段时间；如果混合关键周期任务τi为低关键层次任务，则Ci(HI)＝Ci(LO)；如果混合关键周期任务τi为高关键层次任务，则Ci(HI)＞Ci(LO)；任务集利用抢占式固定优先级策略调度；

利用模式转化的概率计算任务低模式下最坏情况下的执行时间，具体包括：混合关键周期任务τi低模式下的最坏情况下的执行时间，由下式计算：LO→HI

其中， 是在 分布下经验分布函数的逆函数，P 是系统模式转化的概率， 代表在不同模式下的时间分布，W∈{LO,HI,TR}；LO，HI，TR分别代表低模式，高模式以及转换模式；任务τi在低模式下的执行时间分布 由下式给出：其中⊙表示矩阵的Hadamard积，x表示Ci(LO)在PETi中的列数，Tx表示将3×k的矩阵截断为3×x的矩阵，后面多余的列移除，SLO是低关键层次任务速度；

任务τi在转换模式下的执行时间分布 由下式给出：

其中K＝Ci(LO)/SLO‑Ci(LO)，T′x表示将3×k的矩阵截断为3×(k‑x)的矩阵，前面多余的列移除；

任务τi在高模式下的执行时间分布 由下式给出：

其中，SHI是高关键层次任务的速度。

2.如权利要求1所述的一种基于概率模型混合关键任务能耗优化调度方法，其特征在于，利用任务低模式下最坏情况下的执行时间以及系统调度的可行性条件，分别计算低关键层次任务速度SLO和高关键层次任务速度SHI；具体包括：混合关键周期任务τi在低模式，高模式以及转换模式的可行性条件由下式给出：其中，Ci(LO)和Ci(HI)分别是τi在低模式和高模式下的最坏情况下的执行时间，hep(i)是优先级比混合关键周期任务τi高的任务集合，Mj是混合关键周期任务τj在其响应时间内所释放的任务实例的个数；Di是混合关键周期任务τi的相对截止期限；SLO为低关键层次任务速度；SHI为高关键层次任务速度。

3.如权利要求1所述的一种基于概率模型混合关键任务能耗优化调度方法，其特征在于，用任务的执行时间的概率模型推导出能耗的概率模型；具体包括：任务的能耗由功耗、执行时间以及执行速度所决定；系统的功耗模型由下式给出：其中， 是最大的动态功耗；S是处理器归一化速度，θ是最大的静态功耗与动态功耗的比值；Pind是处理器无关的功耗；

低模式下的能耗概率分布 由下式计算：

高模式下的能耗概率分布 由下式计算：

转换模式下的能耗概率分布 由下式计算：

4.如权利要求1所述的一种基于概率模型混合关键任务能耗优化调度方法，其特征在于，找出高关键层次任务在高模式的执行概率，使系统平均能耗最低；具体包括：任务的平均能耗等于相应的能耗与其相应模式的概率乘积，而表征系统各个模式的概率函数f(Ei′)由下式计算：HI LO→HI

其中Pi 是高关键层次任务τi在高模式的执行概率，P 是系统模式转换的概率，表示 分布中的概率密度函数， 表示 分布中的概率密度函数，表示 分布中的概率密度函数；因此任务集总的平均能耗E由下式计算：其中， 表示 分布中的能耗数值， 表示 分布中的能耗数值， 表示HI HI LO→HI

分布中的能耗数值；要使平均能耗E最低，关键是寻找Pi ，而Pi 通过P 与系统的状态之间的关系计算得出。