在现代嵌入式系统的设计中,性能和能耗通常是功能之外主要的关注点。快速的片上SRAM,包括高速缓存(Cache)和便签式存储器(SPM, Scratchpad Memory)被广泛地用于缩小在快速的CPU和较慢的主存储器之间不断扩张的速度差距。另一方面,由于片上SRAM所消耗的能量占总能耗的很大一部分,存储器子系统被认为是存储密集型嵌入式应用程序的能量瓶颈。因此,在设计和优化高效能的嵌入式系统时,片上存储器的管理起着至关重要的作用。硬件控制的Cache对于系统软件和程序员来说是透明的、无法操作的,但可以通过利用程序的局部性原理(包括时间局部性和空间局部性)来提高通用应用程序的性能。而作为其替换物的SPM,在嵌入式系统中的使用越来越受到欢迎。与传统的高速缓存相比,由于SPM中存储单元的分配和替换都是由软件来控制,在实时系统设计中SPM可以提供更好的时间预测性。此外,由于SPM中不包含Cache中用于标签存储和比较的内容可寻址存储器(CAM, Content Addressable Memory), SPM具有更高的访存速度和更低的访问能耗。如今,有许多现成的嵌入式处理器采用混合片上SRAM架构,其片上存储器同时由Cache和SPM(在ARM处理器中又被称为紧耦合存储器,Tightly Coupled Memory)构成,其中包括亚德诺的Blackfin处理器(如ADSP-BF539), ARM11, Cortex-R系列,和飞思卡尔的ColdFire处理器MCF5。但是,SPM的使用需要复杂的分配方案,以便超越硬件控制的高速缓存,而这需要编译器以及操作系统的支持。在本文的工作中,我们基于前面提出的多任务嵌入式系统下的混合存储架构提出了SPM的静态分配策略,用于减少存储子系统的访问延迟或能耗。我们通过对缓存行为的细粒度分析来获取任务内的缓存冲突而造成的未命中。我们利用任务内和任务间的缓存冲突信息,基于整数线性规划方法(ILP, Integer Linear Programming)在函数粒度上产生对SPM的最佳分配方案。此外,我们基于背包近似算法提出了两种近似算法,分别在函数粒度和基本块粒度上对SPM进行分配,用于空间探索的快速设计。实验结果显示我们提出的分配算法要由于已有的混合架构分配策略,无论是存储系统访问延迟还是能耗。相比已有的多任务嵌入式系统下的SPM静态分配算法,我们提出的算法在指令存储子系统的性能上有30.51%的提升,而在能耗上也减少了34.92%。此外,为了提高我们分配策略对于大任务集的适用性,我们基于背包近似算法提出了多项式时间的启发式算法,用于在函数级别和基本块级别对SPM进行静态分配。相比整数线性规划算法,我们的函数级近似分配算法可以在很少的时间内得到次优的分配方案,可以用于空间探索的快速设计。另外,我们的基本块级近似分配算法在可接受的分析代价下得到较高的资源利用率以及性能或能耗的全面优化。