1.一种基于DSP飞灰含碳量测量的实时多任务调度方法，其特征在于：

步骤1：采用BP神经网络算法实现飞灰含碳量的在线测量；

步骤2：将BP神经网络算法移植至DSP数字信号处理器中，进行参数在线训练、飞灰含碳量在线测量；

步骤3：采用Protothread多线程模型实现实时任务与非实时任务同时进行；

所述飞灰含碳量的在线测量方法为BP神经网络算法，记c为飞灰的含碳量，N为管道内飞灰样本的浓度，则飞灰流经管道时所产生的静电信号大小与c、N成非线性关系，基于静电传感器采集一段时间管道内飞灰所携带的静电信号序列，记为 其中 为该c、N下第k次采集的飞灰样本所携带的静电信号值，K为该时间段内采集信号的最大次数 ；求得该含碳量c、浓度N下飞灰的信号能量，记为f(c ,N)，则飞灰样本的信号能量f(c,N)与c、N成非线性关系，构建输入为

信号能量、浓度，输出为飞灰含碳量，隐含层层数为6的三层BP神经网络以实现飞灰含碳量的在线测量，其步骤包括以下两步：步骤A：参数在线训练：BP神经网络参数训练包括两个过程，即正向传播与反向传播过程，输入信号经隐含层、输出层正向传播得到网络输出，与目标输出相比产生误差信号，进行反向传播，不断调整网络参数，直至全局误差小于可接受误差或达到最大迭代次数，训练完成，保存网络参数，得到预测函数；

步骤B：飞灰含碳量在线测量：对于未知含碳量的飞灰样本，设其含碳量为cp，DSP采集模块实时采集管道内飞灰样本浓度，记为Nq，并采集一段时间内管道中飞灰样本的交流静电信号序列 求信号能量 对f(cp,Nq)、Nq进行归一化处理，作为预测函数的输入值，即可通过预测函数输出未知飞灰样本的含碳量测量值cp；

所述步骤3实时任务即飞灰含碳量在线测量、非实时任务即参数在线训练；

所述步骤3采用Protothread多线程模型是一种纯C语言实现，无硬件支持，耗费内存资源小，支持阻塞操作，不使用堆栈的线程模型，其多任务调度要求及模型思想如下：多任务调度要求：实时任务飞灰含碳量在线测量的运行时间记为T1，响应时间记为T2，非实时任务参数在线训练的运行时间记为T3，T3＞＞T2，响应时间无要求；

模型思想：将非实时任务划分为若干步，且每步运行时间不超过T4，T4时间可视T2而定，若T2为100ms，则T4设为60ms-80ms；首先初始化2个Prototheread阻塞变量pt1、pt2以及定时器T，先执行实时任务，执行完成释放执行权限，让非实时任务执行，非实时任务每执行一步前，需检查该步的运行时间是否小于T2，一旦发现T2时间内不够执行1步时，则阻塞运行并让出执行权限给实时任务，响应时间到，即T＝T1+T2时，定时器清0，执行实时任务，直至停止操作位stop＝1。