降低LET模型下多速率因果链端到端延迟

逻辑执行时间（LET）模型因其时序与数据流确定性特征正获得工业界关注，这些特征以悲观延迟为代价简化了多速率因果链端到端延迟的计算。本文中，我们提出一种新方法，在保持 LET 确定性的同时降低其引入的延迟悲观性。我们提出一种感知调度的 LET 模型，其缩短了 LET 通信区间的长度并重新定位这些区间，从而得到较不悲观的端到端延迟。通过在特定任务实例间添加依赖关系，该方法可进一步降低 LET 模型延迟计算中的悲观性。如有需要（例如出于遗留原因），我们的方法可仅应用于任务子集。我们基于真实汽车基准与随机生成的合成任务集评估了本工作。我们将结果与先前工作及 LET 模型进行比较。实验显示出最坏情况数据龄与最坏情况反应延迟值的显著下降。