一种多基准时钟加权合成方法技术

本发明专利技术公开了一种多基准时钟加权合成方法，解决了组合时钟精度和稳定度差的问题，所述方法包括以下步骤：从多个时钟源获得时钟信号；对所述时钟信号进行去除噪声合成，得到去除噪声的时钟信号；对所述去除噪声的时钟信号，先利用KNN分类算法进行分类，再对分类后的信号进行加权合成，得到时钟合成信号。在对所述时钟信号进行去除噪声合成，得到去除噪声的时钟信号之前，对所述时钟信号进行异常信号检测，去除所述时钟信号中的奇异点。本发明专利技术所实现的频率基准信号频率准确度在n×E‑14量级，优于高品质单个铯钟1～2个数量级；本发明专利技术可以同时改善时钟源的短期和长期稳定性。

【技术实现步骤摘要】
一种多基准时钟加权合成方法
本专利技术涉及卫星导航系统，特别涉及一种多基准时钟加权合成方法。
技术介绍
在卫星导航系统中需要应用高精度时钟进行导航和定位，而时钟的时间/频率精度是由原子钟的物理特性决定的，目前大多采用时钟合成的方法来提高时间/频率精度。现有技术中采用的时间合成方法包括：加权平均算法，Kalman滤波算法和小波分解算法，加权平均算法得到的时钟合成信号短期稳定性改善效果较差，Kalman滤波算法和小波分解算法得到的时钟合成信号对时钟准确度方面改善不明显。
技术实现思路
本专利技术提供一种多基准时钟加权合成方法，解决了组合时钟精度和稳定度差的问题。一种多基准时钟加权合成方法，包括以下步骤：从多个时钟源获得时钟信号；对所述时钟信号进行去除噪声合成，得到去除噪声的时钟信号；对所述去除噪声的时钟信号，先利用KNN分类算法进行分类，再对分类后的信号进行加权合成，得到时钟合成信号。在对所述时钟信号进行去除噪声合成，得到去除噪声的时钟信号之前，对所述时钟信号进行异常信号检测，去除所述时钟信号中的奇异点。优选地，对所述时钟信号进行异常信号检测，去除所述时钟信号中的奇异点，进一步包含：选取所述异常信号检测的测试参考信号，所述测试参考信号为所述时钟信号的任一历史输出值；将所述时钟信号与所述测试参考信号进行比较，得到比较差值；对所述比较差值进行判断，当所述比较差值大于奇异点判断阈值时，所述时钟信号为奇异点。优选地，对所述时钟信号进行异常信号检测，去除所述时钟信号中的奇异点，进一步包含：将所述时钟信号进行两两比对，并计算得到两两比对差值；根据所述两两比对差值将所述时钟信号分为两类，当所述两两比对差值大于奇异点判断阈值时，判定两个时钟信号为不同类别，当所述两两比对差值不大于所述奇异点判断阈值时，判定两个时钟信号为相同类别；根据所述时钟信号的分类情况，将信号个数少的一类时钟信号判定为奇异点。进一步地，对所述时钟信号进行去除噪声合成，得到去除噪声的时钟信号，进一步包含：对所述时钟信号进行小波函数分解，得到小波分解细节系数对所述小波分解细节系数进行硬阈值判断筛选，得到筛选后的小波分解细节系数，所述硬阈值判断筛选为，当小波分解细节系数小于小波分解硬阈值时，将该小波分解细节系数置0，当小波分解细节系数大于或等于所述小波分解硬阈值时，保留该小波分解细节系数，根据所述筛选后的小波分解细节系数，对所述时钟信号进行重构。优选地，对所述时钟信号进行去除噪声合成，得到去除噪声的时钟信号，进一步包含：对所述时钟信号进行小波函数分解，得到小波分解细节系数；对所述小波分解细节系数根据设定的软阈值筛选比例进行软阈值判断筛选，得到筛选后的小波分解细节系数，所述软阈值判断筛选为，当小波分解细节系数小于小波分解硬阈值时，将该小波分解细节系数置0，当小波分解细节系数大于或等于所述小波分解硬阈值时，将该小波分解细节系数减去阈值得到新的小波分解细节系数小波分解细节系数小波分解细节系数小波分解细节系数；根据所述筛选后小波分解细节系数，对所述时钟信号进行重构。进一步地，本专利技术所述多基准时钟加权合成方法，对所述去除噪声的时钟信号，进行加权合成，得到时钟合成信号，进一步包含：将所述去除噪声的时钟信号进行两两比对，生成比对向量，并根据所述比对向量计算得到频偏矩阵；根据所述频偏矩阵生成待测样本；对所述待测样本进行分类，得到分类系数；根据所述频偏矩阵计算所述时钟源的归一化权值；根据所述分类系数和所述归一化权值进行时钟合成，得到时钟合成信号。优选地，作为本申请多基准时钟加权合成方法的实施例，根据所述频偏矩阵计算所述时钟源的归一化权值为其中μi为第i个时钟源的归一化权值，N为所述时钟源的个数，μi′为第i个时钟源的权值，μi′表示为其中fij为第i台时钟源时钟信号和第j台时钟源时钟信号比对计算得到的频偏矩阵，所述时钟合成信号为其中，TA(t)为所述时钟合成信号，ai为所述分类系数，μi为第i个时钟源的归一化权值，TAi(t)为第i个时钟源获得的时钟信号。优选地，对所述待测样本进行分类，得到分类系数采用的分类器为KNN分类器。本专利技术有益效果包括：本专利技术所实现的频率基准信号频率准确度在n×E-14量级，优于高品质单个铯钟1～2个数量级；本专利技术可以同时改善时钟源的短期和长期稳定性，即频率准确度达到n×E-14量级的同时，观察窗口100s以下时的频率阿伦方差也比单个时钟源低2～3个数量级。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本专利技术的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1为一种一种多基准时钟加权合成方法流程示意图；图2为一种包含异常信号检测的多基准时钟加权合成方法流程示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术具体实施例及相应的附图对本专利技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。以下结合附图，详细说明本专利技术各实施例提供的技术方案。图1为一种多基准时钟加权合成方法流程示意图。本申请实施例提出的一种多基准时钟加权合成方法，具体包括以下步骤：步骤101，从多个时钟源获得时钟信号。在步骤101中，所述时钟信号为所述时钟源的时间/频率信号。需要说明的是，选用多个时钟源的目的是组成组合时钟，所述时钟源的个数是预先设定的，要求不小于3个，具体个数这里不做限定。还需要说明的是，所述多个时钟源可以是原子钟，可以是GNSS接收机，这里不做具体限定。步骤102，对所述时钟信号进行去除噪声合成，得到去除噪声的时钟信号。在步骤102中，对所述时钟信号进行去除噪声合成，得到去除噪声的时钟信号，进一步包含：对所述时钟信号进行小波函数分解，得到小波分解细节系数；对所述小波分解细节系数进行硬阈值判断筛选，得到筛选后的小波分解细节系数，所述硬阈值判断筛选为，当小波分解细节系数小于小波分解硬阈值时，将该小波分解细节系数置0，当小波分解细节系数大于或等于所述小波分解硬阈值时，保留该小波分解细节系数小波分解细节系数小波分解细节系数；根据所述筛选后小波分解细节系数，对所述时钟信号进行重构。在步骤102中，M层小波函数分解可表示为其中，TAi(t)表示第i台钟在t时刻的时钟信号，N为参加归算的时钟源总数，为小波分解的粗糙系数，为小波分解的细节系数。保留所有的粗糙系数，对所述小波分解细节系数进行硬阈值判断筛选，得到筛选后的小波分解细节系数，所述硬阈值判断筛选为，当小波分解细节系数小于小波分解硬阈值(公式(2)中的Threshold)时，将该小波分解细节系数置0，当小波分解细节系数大于或等于所述小波分解硬阈值时，保留该小波分解细节系数，即：根据阈值处理后的小波分解细节系数进行时钟信号的重构，即：在步骤102中，对所述时钟信号进行去除噪声合成，得到去除噪声的时钟信号，进一步包含：对所述时钟信号进行小波函数分解，得到小波分解细节系数；对所述小波分解细节系数根据设定的软阈值筛选比例进行软阈值判断筛选，得到筛选后的小波分解细节系数，所述软阈值判断筛选为，当小波分解本文档来自技高网...

【技术保护点】
1.一种多基准时钟加权合成方法，其特征在于，包括以下步骤：从多个时钟源获得时钟信号；对所述时钟信号进行去除噪声合成，得到去除噪声的时钟信号；对所述去除噪声的时钟信号，先利用KNN分类算法进行分类，再对分类后的信号进行加权合成，得到时钟合成信号。

【技术特征摘要】
1.一种多基准时钟加权合成方法，其特征在于，包括以下步骤：从多个时钟源获得时钟信号；对所述时钟信号进行去除噪声合成，得到去除噪声的时钟信号；对所述去除噪声的时钟信号，先利用KNN分类算法进行分类，再对分类后的信号进行加权合成，得到时钟合成信号。2.如权利要求1所述的一种多基准时钟加权合成方法，其特征在于，在对所述时钟信号进行去除噪声合成，得到去除噪声的时钟信号之前，对所述时钟信号进行异常信号检测，去除所述时钟信号中的奇异点。3.如权利要求2所述的一种多基准时钟加权合成方法，其特征在于，对所述时钟信号进行异常信号检测，去除所述时钟信号中的奇异点，进一步包含：选取所述异常信号检测的测试参考信号，所述测试参考信号为所述时钟信号的任一历史输出值；将所述时钟信号与所述测试参考信号进行比较，得到比较差值；对所述比较差值进行判断，当所述比较差值大于奇异点判断阈值时，所述时钟信号为奇异点。4.如权利要求2所述的一种多基准时钟加权合成方法，其特征在于，对所述时钟信号进行异常信号检测，去除所述时钟信号中的奇异点，进一步包含：将所述时钟信号进行两两比对，并计算得到两两比对差值；根据所述两两比对差值将所述时钟信号分为两类，当所述两两比对差值大于奇异点判断阈值时，判定两个时钟信号为不同类别，当所述两两比对差值不大于所述奇异点判断阈值时，判定两个时钟信号为相同类别；根据所述时钟信号的分类情况，将信号个数少的一类时钟信号判定为奇异点。5.如权利要求1所述的一种多基准时钟加权合成方法，其特征在于，对所述时钟信号进行去除噪声合成，得到去除噪声的时钟信号，进一步包含：对所述时钟信号进行小波函数分解，得到小波分解细节系数对所述小波分解细节系数进行硬阈值判断筛选，得到筛选后的小波分解细节系数，所述硬阈值判断筛选为，当小波分解细节系数小于小波分解硬阈值时，将该小波分解细节系数置0，当小波分解细节系数大于或等于所述小波分解硬阈值时，保留该小波分解细节系数，根据所...

【专利技术属性】
技术研发人员：张萌，吕博，胡昌军，潘峰，
申请(专利权)人：工业和信息化部电信研究院，
类型：发明
国别省市：北京,11