适用于非对称时延精确时间同步的时钟偏移最优估计方法技术

本发明专利技术涉及一种适用于非对称时延精确时间同步的时钟偏移最优估计算法，包括以下两个步骤：(1)通过主从时钟方向及反方向的固定传输时延、传输过程中的随机队列等待时延以及时钟频率偏移产生的时延和时钟相位偏移产生的时延之间的对应关系，建立时延向量方程；(2)引入高斯分布，并利用Pitman估计方法进行估计。本发明专利技术通过对精确时间同步非对称时延向量方程的建立，引入向量位置参数问题模型及Pitman估计算法，对高斯随机队列时延下的时钟偏移进行了最优估计，使得估计量的最大均方差值最小化。

【技术实现步骤摘要】
适用于非对称时延精确时间同步的时钟偏移最优估计算法
本专利技术属于网络测量和控制系统的精密时钟同步领域，涉及时钟偏移估计，具体涉及非对称时延精确时间同步的时钟偏移最优估计算法。
技术介绍
精确时间同步机制以硬件时间戳为基础，使得单跳环境下其精度可达纳秒级，从而实现对从时钟源计时误差的精确补偿，使分布式通信网络能够具有严格的定时同步，并且应用于工业自动化系统。不同于有线链路，无线链路的传播时延通常具有非对称性，即数据在节点间上下行通信链路中的传播时延差具有不确定性，基于主从节点间的时间偏差主要包括：无线链路的非对称传播时延、中间节点转发的随机队列时延以及从时钟偏移产生的时延，链路非对称传播时延使得主从时钟源间的时间偏差变得更加难以预测。从时钟本身的偏移主要为其时钟频率及相位影响产生的时间延迟，可基于IEEE1588协议双向信息交互机制的非对称时延传输，建立相应含参数的时延向量方程，将时钟偏移的估计问题转化为统计学问题，但目前传统的最小二乘法，极大似然估计等参数估计方法并不适用于该模型下对向量位置参数的估计。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种适用于非对称时延精确时间同步的时钟偏移最优估计算法。为达到上述目的，本专利技术提供如下技术方案：适用于非对称时延精确时间同步的时钟偏移最优估计算法，包括以下两个步骤：(1)通过主从时钟方向及反方向的固定传输时延、传输过程中的随机队列等待时延以及时钟频率偏移产生的时延和时钟相位偏移产生的时延之间的对应关系，建立时延向量方程；(2)引入高斯分布，并利用Pitman估计方法进行估计。优选的，步骤(1)中是以前p次非对称双向传输为观测样本，从而建立时延向量方程，向量方程建立后，判断向量方程是否是Y＝Aθ+T形式，是则结束，否则需转化为Y＝Aθ+T形式，结束；其中，p为非对称双向传输的次数，为不小于1的正整数。优选的，步骤(1)具体包括：步骤(11)：建立以第i次主从时钟方向及其反方向的固定传输时延d1和d2，随机队列时延ti,1和ti,2，以及时钟频率偏移时延α和时钟相位偏移产生时延β所组成的时延关系方程组：其中d1≠d2，1≤i≤p，i为正整数，y*i,1、y*i,2分别表示第i次传输主从时钟方向及其反方向的总时延，yi,1、yi,2分别表示第i次传输主从时钟方向及其反方向的非固定传输时延之和；步骤(12)：由步骤(11)及反馈补偿，令d＝d1，得到时延关系方程组：步骤(13)：令Y＝[Y1T,Y2T]T,Yk＝[y1,k···yp,k]、T＝[T1T,T2T]T,Tk＝[t1,k···tp,k],k＝1,2，将步骤(12)中的时延关系方程组转化为以向量Y、向量e、向量T及未知参数α、β组成的向量方程：Y＝d·12p+(α+β)e+T，其中Y为非固定传输总时延对应的向量，p为非对称双向传输的次数，为不小于1的正整数，k＝1和k＝2分别表示第i次的主从时钟及其反方向的传输，y1,k…yp,k分别表示第1次到第p次双向传输过程中主从时钟及其反方向的固定时延、时钟偏移造成时延以及随机队列时延的关系，α、β为未知参数分别代表时钟频率偏移及时钟相位偏移产生的时延，T为随机队列时延对应的向量，12p表示元素为1的2p维列向量，e为所推出向量方程中的一个矩阵，与(α+β)相乘表示一个向量。进一步优选的，步骤(1)还包括步骤(14)，具体方法是：将步骤(13)中的向量方程Y＝d·12p+(α+β)e+T，进一步转化为向量方程Y＝Aθ+T，其中A表示矩阵则Y＝Aθ+T即为所求时延向量方程，其中1p表示元素为1的p维的列向量，0p表示元素为0的p维列向量。优选的，步骤(2)具体包括：步骤(21)：判断向量方程是否符合向量坐标位置问题模型(VectorLocationParameterProblem)，是则进入步骤(21)，否则结束；步骤(22)：求出向量方程中未知参数的Pitman估计量，进入步骤(23)；步骤(23)：转化为对ciθk的Pitman最优估计，进入步骤(24)；步骤(24)：引入高斯随机队列时延条件，进入步骤(25)；VectorLocationParameterProblem):步骤(25)：求得最优估计量g*(Y)关于ti,k的表达式，结束；其中，ti,k表示第i次双向传输的随机队列时延，k＝1,2。进一步优选的，步骤(22)的具体方法是：针对时延向量方程Y＝Aθ+T，利用函数g(Y)(对线性组合cTθ＝α+β进行估计，其中Y表示非固定传输总时延对应的向量，g(Y)为以Y为变量的函数。进一步优选的，步骤(23)的具体方法是：由Pitman估计算法，对时延向量方程Y＝Aθ+T中的向量θ所含未知参数进行估计，可得未知参数α与未知参数β之和α+β的最优估计量为：由Pitman估计准则中的将步骤(22)中的代入g*(Y)表达式，则得到：其中，g*(Y)表示以向量Y为变量的函数g(Y)对向量方程中向量θ所含参数之和α+β的最优估计量，θ为向量方程中的向量，f(Y|θ)为向量Y所服从的概率密度函数；根据Pitman估计准则，g(Y)对向量θ中未知参数的估计等于g(Y1)和g(Y2)对向量θ1和θ2的未知参数估计量之和，Y1、Y2分别为向量Y的分量，θ1、θ2为θ的分量；Y1、Y2分别表示的含义是：主从时钟及其反方向的非固定传输总时延对应的向量，因此服从的概率密度函数分别为fT1(Y1|θ1)和fT2(Y2|θ2)，即fT1(Y1|θ1)＝fT1(Y1-θ1·1P)，fT2(Y2|θ2)＝fT2(Y2-θ2·1P)。进一步优选的，步骤(24)的具体方法是：已知第i次传输，主从时钟方向及其反方向随机队列时延ti,1及ti,2均服从均值为μ，方差为σ2的高斯分布，即：进一步优选的，步骤(25)的具体方法是：已知k＝1,2及步骤(24)中f1(ti,1)、f2(ti,2)表达式，则根据步骤(23)所得g*(Y)表达式可知，此时g*(Y)为：其中，步骤(2)包括以下要素：(2-1)第i次主从方向及其反方向随机队列时延ti,1、ti,2，均服从高斯分布，即:f1(ti,1)、f1(ti,2)～N(μ,σ2)；(2-2)向量方程Y＝Aθ+T，其中Y为转移不变量，满足g(Y+Gh)＝g(Y)+cTh，G为N×M矩阵(G表示一个N乘以M维的矩阵)；(2-3)延迟向量方程Y＝Aθ+T，Y服从概率密度函数f(Y|θ)＝f0(Y-Aθ)，θ含未知参数，且仅改变概率密度函数的位置，而不改变其形状和大小；(2-4)对向量方程Y＝Aθ+T中向量θ所含未知参数的估计，即对未知参数表示的时钟频率偏移产生的时延α和时钟相位偏移产生的时延β之和α+β的估计；(2-5)用观测量Y对应的函数g(Y)对向量θ中的未知参数cTθ进行Pitman估计，其最优估计量g*(Y)等于对其各分向量ciθk进行估计所得估计量之和，即：其中ci为常向量c的分量，θ＝[θ1,···,θM]；(2-6)随机队列时延向量服从高斯分布的条件及概率密度函数关系(t＝1,2)，可由此对最终求得的时钟偏移Pitman最优估计量进一步化简。本专利技术的有益效果在于：本专利技术参考统计学中的向量位置参数问题，将Pitman估计算法引入向量参数估计范围，本文档来自技高网...

【技术保护点】
适用于非对称时延精确时间同步的时钟偏移最优估计算法，包括以下两个步骤：(1)通过主从时钟方向及反方向的固定传输时延、传输过程中的随机队列等待时延以及时钟频率偏移产生的时延和时钟相位偏移产生的时延之间的对应关系，建立时延向量方程；(2)引入高斯分布，并利用Pitman估计方法进行估计。

【技术特征摘要】
1.适用于非对称时延精确时间同步的时钟偏移最优估计算法，包括以下两个步骤：(1)通过主从时钟方向及反方向的固定传输时延、传输过程中的随机队列等待时延以及时钟频率偏移产生的时延和时钟相位偏移产生的时延之间的对应关系，建立时延向量方程；(2)引入高斯分布，并利用Pitman估计方法进行估计。2.根据权利要求1所述的时钟偏移最优估计算法，其特征在于，步骤(1)中是以前p次非对称双向传输为观测样本，从而建立时延向量方程，向量方程建立后，判断向量方程是否是Y＝Aθ+T形式，是则结束，否则需转化为Y＝Aθ+T形式，结束；其中，p为非对称双向传输的次数，为不小于1的正整数。3.根据权利要求1所述的时钟偏移最优估计算法，其特征在于，步骤(1)具体包括：步骤(11)：建立以第i次主从时钟方向及其反方向的固定传输时延d1和d2，随机队列时延ti,1和ti,2，以及时钟频率偏移时延α和时钟相位偏移产生时延β所组成的时延关系方程组：其中d1≠d2，1≤i≤p，i为正整数，y*i,1、y*i,2分别表示第i次传输主从时钟方向及其反方向的总时延，yi,1、yi,2分别表示第i次传输主从时钟方向及其反方向的非固定传输时延之和；步骤(12)：由步骤(11)及反馈补偿，取d＝d1，得到时延关系方程组：步骤(13)：令Y＝[Y1T,Y2T]T,Yk＝[y1,k···yp,k]、T＝[T1T,T2T]T,Tk＝[t1,k···tp,k],k＝1,2，将步骤(12)中的时延关系方程组转化为以向量Y、向量e、向量T及未知参数α、β组成的向量方程：Y＝d·12p+(α+β)e+T，其中Y为非固定传输总时延对应的向量，p为非对称双向传输的次数，为不小于1的正整数，k＝1和k＝2分别表示第i次的主从时钟及其反方向的传输，y1,k…yp,k分别表示第1次到第p次双向传输过程中主从时钟及其反方向的固定时延、时钟偏移造成时延以及随机队列时延的关系，α、β为未知参数分别代表时钟频率偏移及时钟相位偏移产生的时延，T为随机队列时延对应的向量，12p表示元素为1的2p维列向量，e为所推出向量方程中的一个矩阵，与(α+β)相乘表示一个向量。4.根据权利要求3所述的时钟偏移最优估计算法，其特征在于，步骤(1)还包括步骤(14)，具体方法是：将步骤(13)中的向量方程Y＝d·12p+(α+β)e+T，进一步转化为向量方程Y＝Aθ+T，其中A表示矩阵则Y＝Aθ+T即为所求时延向量方程，其中1p表示元素为1的p维的列向量，0p表示元素为0的p维列向量。5.根据权利要求1所述的时钟偏移最优估计算法，其特征在于，步骤(2)具体包括：步骤(21)：判断向量方程是否符合向量坐标位置问题模型，是则...

【专利技术属性】
技术研发人员：谢昊飞，李勇，王平，龙祎，熊辉辉，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50