一种水下传感器时间同步方法技术

本发明专利技术公开了一种水下传感器时间同步方法，包括以下步骤：(1)设置卡尔曼滤波模型的初始参数P(0|0)以及状态初始值x(0)；(2)获取观测向量；(3)估计时钟参数；(4)时钟同步；(5)等待下一次信息交互，跳转至步骤(2)；本发明专利技术是一种用于水下移动传感器节点的时间同步方法(K‑Sync)，在水下场景中，待同步的传感器节点与基准传感器节点通过设计的机制交互一系列时间戳信息，并利用卡尔曼滤波，来实现传感器的时钟误差的估计，从而实现两传感器节点的时间同步，节点时间同步的精度较高。

A time synchronization method for underwater sensor

The invention discloses an underwater sensor time synchronization method, which comprises the following steps: (1) setting the initial parameter P (0 | 0) and the initial state value x (0) of the Kalman filter model; (2) obtaining the observation vector; (3) estimating the clock parameters; (4) clock synchronization; (5) waiting for the next information exchange to jump to step (2); and (2) acquiring the observation vector; (3) estimating the clock parameters; (4) clock synchronization; (5) waiting for the A time synchronization method (K_Sync) for underwater mobile sensor nodes is proposed. In underwater scenarios, the sensor node to be synchronized interacts with the reference sensor node through a series of timestamp information designed by the mechanism, and Kalman filter is used to estimate the clock error of the sensor, thus realizing the two sensor nodes. Time synchronization, the accuracy of node time synchronization is high.

【技术实现步骤摘要】
一种水下传感器时间同步方法
本专利技术涉及水声通信
，具体是一种水下传感器的网络节点时间同步的方法。
技术介绍
近几年，随着对海洋环境研究的深入，水下传感器网络开始得到广泛的关注。水下传感器网络在海洋军事应用、海底矿产探测、渔业资源调研以及国家安全上起着关键作用。而时间同步是传感器网络协同工作的基础。在传感器网络中，各节点由于携带的晶体振荡器的限制，导致各个节点的本地时钟不统一。对时间敏感的应用，需要不同的节点提供事件发生的时间，例如：目标跟踪，在被追踪的目标运动时，能够被其周围的传感器节点感知并记录相对的方位信息，统一的时间能够保证传感器网络精确的获取运动目标的运动速度和方向。另外，数据融合、功率管理、节点定位、传输调度等功能也需要高精度时间同步。与无线环境不同，水下声信号传播速度慢。水下节点移动性造成的路径传播时延的误差不能忽略，因此无线传感器节点的同步方法无法直接应用于水下传感器中。同时，水下信道的低带宽特性，也迫切要求降低传感器同步消息发送的次数和频度。目前解决水下两个节点时间同步问题的方法包括TSHL、MU-Sync、Mobi-Sync、D-Sync和DA-Sync等。但现有的同步方法大部分都忽略了节点的运动，不考虑传播时延的时变特性,导致时间同步精度较差。其中DA-Sync利用了信号的多普勒测量值进行速度的估计，但是实际应用中，信号多普勒测量需要额外的电路，且在水下多径的环境中很难适用。本专利给出的方法，可允许节点在移动的过程中进行高精度的时间同步。
技术实现思路
本专利技术的目的在于提供一种能够应用于水下传感器，且允许节点在移动的过程中进行高精度的时间同步的水下传感器时间同步方法，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种水下传感器时间同步方法，包括以下步骤：(1)设置卡尔曼滤波模型的初始参数P(0|0)以及状态初始值x(0)；(2)获取观测向量当待同步节点j与参考点i第k轮数据包交互完成时，待同步节点获取{Tj1(k)，Ti1(k)，Tj2(k)，Ti2(k)}，并根据这些数值代入观测方程计算出y(k)；(3)估计时钟参数包括以下步骤：步骤1：首先选取前一轮即k-1轮数据包交互完所得到的待同步节点的最佳钟面时间作为当前系统变量的预测值，即：其中，为第k-1轮数据包交换后的系统变量的观测值，A(k-1)为系统状态转移矩阵，表示观测值从上一次同步时间信息交互到当前同步时间交互的变化；步骤2：计算系统变量估计误差的协方差P(k|k-1)＝A(k-1)P(k-1|k-1)A(k-1)T+Q(k)其中，P(k-1|k-1)为第k-1轮数据包交换后的预测误差的后验估计，P(k|k-1)则为第k次系统观测量以及预测误差的后验估计；Q(k)表示预测噪声方差；步骤3：计算卡尔曼滤波增益K(k)K(k)＝P(k|k-1)HT(k)(H(k)P(k|k-1)HT(k)+R(k))-1步骤4：更新系统状态方程其中，I代表单位矩阵，为第k次时间同步信息交互后的系统变量的后验估计，也是系统的最优变量估计；步骤5：更新滤波误差协方差方程P(k|k)＝[I-K(k)]P(k|k-1)其中，P(k|k)为第k次时间同步交互后的预测误差的后验估计，即滤波误差协方差；(4)时钟同步根据步骤(3)计算出的βj(k),(包含在x(k)之中)，利用以下式子计算时钟真值：其中，βj＝βj(k)，τi为两节点第i次进行交互的时间间隔；(5)等待下一次信息交互，跳转至步骤(2)。作为本专利技术进一步的方案：步骤4中的系统状态方程为x(k)＝A(k)x(k-1)+b(k)+ω(k)其中状态转移矩阵A(k)为：A(k)矩阵是根据这四个系统变量βj(k)，vj(k)，dij(k)，各自的递推方程关系得到的，向量b(k)＝[0-τ000]T代表了系统激励，为系统的噪声为向量ω(k)＝[uj(k)τ0uj(k)δvδd]T；这里uj(k)为待同步节点频率偏移噪声，τ0uj(k)为待同步节点频率偏移噪声，{ω(k)}是零均值、不相关的白噪声，Q(k)表示预测噪声的协方差矩阵，即ω(k)～N(0,Q(k))。作为本专利技术进一步的方案：步骤(2)中同步节点j与参考点i第k轮数据包交互完成时，待同步节点获取{Tj1(k)，Ti1(k)，Tj2(k)，Ti2(k)}的方法包括以下步骤：一、在tj1(k)时刻，待同步节点j向参考节点i发送同步请求消息，该报文同时携带了节点j发送该数据包的钟面时间Tj1(k)；二、参考节点i收到待同步节点j发送的同步请求消息，记录下收到数据包的钟面时刻Ti1(k)；等待一段时间后，在钟面时刻Ti2(k)向待同步节点发送同步响应消息；该报文同时携带了钟面时刻Ti1(k)与Ti2(k)；三、最后，待同步节点j在钟面时刻Tj2(k)接收响应消息并记录下收到数据包的时间戳Tj2(k)；待同步节点j通过解码响应包可以获取到Ti1(k)与Ti2(k)；四、依照步骤一、二、三进行第k次(k＝1,2,…)同步消息交互完成后，待同步节点j可获取到k组钟面时间{Tj1(1),Ti1(1),Tj2(1),Ti2(1)},{Tj1(2),Ti1(2),Tj2(2),Ti2(2)},……{Tj1(k),Ti1(k),Tj2(k),Ti2(k)}。作为本专利技术进一步的方案：步骤4中系统状态方程中的时钟频率偏移βj(l)和累计相位偏差以及速度信息vj(l)和节点相对距离信息dij(l)的计算方程：其中，是均值为0，方差为的高斯噪声，pj是晶振的质量参数，可以从晶振的数据手册中获得，B(k)是离散的标准维纳过程；vj为节点j的速度，δv为两次双向交互过程中节点j的速度误差；τ0为两次双向交互时间间隔，vj为节点j的速度，匀速引入的距离误差为δd。作为本专利技术进一步的方案：所述时钟频率偏移βj(l)和累计相位偏差的计算方程由以下步骤得出：在设节点i为参考节点，节点j为待同步节点，设理想时钟为t，节点i的钟面时间为Ti,节点j的钟面时间为Tj，它们与理想时钟存在以下关系：Ti(t)＝t其中，βj(t)为缓慢变化的时钟频率；为累积时钟偏差，包括由于βj(t)的累计值以及初始相位偏差对上式以周期τ0进行采样：将节点j的时变时钟偏斜建立为高斯-马尔可夫模型：βj(l)＝βj(l-1)+uj(l)根据Tj(l)和βj(l)的关系得到节点累计相位偏差与时钟频率偏移βj(l)的递推关系：与现有技术相比，本专利技术的有益效果是：本专利技术能够应用于在水下场景中，待同步的传感器节点与基准传感器节点通过设计的机制交互一系列时间戳信息，并利用卡尔曼滤波，来实现传感器的时钟误差的估计，从而实现两传感器节点的时间同步。本专利技术的有益效果是：相比于现有的MU-Sync、Mobi-Sync、D-Sync和DA-Sync等方法，本专利技术可以进一步提高传感器节点时间同步的精度。附图说明图1为水下传感器时间同步方法中的节点结构图。图2为水下传感器时间同步方法中的两节点双向时间戳交互过程图。具体实施方式下面结合具体实施方式对本专利的技术方案作进一步详细地说明。请参阅图1-2，一种水下传感器时间同步方法，待同步节点的时钟同步方法包括以下步骤：(1)设置卡尔曼滤波模型的初始参数P本文档来自技高网...

【技术保护点】
1.一种水下传感器时间同步方法，其特征在于，包括以下步骤：(1)设置卡尔曼滤波模型的初始参数P(0|0)以及状态初始值x(0)；(2)获取观测向量当待同步节点j与参考点i第k轮数据包交互完成时，待同步节点获取{Tj1(k)，Ti1(k)，Tj2(k)，Ti2(k)}，并根据这些数值代入观测方程计算出y(k)；(3)估计时钟参数包括以下步骤：步骤1：首先选取前一轮即k‑1轮数据包交互完所得到的待同步节点的最佳钟面时间作为当前系统变量的预测值，即：

【技术特征摘要】
1.一种水下传感器时间同步方法，其特征在于，包括以下步骤：(1)设置卡尔曼滤波模型的初始参数P(0|0)以及状态初始值x(0)；(2)获取观测向量当待同步节点j与参考点i第k轮数据包交互完成时，待同步节点获取{Tj1(k)，Ti1(k)，Tj2(k)，Ti2(k)}，并根据这些数值代入观测方程计算出y(k)；(3)估计时钟参数包括以下步骤：步骤1：首先选取前一轮即k-1轮数据包交互完所得到的待同步节点的最佳钟面时间作为当前系统变量的预测值，即：其中，为第k-1轮数据包交换后的系统变量的观测值，A(k-1)为系统状态转移矩阵，表示观测值从上一次同步时间信息交互到当前同步时间交互的变化；步骤2：计算系统变量估计误差的协方差P(k|k-1)＝A(k-1)P(k-1|k-1)A(k-1)T+Q(k)其中，P(k-1|k-1)为第k-1轮数据包交换后的预测误差的后验估计，P(k|k-1)则为第k次系统观测量以及预测误差的后验估计；Q(k)表示预测噪声方差；步骤3：计算卡尔曼滤波增益K(k)K(k)＝P(k|k-1)HT(k)(H(k)P(k|k-1)HT(k)+R(k))-1步骤4：更新系统状态方程其中，I代表单位矩阵，为第k次时间同步信息交互后的系统变量的后验估计，也是系统的最优变量估计；步骤5：更新滤波误差协方差方程P(k|k)＝[I-K(k)]P(k|k-1)其中，P(k|k)为第k次时间同步交互后的预测误差的后验估计，即滤波误差协方差；(4)时钟同步根据步骤(3)计算出的(包含在x(k)之中)，利用以下式子计算时钟真值：其中，βj＝βj(k)，τi为两节点第i次进行交互的时间间隔；(5)等待下一次信息交互，跳转至步骤(2)。2.根据权利要求1所述的水下传感器时间同步方法，其特征在于，步骤4中的系统状态方程为x(k)＝A(k)x(k-1)+b(k)+ω(k)其中状态转移矩阵A(k)为：A(k)矩阵是根据这四个系统变量βj(k)，vj(k)，dij(k)，各自的递推方程关系得到的，向量b(k)＝[0-τ000]T代表了系统激励，为系统的噪声为向量ω(k)＝[uj(k)τ0uj(k)δvδd]T；这里uj(k)为待同步节点频率偏移噪声，τ0uj(k)为待同步节点频率偏移噪声，{ω(k)}是零均值、不相关的白噪声，Q(k)表示预测噪声的协方差矩阵，即ω(k)～N(0,Q(k...

【专利技术属性】
技术研发人员：陈凌宇，吴泽石，路廷，石江宏，薛珂，
申请(专利权)人：厦门大学，
类型：发明
国别省市：福建,35