[发明专利]一种用于精密时钟同步的滤波方法及系统

权利要求书

1.一种用于精密时钟同步的滤波方法，其特征在于，包括以下步骤：

步骤1、建立基于时间偏差、网络时延、频率偏差的卡尔曼滤波模型，该模型包含状态预测方程、测量方程和状态修正方程；

步骤2、改进的Sage-Husa算法根据时钟同步系统的时间偏差测量周期和时延测量周期值，基于新息和历史噪声迭代计算卡尔曼滤波模型的测量噪声误差和方差，得到当前状态最新的测量噪声误差和方差，同时判断测量噪声方差有无异常值，出现异常则回退至上一状态的测量噪声误差和方差；

步骤3、对测量方程中的测量值进行野值判断处理，然后利用强跟踪算法修正滤波模型，再将步骤2中得到的测量噪声误差和方差代入状态修正方程中，对预测方程中的预测状态进行修正，得到时钟同步系统的最优时间偏差、网络时延和频率偏差值，进而调节从时钟以实现主从时间同步。

2.根据权利要求1所述的一种用于精密时钟同步的滤波方法，其特征在于，所述状态预测方程，用于建立当前状态与上一状态的线性关系，并将时间偏差补偿和频率偏差补偿作为卡尔曼滤波模型的状态控制量，所述状态预测方程的表达式如下：

其中，U为状态控制，U_offset(k-1)为时间偏差补偿，U_f(k-1)为频率补偿，为先验误差协方差矩阵，P为后验误差协方差矩阵，Q为过程误差协方差矩阵，T_offset为时间偏差，△F_ms为频率偏差，T_delay为网络时延。

3.根据权利要求2所述的一种用于精密时钟同步的滤波方法，其特征在于，所述测量方程，用于建立了测量值和状态值的线性关系，测量方程的表达式如下：

其中，Z(k)为测量值。

4.根据权利要求3所述的一种用于精密时钟同步的滤波方法，其特征在于，所述状态修正方程，用于根据测量方程中的最新测量值和历史状态值，对状态预测方程中的预测状态进行修正，状态修正方程的表达式如下：

其中，K为卡尔曼增益，决定了对预测的修正程度；Y为新息，代表预测和测量值的差异；X(k)为修正的预测值，P为后验误差协方差矩阵，R(k)为测量误差协方差，H为状态测量转换矩阵。

5.根据权利要求4所述的一种用于精密时钟同步的滤波方法，其特征在于，步骤2中改进的Sage-Husa算法的表达式如下：

其中，ko为时间偏差测量周期，kd为时延测量周期，r(k)为测量噪声，R(k)为测量噪声协方差矩阵。

6.根据权利要求1或5所述的一种用于精密时钟同步的滤波方法，其特征在于，步骤3中得到最优时间偏差、网络时延和频率偏差值的方法如下：

S3.1、根据残差确定测量方程中的测量值是否为野值，当为野值，则执行步骤S3.2，若该测量值不是野值，则执行步骤S3.3；

S3.2、增大上一状态的测量噪声估计并作为当前状态的测量噪声估计，同时将前几个状态的测量值的均值作为当前状态的测量值；

S3.3、将当前状态的测量值、测量噪声估计、状态估计和先验估计协方差，代入经典强跟踪算法公式中，得到修正后的先验估计协方差；

S3.4、将S3.3修正后的先验估计协方差代入状态修正方程中，对预测状态进行修正，得到时钟同步系统的最优时间偏差、网络时延和频率偏差值。

7.根据权利要求6所述的一种用于精密时钟同步的滤波方法，其特征在于，步骤S3.1中确定测量值是否为野值的方法如下：

根据残差序列的正态分布特性建立检验统计量，当检验统计量大于置信水平预设的置信区间，则该残差对应的测量值为野值。

8.根据权利要求7所述的一种用于精密时钟同步的滤波方法，其特征在于，所述残差和检验统计量公式的表达如下：

9.根据权利要求7所述的一种用于精密时钟同步的滤波方法，其特征在于，步骤S3.3中所述强跟踪算法公式的表达如下：

10.一种权利要求1-9任一项所述的一种用于精密时钟同步的滤波方法的系统，其特征在于，包括，

卡尔曼滤波模块，用于建立基于时间偏差、网络时延、频率偏差的卡尔曼滤波模型，该模型包含状态预测方程、测量方程和状态修正方程；

自适应计算模块，改进的Sage-Husa算法根据时钟同步系统的时间偏差测量周期和时延测量周期值，基于新息和历史噪声迭代计算卡尔曼滤波模型的测量噪声误差和方差，得到当前状态最新的测量噪声误差和方差，同时判断测量噪声方差有无异常值，出现异常则回退至上一状态的测量噪声误差和方差；

强跟踪模块，用于对测量方程中的测量值进行野值判断处理，然后利用强跟踪算法修正滤波模型，然后将测量噪声误差和方差代入状态修正方程中，对预测方程中的预测状态进行修正，得到时钟同步系统的最优时间偏差、网络时延和频率偏差值，进而调节从时钟以实现主从时间同步。