System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及网络通信,尤其涉及一种基于时间同步模型的计算机系统、装置及可读存储介质。
技术介绍
1、对于编队组网用户,时间同步包括主动式同步方式和被动式同步方式。
2、主动式同步方式,是待同步用户通过与网络时间基准(network timereference,ntr)单元或其它入网用户单元交换往返计时(round-trip time,rtt)消息,用于修正用户与ntr单元的时钟误差,实现网内时间同步。主动式同步算法中假定了往返计时询问(round-trip time inquiry,rtt-i)消息与往返计时应答(round-trip time response,rtt-r)消息的传播时间相同,但在实际环境中,由于实际应用环境的复杂及变化迅速,一般两者并不相等,这样就在同步的过程中产生了比较大的同步误差。
3、被动式时间同步方式,是待同步用户通过获得精确参与定位与识别(preciseparticipant location and identification,ppli)消息中其它平台的位置信息以及通过平台导航系统获得的自身的位置信息,待同步用户可以估算出消息的传输时延。通过比较接收消息的实际到达时间以及估算到达时间,从而使待同步用户消除信息传输时延误差,完成时间同步。被动式同步一般在无线电静默模式下使用,如果此时组网用户的平台导航信息中未给出位置信息,则无法按被动式时间同步方式实现时间同步。
4、因此,如何可靠的实现编队组网用户的时间同步是一个急需解决的技术问题。
<
1、本专利技术实施例提供一种基于时间同步模型的计算机系统、装置及可读存储介质,有利于实现编队组网用户的时间同步。
2、本专利技术实施例一方面提供了一种基于时间同步模型的计算机系统,所述计算机系统包括存储器和处理器,所述存储器存储有计算机程序,所述处理器被配置成执行所述计算机程序时实现以下步骤:
3、获取当前时刻接收到的观测信息,以及对所述观测信息进行预处理,得到观测向量;
4、调用采用卡尔曼滤波算法的时间同步模型,根据所述观测向量、系统预设的初始状态向量和初始估计误差方差阵迭代计算时间钟差,以及基于所述时间钟差进行系统时钟校正,使得系统中编队组网用户时间同步。
5、可选的,还包括:
6、获取当前时刻的平台导航信息,以及对所述平台导航信息预处理,得到初始状态向量和初始估计误差方差阵;
7、调用采用卡尔曼滤波算法的时间同步模型,根据所述初始状态向量、初始估计误差方差阵和所述观测向量迭代计算时间钟差,以及基于所述时间钟差进行系统时钟校正,使得系统中编队组网用户时间同步。
8、可选的,所述调用采用卡尔曼滤波算法的时间同步模型,根据所述观测向量、系统预设的初始状态向量和初始估计误差方差阵计算时间钟差,包括:
9、基于一步预测方程、上一时刻的后验估计状态向量和估计误差方差阵确定当前时刻的先验估计状态向量和中间变量,上一时刻的后验估计状态向量和估计误差方差分别为系统预设的初始状态向量和初始估计误差方差阵经卡尔曼滤波算法迭代得到;
10、基于滤波增益方程和所述中间变量确定当前时刻的滤波增益;
11、基于估计方程、当前时刻的所述滤波增益、所述观测向量、所述先验估计状态向量和所述中间变量确定当前时刻的后验估计状态向量和估计误差方差阵;
12、令所述当前时刻等于所述上一时刻,进行迭代计算;
13、在所述后验估计状态向量中包括的估计时间钟差收敛时,将所述估计时间钟差确定为时间钟差。
14、可选的,所述一步预测方程包括状态一步预测方程和中间变量一步预测方程,所述基于一步预测方程、上一时刻的后验估计状态向量和估计误差方差阵确定当前时刻的先验估计状态向量和中间变量,包括:
15、基于所述状态一步预测方程和上一时刻的后验估计状态向量确定当前时刻的先验估计状态向量,以及基于所述中间变量一步预测方程确定当前时刻的中间变量;
16、所述状态一步预测方程为:xk,k-1=φk,k-1xk-1+wk-1,所述中间变量一步预测方程:其中,所述xk,k-1为从k-1时刻到k时刻的先验估计状态向量,所述φk,k-1为从k-1时刻到k时刻的状态一步转移矩阵,所述xk-1为k-1时刻的后验估计状态向量,所述wk-1为k-1时刻的过程噪声,所述pk,k-1为从k-1时刻到k时刻的中间变量,所述pk-1为k-1时刻的估计误差方差阵,所述γk,k-1为从k-1时刻到k时刻的状态噪声系数,所述qk-1为k-1时刻状态噪声的协方差。
17、可选的,所述滤波增益方程为:所述kk为k时刻的滤波增益,所述hk为k时刻的观测矩阵,所述rk为k时刻观测噪声的协方差矩阵。
18、可选的,所述估计方程包括状态估计方程和误差方差估计方程,所述基于估计方程、当前时刻的所述滤波增益、所述观测向量、所述先验估计状态向量和所述中间变量确定当前时刻的后验估计状态向量和估计误差方差阵,包括:
19、基于所述状态估计方程、当前时刻的所述滤波增益、所述观测向量和所述先验估计状态向量确定当前时刻的后验估计状态向量,以及基于所述误差方差估计方程、当前时刻的所述滤波增益和所述中间变量确定当前时刻的估计误差方差阵;
20、所述状态估计方程为:xk=xk,k-1+kk[zk-hkxk,k-1],所述误差方差估计方程为:pk=[i-kkhk]pk,k-1[i-kkhk]t+kkrkkkt;xk为k时刻的后验估计状态向量,所述zk为k时刻的观测向量,所述i为单位矩阵。
21、可选的,所述状态估计方程基于用于表示状态向量与观测向量关系的观测方程确定,所述观测方程为:zk=hkxk+vk,所述vk为观测噪声。
22、可选的,所述观测信息包括k时刻的ppli消息,k时刻的状态向量xk包括位置信息[xk yk zk],则所述观测方程为:zk=hppli,kxk+vppli,k,其中hk=hppli,k,vk=vppli,k;所述观测方程是通过将非线性方程线性化得到,所述非线性方程为:r0=c·toa=rc+bs-b+v,其中,r0是量测距离(伪距),c为光速,toa为相对于用户时钟的波达时间,为k时刻用户距第i个源位置[xppli,k,i yppli,k,i zppli,k,i]的距离,bs为源端的时间误差,b为用户自身的时间偏差,v为折入了第i个源位置误差的观测噪声,i的取值范围为[1,n],n为源位置的数量。
23、本专利技术实施例一方面提供了一种时间同步装置,所述装置包括:
24、预处理单元,用于获取当前时刻接收到的观测信息,以及对所述观测信息进行预处理,得到观测向量;
25、同步单元,用于调用采用卡尔曼滤波算法的时间同步模型,根据所述观测向量、系统预设的初始状态向量和初始估计误差方差阵迭代计算时间钟差,以及基于所述时间钟差进行系统时钟本文档来自技高网...
【技术保护点】
1.一种基于时间同步模型的计算机系统,其特征在于,所述计算机系统包括存储器和处理器,所述存储器存储有计算机程序,所述处理器被配置成执行所述计算机程序时实现以下步骤:
2.根据权利要求1所述的系统,其特征在于,还包括:
3.根据权利要求1所述的系统,其特征在于,所述调用采用卡尔曼滤波算法的时间同步模型,根据所述观测向量、系统预设的初始状态向量和初始估计误差方差阵计算时间钟差,包括:
4.根据权利要求3所述的系统,其特征在于,所述一步预测方程包括状态一步预测方程和中间变量一步预测方程,所述基于一步预测方程、上一时刻的后验估计状态向量和估计误差方差阵确定当前时刻的先验估计状态向量和中间变量,包括:
5.根据权利要求3所述的系统,其特征在于,所述滤波增益方程为:所述Kk为k时刻的滤波增益,所述Hk为k时刻的观测矩阵,所述Rk为k时刻观测噪声的协方差矩阵。
6.根据权利要求3所述的系统,其特征在于,所述估计方程包括状态估计方程和误差方差估计方程,所述基于估计方程、当前时刻的所述滤波增益、所述观测向量、所述先验估计状态向量和所述中间
7.根据权利要求6所述的系统,其特征在于,所述状态估计方程基于用于表示状态向量与观测向量关系的观测方程确定,所述观测方程为:Zk=HkXk+Vk,所述Vk为观测噪声。
8.根据权利要求7所述的系统,其特征在于,所述观测信息包括k时刻的PPLI消息,k时刻的状态向量Xk包括位置信息[xk yk zk],则所述观测方程为:Zk=HPPLI,kXk+VPPLI,k,其中Hk=HPPLI,k,Vk=VPPLI,k;所述观测方程是通过将非线性方程线性化得到,所述非线性方程为:r0=C·TOA=rc+bs-b+V,其中,r0是观测到源的距离,C为光速,TOA为相对于用户时钟的波达时间,为k时刻用户距第i个源位置[xPPLI,k,i yPPLI,k,i zPPLI,k,i]的距离,bs为源端的时间误差,b为用户自身的时间偏差,V为折入了第i个源位置误差的观测噪声,i的取值范围为[1,N],N为源位置的数量。
9.一种时间同步装置,其特征在于,所述装置包括:
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被至少一个处理器执行时实现权利要求1-8任一项所述的基于时间同步模型的计算机系统的功能。
...【技术特征摘要】
1.一种基于时间同步模型的计算机系统,其特征在于,所述计算机系统包括存储器和处理器,所述存储器存储有计算机程序,所述处理器被配置成执行所述计算机程序时实现以下步骤:
2.根据权利要求1所述的系统,其特征在于,还包括:
3.根据权利要求1所述的系统,其特征在于,所述调用采用卡尔曼滤波算法的时间同步模型,根据所述观测向量、系统预设的初始状态向量和初始估计误差方差阵计算时间钟差,包括:
4.根据权利要求3所述的系统,其特征在于,所述一步预测方程包括状态一步预测方程和中间变量一步预测方程,所述基于一步预测方程、上一时刻的后验估计状态向量和估计误差方差阵确定当前时刻的先验估计状态向量和中间变量,包括:
5.根据权利要求3所述的系统,其特征在于,所述滤波增益方程为:所述kk为k时刻的滤波增益,所述hk为k时刻的观测矩阵,所述rk为k时刻观测噪声的协方差矩阵。
6.根据权利要求3所述的系统,其特征在于,所述估计方程包括状态估计方程和误差方差估计方程,所述基于估计方程、当前时刻的所述滤波增益、所述观测向量、所述先验估计状态向量和所述中间变量确定当前时刻的后验估计状态向量和估计误差方差阵,包括:
7.根...
【专利技术属性】
技术研发人员:刘巍巍,赵晨,王鹏,杨东森,
申请(专利权)人:北京华龙通科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。