CN101986555B - 用于定时模块故障保持的嵌入式自测试的系统和方法 - Google Patents

Abstract

用于定时模块故障保持的嵌入式自测试的系统和方法。本发明实施例包括用于具有本地振荡器的设备中的方法。该方法包括对于由外部参考信号驯服的本地振荡器在锁定到外部参考信号时执行，训练振荡器的至少两个数学模型，以至少部分地基于作为外部参考信号的函数和用于驯服振荡器中的漂移的校正信号来确定每个数学模型的预测的校正信号。该方法还包括当外部参考信号不可用时选择该至少两个数学模型中的在驯服振荡器时产生最小时间误差的数学模型，并且替换校正信号将用于驯服振荡器中的漂移。该方法还包括利用校正信号的取样型式来测试所选的数学模型，使得能够在不需要除了用于训练时段之外的附加的测试时段的情况下来使用所述选择的数学模型。

Description

用于定时模块故障保持的嵌入式自测试的系统和方法

技术领域

本发明涉及驯服(discipline)本地振荡器的定时值。

背景技术

在一些网络中，网络的网络节点可以具有用于网络节点处的定时目的的本地振荡器(LO)。为了降低网络节点的成本，LO可以不必象给网络提供定时信号的主定时参考源那么准确。

当外部定时参考源用于驯服LO时，如果由于某些原因外部定时参考不能够用于驯服本地振荡器，例如在GPS信号用于作为外部定时参考源并且GPS锁丢失的情况下，或者如果网络故障意味着网络定时参考不可用，那么该网络节点和可依赖于该网络节点的本地定时信号的任何其他节点的性能可能变差。一旦外部定时参考不可用，那么就可能需要人工介入来纠正或者重置网络节点的定时。然而，人工介入实现起来可能消耗时间和成本。

当外部定时参考不可用时，仍然期望维持本地振荡器的运行，这样经过一段持续时间，本地振荡器输出的错误被限制为特定值。

例如在微波存取全球互通(WiMAX)标准中，时间误差的特定值是24小时之内为25μs。在4G长期演进(LTE)系统中，持续时间是更严格的，即24小时之内为10μs。

发明内容

根据本发明的第一方面，提供了一种方法，包括：对于由外部参考信号驯服的设备的本地的振荡器，在该振荡器被锁定到外部参考信号的持续时间：确定校正信号，其是外部参考信号的函数并用于驯服振荡器；对该校正信号取样；存储该校正信号的样本；对于至少一个振荡器数学模型，在振荡器锁定到外部参考信号的持续时间：在没有校正信号样本的情况下至少基于校正信号来训练(train)该至少一个数学模型；在振荡器锁定到外部参考信号的规定的持续时间之后；确定预测的校正信号；确定预测的校正信号与校正信号样本之间的差值，以产生频率误差，该频率误差表示如果将预测的校正信号用于驯服振荡器中的漂移时将会出现的误差；随时间对该频率误差进行积分以产生时间误差，该时间误差表示如果将预测的校正信号用于驯服振荡器中的漂移时将产生的误差；输出该时间误差。

在一些实施例中，该方法还包括：确定时间误差是否小于在规定的持续时间内可允许的时间误差的门限值。

在一些实施例中，该方法还包括：在规定的持续时间之后周期性地更新频率误差、时间误差以及时间误差是否小于给定间隔的门限值。

在一些实施例中确定频率误差、时间误差以及时间误差是否小于可允许的时间误差的门限值包括：在一段小于规定的持续时间的持续时间之后确定频率误差、时间误差以及时间误差是否小于可允许的时间误差的门限值。

在一些实施例中周期性地更新频率误差、时间误差以及时间误差是否小于门限值包括：如果振荡器锁定到外部参考信号的持续时间变得大于规定的持续时间，则对于等于或者大于该规定的持续时间的移动时间窗口，更新频率误差，时间误差和时间误差是否小于门限值。

在一些实施例中，该方法还包括：对于至少一个数学模型中的两个或者更多个数学模型；确定哪个数学模型产生时间误差，如果其用于驯服振荡器将得到最小的时间误差。

在一些实施例中，该方法还包括：确定哪个数学模型产生时间误差，如果其用于驯服振荡器将得到最小的时间误差包括：比较确定的每个数学模型的时间误差；选择具有小于可允许的时间误差的门限值的最小累积时间误差的数学模型。

在一些实施例中，该方法还包括：对于将得到最小时间误差的数学模型，在外部参考信号不可用时将该数学模型选择作为校正信号来驯服振荡器。

在一些实施例中，该方法还包括：将被选择为在特定的持续时间具有最小时间误差的数学模型的标识保存规定的持续时间；并且在该规定的持续时间之后将被选择为在每个时间间隔具有最小时间误差的数学模型的标识保存至少一个间隔。

在一些实施例中，该方法还包括：保存与标识的数学模型相关联的数学模型参数。

在一些实施例中，该方法还包括：在规定的持续时间之后的每个间隔输出每个数学模型在那个间隔的时间误差；并且对于每个数学模型的那个间隔输出与标识的数学模型相关联的数学模型参数。

在一些实施例中，当校正信号被锁定到外部参考信号时对该校正信号取样包括以小于校正信号速率的速率对该校正信号取样。

在一些实施例中，该方法还包括：在规定的持续时间结束时，使用所选择的被确定为具有最小时间误差的数学模型尽早驯服振荡器，而无需附加的测试周期来测试所选择的数学模型。

在一些实施例中，该方法还包括：如果确定该至少一个数学模型中没有一个数学模型小于可允许的时间误差的门限值，就为每个数学模型确定持续时间，在该持续时间期间数学模型不超过门限值。

在一些实施例中，该方法还包括：选择超过门限值之前具有最长持续时间的数学模型；并且当外部参考信号至少在选择的数学模型不超过门限值的持续时间内不可用时，利用该选择的数学模型作为校正信号来驯服振荡器。

根据本发明第二方面，提供了一种方法，包括：对于由外部参考信号驯服的设备的本地的振荡器，当被锁定到外部参考信号时：驯服振荡器的至少两个数学模型，以至少部分地根据作为外部参考信号的函数和用于驯服振荡器中的漂移的校正信号来确定每个数学模型的预测的校正信号；当外部参考信号不可用时选择所述至少两个数学模型中的具有最小时间误差的数学模型来驯服振荡器中的漂移；以及利用校正信号的取样型式来测试选择的数学模型，使得能够在不需要除了用于训练时段之外的附加的测试时段的情况下来使用所述选择的数学模型。

根据本发明的第三方面，提供了一种设备，其包括：接收器，用于接收外部参考信号；本地振荡器(LO)，其配置用于产生包括下述中的至少一个的第一信号：定时信息、频率信息、相位信息、及其组合；控制回路滤波器，用于产生作为外部参考信号的函数和用于驯服LO的校正信号；样本数据缓冲器，用于存储校正信号的样本，来自外部参考信号的定时信息，和温度信息；至少一个LO数学模型，其配置用于接收校正信号，来自外部参考信号的定时信息，和温度信息，该至少一个数学模型的每一个配置用于产生预测的校正信号；时间间隔误差检验器(TIEC)，其配置用于：对于每个数学模型：确定预测的校正信号和校正信号的样本之间的差值来产生频率误差，该误差表示如果预测的校正信号用于驯服振荡器中的漂移将产生的误差；随时间对该频率误差进行积分产生时间误差，该误差表示如果将预测的校正信号用于驯服振荡器中的漂移时将产生的误差；选择具有最小时间误差的数学模型；数模控制(DAC)选择器，其配置用于接收从控制回路滤波器输出的校正信号和来自于TIEC的校正信号，其是选择的数学模型的函数；DAC，其配置用于接收来自于DAC选择器的输出并向LO提供信号；其中当外部参考信号可用时，DAC控制选择器向DAC提供控制信号，这样驯服振荡器作为外部参考信号的函数，训练该至少一个数学模型来产生预测的校正信号，TIEC在规定的持续时间之后确定时间误差和在特定的持续时间之后以给定的间隔周期性地更新该时间误差。

在一些实施例中，LO是恒温晶体振荡器(ovenized crystal oscillator)。

在一些实施例中，所述至少一个数学模型是递归最小二乘法拟合模型。

在一些实施例中，所述至少一个数学模型是下述中的至少一个：包括温度和老化相关参数的模型；包括温度相关参数的模型；包括常量值的模型；包括被选择为在之前给定的间隔内具有最小时间误差的模型的参数的模型。

对本领域技术人员来说，结合附图阅读以下对本发明特定实施例的描述，本发明的其他方面和特征将变得清晰。

附图说明

现在参考附图描述本发明实施例，其中：

图1是本发明一些实施例可在其中实现的设备的示意图；

图2是作为外部参考信号的函数产生的校正信号和当外部参考信号可用时用于被训练的振荡器模型的预测的校正信号的实例的图表；

图3是当外部参考信号可用时，从用于振荡器模型的预测的校正信号产生的累积时间误差信号的实例的图表；

图4是根据本发明实施例的说明故障保持事件期间发生的中断的在训练过程期间存储的数据的图表；

图5是示出根据本发明一个方面的方法实例的流程图；

图6是示出根据本发明一个方面的另一个方法实例的流程图；

图7是根据本发明实施例的有限状态图；

图8是本发明一些实施例可在其中实现的系统的示意图；以及

图9是振荡器和振荡器模型在不同温度范围运行的图表。

具体实施方式

当具有本地振荡器的通用无线模块(URM)由外部参考信号驯服时，本地振荡器保持与外部参考信号的同步。在URM是基站的一部分的LTE系统实例中，驯服本地振荡器以保持基站与外部参考信号同步到+/-1.5μs和在基站的天线端口处测量的十亿分之+/-50(+/-50ppb)的最大频率误差之内。当外部参考信号可用和正被用于驯服本地振荡器时，认为URM处于锁定状态。如果和当外部参考信号变得不可用时，或者不能被用于驯服本地振荡器，那么认为URM处于故障保持(holdover)状态，其中替换信号被用于驯服本地振荡器。

用于驯服本地振荡器的替换信号可以由振荡器性能数学模型产生。当URM运行于锁定状态时可以训练该数学模型。

故障保持准备就绪被定义为网络定时同步(NTS)模块可以在特定故障保持持续期间将时间误差保持在预定值以下的状态。在一些实施例中，NTS模块可以包括振荡器模型和时间间隔误差检验器，如下面详细描述的。NTS模块还可以包括其他用于保持将包括本地振荡器的设备同步到设备所属网络的软件、硬件或固件的部件。对于本发明的特定实施方式，在24小时的故障保持持续期间，受在故障保持状态期间不超过训练温度范围的限制，时间误差将保持低于9.5μs的绝对值。

在本发明的特定实施方式中，振荡器是恒温晶体振荡器(OCXO)，其是在运行期间温度被充分控制的振荡器。锁定状态规范通过将OCXO相位锁定到每秒1个脉冲(pps)定时信号来满足。在特定实施方式中，定时信号是利用全球定位系统(GPS)接收器或者全球导航卫星系统(GNSS)接收器技术恢复的GPS信号或者相当的GNSS信号。在由于GPS接收故障而中断GPS信号的情况下，进入故障保持状态。在故障保持状态期间，应当维持+/-50ppb的最大频率精确度，并且可允许的时间误差提高到在24小时周期内为10μs。24小时周期被选择作为能够有时间识别和处理外部参考信号不可用的原因的典型的持续时间。例如，这可以允许运营者有足够的时间处理和纠正GPS接收问题。

本发明并不仅仅局限于恒温晶体振荡器。在本发明的替换实施例中，可以使用不同类型的振荡器。恒温晶体振荡器的运行可以利用二次函数来模拟。某些类型的振荡器由更高阶函数来模拟，与由更低阶函数(例如用于模拟OCXO的二次函数)模拟的振荡器相比，其可能导致更短时间段内的更大时间误差。

用于上面所述的最大频率精确度、可允许的时间误差和可允许的时间误差相关的故障保持持续时间的参数值的具体实例是这些值的特定实例，并且不旨在限制本发明的范围。根据实施方式细节，这些参数值可以大于或者小于所具体描述的实例。

在上面，对于特定实施方式，GPS信号或者GNSS信号被识别为外部参考信号。然而，一般地说，外部参考信号并不局限于GPS/GNSS信号，而是实施方式特定的。外部参考信号可以是时间基准，其包括但不局限于来自于GPS源的信号或者来自于网络时间基准源的信号。时间基准可以经由具有一个或者多个链路的两个网络节点之间的电子管道、光管道或者它们的某种组合，通过自由空间(例如通过无线电波)向另一个设备发送时间信息。来自于网络时间基准源的信号实例是来自于IEEE1588使能网络节点的定时信号。

虽然本发明实施例通常针对时间同步，但也可利用本发明的各方面来监控外部参考源和本地振荡器之间的频率同步。频率同步可以利用来自TIEC的时间误差的增长速度来监控，以确定参考时钟和本地振荡器时钟之间的频率误差是否在规范之内。

在本发明一些实施例中，时间间隔误差检验(TIEC)能力包括在URM中用于在模型训练期间测试OCXO数学模型。在本发明一些实施例中，OCXO模型是递归最小二乘法拟合(RLSF)模型。因为某种已知度量标准，例如递归算法残差，可能不适用于清楚地确定OCXO模型的收敛性，因此在一些实施例中，TIEC能够确定OCXO模型收敛到什么程度。

在训练期间，当外部参考源可用时，TIEC能够确定OCXO模型系数相对于历史锁定状态校正信号数据的预测的准确性。历史控制环路校正信号数据和由至少一个OCXO模型预测的校正信号之间的差值的积分表示如果该至少一个OCXO模型用于预测历史校正信号数据而导致的定时误差。以这种方式，TIEC可以确定在故障保持事件中利用OCXO模型系数导致的时间误差和时间误差发生的持续时间。

在一些实施方式中，在训练期间训练几个振荡器模型。在初始训练周期之后，根据下面详述的TIE检验来检验模型的精确度。TIE检验可以在初始训练周期之后以有规律的间隔被更新。如果故障保持事件发生，则TIE检验度量标准用于识别最准确的模型。初始训练周期和更新间隔是实施方式特定的参数。

TIE检验使能够向运营商呈现关于NTS模块故障保持能力的新数据。TIE检验功能使运营商能够确定每个基站可以维持故障保持顺应性多长时间。

在具有多个TIE检验使能设备的网络中，例如设备是基站的地方，TIE检验进一步使运营商能够在任何时候获得属于任何设备的关于各个设备的本地振荡器模型执行效率和在故障保持事件期间模型能够有效地保持系统时间精确度多长时间的信息。对于多个设备的每一个分别进入故障保持状态的情况，这可能是有利的，运营商可以根据每个设备的TIEC提供的信息来确定哪个设备有可能首先达不到系统时间精确度门限值。根据这个信息，运营商可以以优先顺序排列各个设备的修复操作，以保证首先维修可能首先停止运转的设备，相应地维修有可能稍后停止运转的设备。

在一些实施例中，如果满足以下条件，就可以确定NTS模块故障保持准备就绪：

1.最小训练周期必须已经结束；以及

2.TIE检验必须宣布本地振荡器模型中的一个在具有最少小时数和最多小时数的检验时间内导致了小于给定值的绝对时间误差。

现在参考图1说明根据本发明一个方面的URM 100的实例。除了下面在图1中详细描述的部件之外，URM 100还可以包括用于与本发明不特别相关的URM的常规操作的附加硬件和/或软件，并因此其不再被详细说明。

URM 100包括天线105，用于接收GPS或者GNSS定时信号。天线105耦合到GPS接收器110。GPS接收器110耦合到数字相位检测器115。数字相位检测器115向控制回路滤波器120提供输出。控制回路滤波器120向数模(DAC)控制选择器125提供输出。DAC控制选择器125向DAC 130提供输出。DAC 130向OCXO 135提供输出。OCXO 135向数字相位检测器115提供输出。当GPS信号可用时，用于控制OCXO 135的控制回路工作于锁定状态，并且该控制回路包括数字相位检测器115、控制回路滤波器120、DAC控制选择器125、DAC 130和OCXO 135。

控制回路滤波器120的输出除了提供给DAC控制选择器125之外，还提供给多个OCXO模型150。图1示出了四个OCXO模型，M1152、M2154、M3156和M4158。控制回路滤波器120的输出还提供给时间间隔误差检验器(TIEC)取样数据缓冲器145。温度传感器140向四个OCXO模型152、154、156、158以及TIEC取样数据缓冲器145提供信号。温度传感器140提供与OCXO相关的当前环境温度信息。四个OCXO模型152、154、156、158和TIEC取样数据缓冲器145的输出被提供给时间间隔误差检验器TIEC 160。时间间隔误差检验器(TIEC)160的输出提供给数据库165，该数据库保存从OCXO模型152、154、156、158中的一个或者多个输出的收敛模型参数，同时从TIEC 160传送给数据库165。数据库165向DAC控制选择器提供信号。

当运行于锁定状态时，OCXO模型150可以被训练以产生当外部参考信号不可用时可以用来驯服OCXO的校正信号。

在锁定状态训练期间，控制回路滤波器120输出的校正信号和来自于温度传感器140的环境温度值分别被馈送给OCXO模型150和TIEC取样数据缓冲器145。应着重指出，存储于TIEC取样数据缓冲器145中的数据并不用于训练模型，这就保证了利用振荡器模型没有处理过的“新”数据来进行TIE检验。四个OCXO模型152、154、156、158确定它们各自模型的参数。

OCXO的频率稳定性可以是振荡器老化以及温度的函数。在一些实施例中，模型是基于递归最小二乘法拟合模型，其代表针对提取OCXO的温度和时间相关的频率变量的问题的最佳方案。在一些实施方式中，多维多项式拟合提供简洁且鲁棒的解决方案。在一些实施例中，OCXO模型修改与每个相应两维拟合多项式相关的系数，进而最小化模型校正信号和锁定状态控制回路校正信号之间的误差的平方。在一些实施例中，模型中使用的维度就是那些温度和时间的维度。

在训练周期期间，执行模型的时间间隔误差(TIE)检验，这是对在特定使用持续时间使用每个模型所导致的误差的确定。TIE可以在特定持续时间之后被确定，然后在周期性进行的基础上来保证模型运行于某一方式，在该方式下模型将满足在给定持续时间内可允许的时间误差，或者在那个持续时间的可接受的部分内的可接受的时间误差。根据来自于TIEC取样数据缓冲器145的输入，TIEC 160通过估计TIE来估计OCXO模型150的输出，并选择具有最准确的时间误差的模型。一旦选择了最准确的模型，该模型的参数就存储在数据库165中。在一些实施例中，最准确的时间误差被确定为具有最小TIE。

在故障保持状态期间，TIEC 160选择在可接受的持续时间具有最少量的累积时间误差的模型来产生驯服OCXO的校正信号。数据库165将模型参数从选择的模型提供给DAC控制选择器125，DAC控制选择器125将参数提供给DAC130。DAC 130然后向OCXO 135提供信号。

故障保持控制回路包括OCXO模型150、TIEC 160、用于收敛模型参数的数据库165、DAC控制选择器125、DAC 130和OCXO 135。

在一些实施例中，图1中的OCXO模型150和TIEC 160可以以软件、硬件或者它们的某种组合来实施。例如，在软件实施方式中，用于实现OCXO模型150和TIEC 160的过程被实施为一个或者多个软件模块。在硬件实施方式中，用于实现OCXO模型150和TIEC 160的过程以例如(但不局限于)ASIC或FPGA来实施。

虽然图1示出了GPS接收器110，但应当理解URM 100可以包括被配置用于接收替换类型的外部参考信号的接收器的替换形式。而且，虽然天线在图1中示为用于接收URM 100和外部参考信号源之间利用无线电的通信，但可以理解，除了天线和接收器以外，或者作为天线和接收器的替换物，可以存在有线端口连接和用于通过有线连接来接收外部参考信号的接收器。

在外部参考信号是GPS信号的特定实施方式中，在锁定状态操作下控制回路锁定到1pps GPS定时信号。在一些实施例中，连续脉冲的上升沿标称为1秒间隔。接收器中存在的噪声导致1pps信号沿上+/-25ns rms的时间抖动。控制回路中的处理消除了由GPS接收器110引入的抖动，从而使OCXO的相位锁定能够有稳定的定时参考。

在一些实施例中，数字相位检测器115利用作为OCXO频率的函数的计数器。计数器由GPS 1pps信号的上升沿开始，至GPS 1pps信号的上升沿结束。如果GPS接收器没有表现出抖动，且在OCXO 135上没有出现频率漂移，那么相位检测器115的输出等于计数器的值。

在本发明一些实施例中，倍频器和分频器与OCXO 135结合使用。例如，分频器和倍频器可以位于OCXO和数字相位检测器之间。利用分频器和倍频器可以允许使用更低频的OCXO，这可以减少实施URM的经济成本。然而，一般地说，振荡器频率和振荡器操作方式是实施方式特定的。

OCXO模型的一个重要的结构方面是它们与控制回路并行运行。这样，可以在训练过程期间观察模型系数来确定训练的状态和有效性。在外部参考信号变得不可用和OCXO模型被全面训练的情况下，系统利用OCXO模型中的一个模型的校正信号中的至少一个信号来纠正振荡器频率漂移。在一些实施例中，在OCXO模型没有被全面训练的情况下，那么将DAC值锁定到校正信号的多点移动平均数的最接近值。

如上所述在锁定状态，控制回路滤波器120的输出是可以用来驯服OCXO的校正信号。在一些实施例中，校正信号的平均型式由校正信号移动平均滤波器(图1中未显示)从校正信号产生。在特定实施方式中，在稳定状态锁定状态条件下，平均校正信号是校正信号的2000点移动平均数。一般地说，可以理解，平均校正信号是实施方式特定的，而并不局限于2000点移动平均数。这个平均校正信号可以由一个或者多个OCXO模型在训练周期期间使用。

在平均校正信号在其2000点的最大长度的实施方式中，移动平均滤波缓冲器花费2000秒，大约33分钟，来获得平均校正信号的新值。与移动平均滤波器相关的延迟在从故障保持状态转换到恢复状态期间可能引入大的时间瞬变。为了避免这种瞬变振铃，校正信号移动平均滤波器只针对某些条件才被更新。

在一些实施例中，除了保护校正信号移动平均滤波器免于时间瞬变之外，还存在为了将可接受的输入数据输入到移动平均滤波器而设置在+/-5ppb的样本到样本频率误差上的限制。如果输入到滤波器的输入数据与之前的数据值相差+/-5ppb，那么之前的数据值被保留。这种数据屏蔽保护移动平均滤波器免受校正信号中非正常值的影响，并增加了相对于无效外部参考信号的鲁棒性，例如在GPS信号、由于GPS干扰或者欺骗导致的无效GPS信号的情况下。

现在将说明执行TIE检验的操作方法的更详细的实例。允许控制回路在包括NTS模块的设备开机之后的一个小时稳定。在稳定时期期间，消除了移动平均滤波器中的瞬变，同时滤波器的时间常量被设置为允许瞬变充分散去的足够长的时间。在控制回路稳定之后，假设NTS模块锁定到外部参考定时信号，开始训练与控制回路校正信号相关的至少一个OCXO模型。在模型训练期间，校正信号、平均校正信号、来自于外部参考定时信号的定时信号和温度信息以预定的取样速率存储在TIEC取样数据缓冲器中。在特定实施方式中，每隔15秒将参数存储在TIEC取样数据缓冲器中。然而，可以理解取样速率是实施方式特定的，且并不局限于15秒的实例。

在给定的训练持续时间之后，检验每个模型关于预测控制回路校正状态的准确性。该检验在给定的训练持续时间之后进行，因为根据遗忘因子，这个时间帧表示RLSF的存储器。

RLSF模型利用指数遗忘因子来加权与历史数据如何用于确定模型系数值有关的该历史数据的重要性。在RLSF中，设置遗忘因子，使得给定的数据训练持续时间是重要的。

减少遗忘因子值增加了跟踪带宽。在一些实施例中，RLSF模型表明等于5小时的重要数据的跟踪带宽导致OCXO的热滞后，其使得模型系数值根据温度是增加还是降低而变化。通过将遗忘因子时间增加到例如12小时，热滞后最终得到平衡，因为从正温度斜坡得到的模型系数值与负斜坡得到的值平均了。遗忘因子并不局限于12小时，而是实施方式特定的变量。

在一些实施方式中，例如当存在最小温度变化时，在故障保持事件期间RLSF模型在那个温度范围保持有效。换句话说，没有针对该算法收敛的最小温度范围要求。然而，训练期间练习的温度范围确定这样的温度范围，即在该温度范围在故障保持期间训练的模型是准确的。

保存在TIEC取样数据缓冲器中的回路校正信号历史值与根据从训练过程提取的系数由OCXO模型计算得到的值之间的差值表示了OCXO模型中存在的频率误差。应着重指出存储在TIEC取样数据缓冲器中的数据并不用于TIEC训练，这是为了保证利用TIEC没有处理过的“新”数据来执行TIEC。

预测的校正和TIEC缓冲器校正之间的频率误差的积分产生在故障保持检验时间内的累积时间误差。因为TIEC取样数据缓冲器被填充了以给定取样速率收集的信号值，所以时间误差等于频率误差乘以取样速率的倒数的积分。因为该积分包含取样时间的变量，所以可对于任意取样时间来计算时间误差。更长的取样时间可以减少时间误差计算的准确性。

在特定实施方式中，检验四个OCXO模型来确定它们的相对准确性，进而能够选择四个模型中最准确的。第一个模型包括频率稳定性的老化和温度相关的系数。第二个模型只包括温度相关的系数。第三个模型包括在DAC保持不变的情况下故障保持时应用的常量值。第四个模型包括之前收敛的模型参数，其根据最后执行的故障保持检验被认为是最佳的。这四个模型可以对应于图1所示的M1到M4。如上所述，模型的数量是实施方式特定的，并不局限于仅四个的实例。

图2是在四个小时的持续时间内多个校正信号的实例曲线。水平轴表示时间，垂直轴表示单位为十亿分率(ppb)的校正值的量。图中的信号包括作为外部参考信号的函数的锁定状态控制回路校正信号、平均校正信号、和四个模型的每一个的预测校正信号，所述四个模型是：老化和温度模型；温度模型，常量(锁定)DAC模型；和之前的收敛参数模型。

图3是在与图2相同的四个小时的持续时间内的多个时间误差信号的实例曲线。水平轴表示时间，垂直轴表示单位为微秒(μs)的累积时间误差(CTE)的量。图中的信号包括以下四个模型的每一个的累积时间误差：老化和温度模型；温度模型，常量(锁定)DAC模型；和之前的收敛参数模型。

在模型选择的第一阶段，模型累积小于系统故障保持规范的时间误差。在一些实施例中，时间误差应当是小于TIE检验的时间误差的值。最大时间误差规范可以用于这个初始入口(preliminary gate)来保证通过在任何持续时间内满足时间误差规范的任何故障保持检验。

TIE检验的第二阶段比较从每个模型得到的最大时间误差的相对大小。展示最低最大累积时间误差的模型的系数被存储用作收敛系数。在累积锁定状态操作期间，TIE检验以有规律的间隔重复进行。在一些实施例中，高达24小时的数据存储在TIE取样数据缓冲器中。随后，当存满时，检验缓冲器可以用于在为该设备规定的全部持续时间内进行故障保持测试。还应当注意到可以由TIEC以有规律的间隔持续地检验收敛模型，这样模型系数从不会过时。在一些实施例中，以有规律的间隔持续地更新之前收敛的模型系数对于确认它们关于满足故障保持时间误差规范的有效性是重要的。

在一些实施例中，如果在训练周期期间存在最小温度变化，则基于最好温度的模型在假设没有超过TIEC时间误差门限值的静态DAC模型上来选择。这样选择的理由是静态DAC模型没有补偿故障保持期间温度变化的规定。因此，即使该温度模型相对于TIE检验不是最好的，仍然会选择它。

在一些实施例中，当故障保持事件发生时，流向TIEC取样数据缓冲器的数据流停止。当故障保持事件结束时，才恢复流向TIEC取样数据缓冲器的数据流。几个小时的故障保持事件会带来TIEC取样数据缓冲器数据的不连续性，这会导致错误的TIEC计算，如图4所示。为了正确地检验故障保持模型，在检测到故障保持不连续性之后，首先可以为每个模型重新计算恒定偏差(constantoffset)。通过监控收集的故障保持检验数据的取样时间之间的间隔来检测故障保持不连续性。如果取样时间超过系统中规定的取样时间，那么就出现了故障保持不连续性。

在RLSF模型的情况下，存在限定模型的二次参数、线性参数和常量参数。在一些实施例中，在故障保持不连续性的情况下，可以根据平均校正信号来重新计算每个模型的常量参数。常数项的重新计算在这种不连续数据设置的情况下保持了RLSF模型的有效性。

在一些实施例中，作为错误地提取晶体振荡器的老化速度的结果，基于老化和温度的模型将缺少系统的累积时间误差(CTE)规范。在这种情况下，温度模型通常仍然可以证实足够的准确性来满足故障保持规范，并且随后可以由TIEC模型选择器来选择。在温度模型也缺少CTE规范的情况下，则重置RLSF模型。例如在OCXO的初始频率稳定期间存在重要的频率恢复时，可能发生这种情况。在RLSF模型被重置的情况下，TIEC取样数据缓冲器也被重置。跟随RLSF模型的重置之后，在执行TIE检验之前，系统需要累积锁定状态训练的特定的训练持续时间。

在本发明一些实施例中，TIEC度量标准使得能够对NTS模块的故障保持能力进行估计。在一些实施例中，TIEC关于NTS模块的实际故障保持性能的准确性是温度和由控制回路产生的校正信号之间的相关程度的函数。在一些实施例中，如果温度和校正信号相互关联到特定级别将有利于确定模型的预测能力的置信度。在一些实施方式中，Pearson(皮尔逊)积矩相关系数可以用作附加度量标准，与TIEC结合使用来提高故障保持准备就绪状态的置信度级别。

在本发明一些实施例中，NTS模块的任务是满足LTE无线电的时间和频率同步需求。在一些实施例中，LTE无线电被设计为与CDMA无线电系统互操作。

现在结合图5说明用于实施TIE检验的一般方法。

该方法第一步5-1包括，对于由外部参考信号驯服的设备的本地的振荡器，在振荡器被锁定到外部参考信号的持续时间期间，确定作为外部参考信号的函数的校正信号，该校正信号被用于驯服该振荡器。

该方法第二步5-2包括，在振荡器被锁定到外部参考信号的持续时间期间，取样校正信号。

该方法第三步5-3包括，在振荡器被锁定到外部参考信号的持续时间期间，存储取样的校正信号。

该方法第四步5-4包括，在振荡器被锁定到外部参考信号的持续时间期间，对于振荡器的至少一个数学模型，至少根据不包括校正信号样本的校正信号来训练该至少一个数学模型。

该方法第五步5-5包括，在振荡器被锁定到外部参考信号的特定持续时间之后，确定预测的校正信号。

该方法第六步5-6包括，在振荡器被锁定到外部参考信号的持续时间期间，确定预测的校正信号与校正信号样本之间的差值，以产生频率误差，该误差表示如果将预测的校正信号用于驯服振荡器中的漂移时将会出现的误差。

该方法第七步5-7包括，在振荡器被锁定到外部参考信号的持续时间期间，随时间对频率误差积分以产生时间误差，该误差表示如果将预测的校正信号用于驯服振荡器中的漂移时会出现的误差。

该方法第八步5-8包括，输出时间误差。

现在结合图6说明用于实施TIE检验的另一个方法。

该方法第一步6-1包括，对于由外部参考信号驯服的设备的本地的振荡器，当锁定到外部参考信号时，训练振荡器的至少两个数学模型，以至少部分地根据作为外部参考信号的函数和用于驯服振荡器中的漂移的校正信号来确定每个数学模型的预测的校正信号。

该方法第二步6-2包括，当锁定到外部参考信号时，当外部参考信号不可用时选择所述至少两个数学模型中的具有最小时间误差的数学模型来驯服振荡器中的漂移。

该方法第三步6-3包括，当锁定到外部参考信号时，利用校正信号的取样型式来测试所选择的数学模型，使得能够在不需要除了用于训练时段之外的附加的测试时段的情况下来使用所述选择的数学模型。

虽然图6描述了选择数学模型先于对选定模型的测试，但这并不旨在限制本发明的范围。在一些实施例中，要对所有模型进行模型测试，并根据测试的结果来选择模型。

现在参考图7说明NTS模块的操作状态实例。

第一状态是通电状态710，其中通用无线模块通电。从通电状态710，NTS模块进入锁定状态720，或者进入故障状态730。

如果检测到硬件故障就进入故障状态730。

在锁定状态720，振荡器相位锁定到外部参考信号，同样地相对于系统时间、层1可追踪参考源的定时误差小于规定值。在这个状态期间，可以训练振荡器模型和执行TIE检验。从锁定状态720，NTS模块可以进入故障状态730或者自动故障保持状态760。

当存在外部参考信号丢失时进入自动故障保持状态760。在故障保持状态，如果振荡器模型被宣称已经训练过，那么将其用作状态预测器以向振荡器提供校正信号。

有条件的故障保持是自动故障保持状态760的子集。在进入故障保持并且振荡器模型训练未完成的情况下，用来驯服振荡器频率的DAC保持在从控制回路中存在的移动平均滤波器确定的校正信号值。在从CTE确定的可以从频率误差得到的时间内，可以认为振荡器模型是准确的和有效的，该频率误差由最坏情况的老化速度和温度敏感性得到。同样地有条件的故障保持可以明显比规定的24小时故障保持短。

在替换的有条件故障保持场景中，已经在规定的温度范围对振荡器模型进行训练，该温度范围在故障保持事件期间被超过了。如果故障保持温度范围超过了训练模式温度范围，则振荡器模型继续被使用，但是相对于温度变化不再准确。在训练温度范围之外的振荡器模型预测的不准确性是模型的非线性形式的结果，其在本实施方式中对温度具有二次依赖性。在这种场景中，现存的CTE将是未知的，因为在故障保持期间没有参考信号，因此在这个场景中不可能进行任何关于有效故障保持持续时间的估计。在训练期间，二次模型适合于拟合作为温度的函数的校正信号变化。如果在训练期间温度变化小于故障保持事件期间的温度变化，那么当模型用于推断训练温度范围之外的解决方案时，其可能是不准确的。

应当注意这个限制是合理的，因为在非线性模型的情况下，准确特性要求在故障保持事件期间经历的全部温度变化是在训练周期期间经历的温度变化的子集。当在24小时故障保持事件内被积分时，OCX模型和实际OCXO稳定性之间的0.1ppb的差值可能导致8.64μs的时间误差。将结合图9说明在故障保持事件期间引入的超过模型训练范围的误差。

图9是示出振荡器频率对温度的依赖性以及如果故障保持事件的温度范围大于模型训练的温度范围时模型预测如何可能导致误差的曲线图。该曲线图的垂直轴表示频率稳定性，水平轴表示温度。在910示出了在温度曲线上的振荡器频率依赖性，在920示出了在温度曲线上的模型预测频率依赖性。在930示出了模型训练的温度范围，在940示出了故障保持的温度范围。可以看到该模型表示在训练范围内的振荡器本身，但是在950示出了在最远离模型训练温度范围的故障保持温度范围的边缘出现大的模型预测误差。

因此，如果进入这个有条件的故障保持，可以设置标志来表示可能在任何时间违反故障保持的定时误差规范。

当在自动故障保持状态760时，NTS模块可以进入人工故障保持状态740、恢复状态750或者空运转状态770中的任何一个状态。

人工故障保持状态740是能够通过产生人工故障保持事件来进行故障保持性能测试的状态。当在人工故障保持状态740时，NTS模块可以进入故障状态730或者自动故障保持状态760。

如果故障保持事件超过了规定的系统故障保持时间(例如24小时)，那么在故障保持超过规定的故障保持时间的时候，NTS模块进入空运转状态770。空运转状态770不会导致控制信号的任何变化，但是其会转换到从50ppb到百万分之2(2ppm)的NTS模块的绝对频率准确性规范的松弛状态和任何时间误差准确性规范的终止状态。在一些实施例中，设置标志来指示已经进入空运转状态770。当处于空运转状态770时，NTS模块可以进入恢复状态750或者故障状态730。

当有效外部参考信号变得可用时，进入恢复状态750。在宣告有效外部参考的时候，确定本地产生的1pps信号和外部参考1pps信号之间的相位误差。在恢复状态750期间，将故障保持时间误差作为时间偏差应用于控制回路。控制回路通过增加或者降低振荡器频率来消除时间误差。当时间误差相对于外部参考信号已经减少到低于规定值时，恢复状态750的结束和返回到锁定状态720的操作是很重要的。对于给定的实施方式，该值是特定的。在恢复状态750结束时，将校正信号应用于控制回路移动平均滤波器，其直到此时才已及时在进入故障保持之前直接冻结到该值。当处于恢复状态750时，NTS模块可以进入人工故障保持状态740、自动故障保持状态760、锁定状态720、故障状态730或者空运转状态770中的任何一种状态。

现在将参考图8说明根据本发明的包括设备的系统，该设备具有配置用于在训练周期期间，当外部源可用时执行振荡器模型训练和TIE检验的本地振荡器。系统800包括设备850和多个外部参考源，其中任何一个都可用于驯服本地振荡器。

外部参考源是定时参考源。在图8中，第一外部参考源是网络时钟810，其接收来自于卫星820的时间信号，然后将该时间信号经由网络节点860转发给设备850。第二外部参考源是卫星820，其直接向设备850提供GPS定时信息。在一些实施例中，一个以上的卫星可以用于提供定时信号。第三外部参考源是网络时钟840，其经由网络节点842、844、846向设备850发送时间信号。第四外部参考源是网络时钟830，其经由基站(BTS)835向设备850发送参考信号。第五外部参考源是网络时钟875，其利用无线移动设备870作为中继站经由BTS 880向设备850发送参考信号。

在各种外部参考源中，其中设备可以从这些参考源接收时间信号，有些外部参考源最终是来自于同一源，但是依赖于任何给定时间的可用性，不是所有的源在同一时间都可用。例如，卫星820直接向设备850提供时间信息，也经由包括网络时钟810的网络节点向设备850提供时间信息。在给定时间，由于接近设备850的恶劣天气，设备850有可能不能够从卫星820接收时间信息。然而，包括网络时钟810的节点从卫星820接收信息的能力并没有被恶劣天气所中断。网络时钟810能够从卫星820接收定时信息并将时间信号转发给设备850。

在一些实施例中，各种外部参考源可以起源于不相关的，也就是非同步的网络时钟。

虽然在图8中无线移动设备示为中继设备，但应该理解除了无线移动设备之外的设备也可以用作中继设备。在替换实施方式中，中继站是简化的BTS，其被设计用于在缺乏BTS的区域中转发无线信号，例如农村地区或者可能导致严重的衰减问题的城市峡谷地区。例如，具有第一LO的第一设备可以从具有第二LO的第二设备接收时间信息来驯服第一LO，其中第二LO由外部参考源来驯服。

图8中的设备850具有三个天线855A、855B、855C，用于接收来自于外部参考源中的一个或者多个的无线信号。天线855A和855C分别接收来自于无线移动设备870和BTS 835的无线信号，天线855B接收来自于卫星820的无线信号。设备包括的天线的数量是实施方式特定的。天线可以用于接收来自于一个以上的外部参考源的信号。

在一些实施例中，设备850经由有线网络连接连接到外部参考源中的一个或者多个。图8的设备850经由网络节点842、844、846通过有线连接连接到网络时钟840。网络节点846和从设备850之间的最后的链路由有线链路857A表示。图8的设备850还经由网络节点860通过有线连接连接到网络时钟510。网络节点860和设备850之间的最后的链路由有线链路857B表示。到网络时钟的有线连接的数量是实施方式特定的。而且，经由网络节点的网络时钟和设备之间的跳数也是实施方式特定的。

在一些实施例中，网络时钟和设备之间的连接可以是有线和无线链路的某种组合。

图8只示出了系统800中的单个设备850，但是应该理解网络可以具有一个以上的此处所述类型的设备。可能影响设备的数量的因素包括但不局限于，网络容量，网络覆盖的地理地形和设备和/或外部参考源的功率要求。

外部参考源的类型并不仅仅局限于参考图8所述的类型。图8中所示的外部参考源仅仅用作外部参考源的示例类型。向设备提供时间信号的其他类型的外部参考源包括可以执行以下网络分布的外部参考源：利用铷或铯标准的原子时钟信号；远距离辅助导航(LORAN)定时信号；和电视广播信号中出现的同步信号。

图8说明性地示出了不同类型的外部参考源以及参考源和从设备之间不同类型的连接。本发明实施例的实施方式是实施方式特定的，并且可以包括图8中详细说明的参考源和连接的类型，或者在此说明的其他类型的参考源和连接。

在一些实施例中，外部参考源可以在物理层，例如层1实施方式，向设备发送时间信号。在一些实施例中，物理层实施方式根据同步以太网(SyncE)标准来执行。

在一些实施例中，外部参考源可以在软件层，例如层2实施方式，向设备发送时间信号。

在一些实施例中，该设备可以是无线通信网络中的BTS的一部分。在一些实施例中，该设备可以是网络节点(例如无线通信网络中的中继站)的一部分。在一些实施例中，该设备可以是企业网络的一部分。在一些实施例中，该设备可以是无线通信网络中的无线终端，例如但不局限于蜂窝电话或者无线启用计算机或者个人数字助理(PDA)。通常来讲，该设备可以是网络中任何类型的网元的一部分，或者位置接近于网络中任何类型的网元，其中网元可以利用本地化的定时源，例如LO。在一些实施例中，采用可以以此处所述的方式被驯服的LO能够使用网元中不太昂贵的类型的LO，这就相应地降低了网元的经济成本。

在图8中示出了由设备850接收的多个外部参考源。如果第一最准确的外部参考源信号暂时不可用，如何选择第二外部参考源信号的实例在共同未决的美国专利申请12/487,933中说明，其全部内容通过参考结合于此。

在一些实施例中，该设备可以配置为只接收上述任何外部参考源中的一个时间基准。

根据上述教导本发明的多种修改和变化是可以的。因此理解为在所附权利要求的范围之内，本发明可以以在此详细说明的方式之外的方式来实施。

Claims (20)

1.一种用于驯服本地振荡器的定时值的方法，包括：

对于由外部参考信号驯服的设备的本地的振荡器，在该振荡器被锁定到该外部参考信号的持续时间：

确定校正信号，其是该外部参考信号的函数并用于驯服该振荡器；

对该校正信号取样；

存储该校正信号的样本；

对于该振荡器的至少一个数学模型，在该振荡器被锁定到该外部参考信号的持续时间：

至少基于该校正信号，不包括该校正信号的样本，来训练该至少一个数学模型；

在该振荡器被锁定到该外部参考信号的规定的持续时间之后；

确定由所述至少一个数学模型预测的校正信号；

确定该预测的校正信号与该校正信号的样本之间的差值，以产生频率误差，该频率误差表示如果该预测的校正信号用于驯服该振荡器中的漂移时将会产生的误差；

随时间对该频率误差进行积分以产生时间误差，该时间误差表示如果该预测的校正信号用于驯服该振荡器中的漂移时将会产生的误差；

输出该时间误差。

2.根据权利要求1所述的方法，进一步包括：

确定该时间误差是否小于在该规定的持续时间能允许的时间误差的门限值。

3.根据权利要求2所述的方法，进一步包括：

在该规定的持续时间之后以给定的间隔周期性地更新该频率误差、时间误差以及该时间误差是否小于所述门限值。

4.根据权利要求2所述的方法，其中确定频率误差、时间误差和该时间误差是否小于能允许的时间误差的门限值包括：

在一段小于该规定的持续时间的持续时间之后确定该频率误差、该时间误差和该时间误差是否小于能允许的时间误差的门限值。

5.根据权利要求3所述的方法，其中周期性地更新频率误差、时间误差和该时间误差是否小于所述门限值包括：

如果振荡器被锁定到外部参考信号的持续时间变得大于该规定的持续时间，则对于等于或者大于该规定的持续时间的移动时间窗口，更新该频率误差、时间误差和该时间误差是否小于所述门限值。

6.根据权利要求1至5中任一权利要求所述的方法，进一步包括：

对于该至少一个数学模型中的两个或者更多个数学模型；

确定哪个数学模型产生时间误差，如果该模型用于驯服该振荡器将得到最小的时间误差。

7.根据权利要求6所述的方法，其中确定哪个数学模型产生时间误差，如果该模型用于驯服该振荡器将得到最小的时间误差包括：

对于每个数学模型比较所确定的时间误差；以及

选择具有最小累积时间误差的数学模型，该最小累积时间误差小于能允许的时间误差的门限值。

8.根据权利要求6所述的方法，进一步包括：

对于将得到最小时间误差的数学模型，当该外部参考信号不可用时将该数学模型选择作为校正信号来驯服该振荡器。

9.根据权利要求8所述的方法，进一步包括：

将被选择为在特定的持续时间具有最小时间误差的该数学模型的标识保存该规定的持续时间；以及

在该规定的持续时间之后将被选择为在每个间隔具有最小时间误差的数学模型的标识保存至少一个间隔。

10.根据权利要求9所述的方法，进一步包括：

保存与所述标识的数学模型相关联的数学模型参数。

11.根据权利要求10所述的方法，进一步包括：

在该规定的持续时间之后的每个间隔，针对每个数学模型在那个间隔输出时间误差；以及

针对每个数学模型在那个间隔输出与所述标识的数学模型相关联的数学模型参数。

12.根据权利要求1至5中任一权利要求所述的方法，其中当锁定到该外部参考信号时对该校正信号进行取样包括以小于该校正信号的速率的速率对该校正信号进行取样。

13.根据权利要求7所述的方法，进一步包括：

在该规定的持续时间结束时使用选择的被确定为具有最小时间误差的数学模型来尽早地驯服该振荡器，而无需附加的测试周期来测试该选择的数学模型。

14.根据权利要求1至5中任一权利要求所述的方法，进一步包括：

如果确定该至少一个数学模型中没有一个小于能允许的时间误差的门限值，则为每个数学模型确定持续时间，在该持续时间内该数学模型不超过该门限值。

15.根据权利要求14所述的方法，进一步包括：

选择在超过该门限值之前具有最长持续时间的数学模型；

当该外部参考信号至少在所述选择的数学模型不超过该门限值的持续时间不可用时，利用所述选择的数学模型作为校正信号来驯服该振荡器。

16.一种用于驯服本地振荡器的定时值的方法，包括：

对于由外部参考信号驯服的设备的本地的振荡器，当锁定到该外部参考信号时：

训练该振荡器的至少两个数学模型，以至少部分地基于作为该外部参考信号的函数和用于驯服该振荡器中的漂移的校正信号来确定对于每个数学模型的预测的校正信号；

当该外部参考信号不可用时选择该至少两个数学模型中的具有最小时间误差的数学模型来驯服该振荡器中的漂移；

利用该校正信号的取样型式来测试选择的数学模型，使得能够在不需要除了用于训练时段之外的附加的测试时段的情况下来使用所述选择的数学模型。

17.一种用于驯服本地振荡器的定时值的设备，包括：

接收器，用于接收外部参考信号；

本地振荡器LO，其被配置用于产生包括下述中的至少一个的第一信号：定时信息；频率信息；相位信息；及其组合；

控制回路滤波器，用于产生作为该外部参考信号的函数和用于驯服该LO的校正信号；

样本数据缓冲器，用于存储该校正信号的样本、来自该外部参考信号的定时信息、和温度信息；

至少一个LO数学模型，其被配置用于接收该校正信号、来自该外部参考信号的定时信息、和温度信息，该至少一个数学模型的每一个被配置用于产生预测的校正信号；

时间间隔误差检验器TIEC，其被配置用于：

对于每个数学模型：

确定预测的校正信号和该校正信号的样本之间的差值，以产生频率误差，该频率误差表示如果该预测的校正信号用于驯服该振荡器中的漂移时将会产生的误差；

随时间对该频率误差进行积分以产生时间误差，该时间误差表示如果该预测的校正信号用于驯服该振荡器中的漂移时将会产生的误差；

选择具有最小时间误差的数学模型；

数模控制DAC选择器，其被配置用于接收从控制回路滤波器输出的校正信号和来自于TIEC的作为选择的数学模型的函数的校正信号；

DAC，其被配置用于接收来自于DAC选择器的输出并向该LO提供信号；

其中当外部参考信号可用时，DAC控制选择器向DAC提供控制信号，使得该振荡器被驯服为外部参考信号的函数，训练该至少一个数学模型来产生预测的校正信号，该TIEC在规定的持续时间之后确定时间误差，并在特定的持续时间之后以给定的间隔周期性地更新该时间误差。

18.根据权利要求17所述的设备，其中该LO是恒温晶体振荡器。

19.根据权利要求17或18所述的设备，其中该至少一个数学模型是递归最小二乘法拟合模型。

20.根据权利要求17中任一权利要求所述的设备，其中该至少一个数学模型是下述中的至少一个：

包括温度和老化相关参数的模型；

包括温度相关参数的模型；

包括常量值的模型；以及

包括被选择为在之前给定的间隔内具有最小时间误差的模型的参数的模型。