CN102265549A - 网络时间同步系统 - Google Patents

Abstract

本发明公开了一种从跟随者系统到参考系统的同步定时的方法和装置。应用层级CFF函数(“HCFF”)到校正因子函数类型(“CFFs”)集合或其他HCFF集合。每种类型CFF使用相同的针对该类型特定的输入数据并且针对每个CFF产生至少一个校正因子函数(“CFS”)。其中，该CFS仅仅由CF组成，或者CFS由i)CF和ii)SACF组成。该HCFF将CFS的集合作为输入并且产生至少一个CFS，其中该CFS仅由CF组成，或者该CFS由i)CF和ii)SACF组成。

Description

网络时间同步系统

本发明的背景技术

本申请要求2008年9月22日提交、申请号为61/1928046的临时申请的权益，通过参考将该临时申请并入到本申请中。

技术领域

本发明涉及通过具有一个或多个时间参考节点的网络的时间同步系统；尤其是涉及一种通过到多个从属网络节点的多个链路以提供精确时间参考的系统。

背景技术

计算机之间的时钟同步在星球表面、之上或内部都会受到影响，确切地说，在宇宙内的任何地方都深受影响。时钟同步包括针对频率、相位和时刻的时钟同步。

许多现有的协议/方法及其实施都涉及时钟同步领域。例如，网络时间协议(Network Time Protocol，NTP)，全球定位系统(Global PositioningSystem，GPS)协议以及精确时间协议(IEEE(1588))都是公开的时间协议。NTP设置时钟层面的层级系统，该系统中的最高级是类似原子时钟或GPS时钟的设备，并且使用时间戳来达到同步。NTP本身并不设置特定的方法以达到同步。NTP的可操作模型可以在例如请求注释方案(Request ForComments，RFC)778，NTPv4和简单网络时间协议(SNTP，Simple NetworkTime Protocol)等其他协议中找到。

除了在主时钟和从时钟之间来回发送信息外，该GPS协议使用GPS系统来调整主时钟和从时钟。通过这样做，该GPS协议可以避免使用非常复杂的同步算法。

在电气与电子工程师协会(Institute of Electrical and ElectronicsEngineers，IEEE)1588协议中，主时钟向从时钟发送标记时间的数据包，从时钟向主时钟返回另一个标记时间的数据包。两个包的传播延迟被视为是恒定的，并且该传播延迟可以被确定并且使用该传播延迟可以计算两个时钟的相位差。然后主时钟向从时钟发送同步消息，然后从时钟可以与主时钟的信息同步。

美国专利6,373,834的实现与IEEE 1588类似。为了确定同步调整值，一个时钟向另一个时钟发送消息，另一个时钟然后向该第一个时钟返回响应消息。该两个消息包括时间信息。因此，美国专利6,373,834公开的系统也可以认为是双向同步方法。

美国专利6,438,702公开了一种类似于IEEE1588和美国专利6,313,834的方法。用户设备的时钟向网络时间服务器发送时间服务请求。该服务器通过向客户设备的时钟返回操作、管理和维护信息进行响应。这样的信息很快会返回给服务器，并且利用该消息能计算数据包延迟时间以及同步客户设备的时钟。因此，美国专利6,313,834公开的方法也可以认为是双向同步方法。

美国专利申请公开文本2007/0260906试图克服原始IEEE1588协议的一些缺陷。该文本公开了一种理念，即由于时钟之间的相位偏移，IEEE1588的极限周期具有固有的不准确性。例如，如果主时钟和从时钟在相同的频率运行，但具有180度的相位差，两个时钟会被视为同步。进一步地，由于同步信息的交替发生并不是很频繁，大量的时钟周期随着时钟不同步时也得以传递。通过在主时钟和从时钟之间添加大量的控制器和累加器，以便跟踪两个时钟间的差值，并且在合适的时间点上以更高精度同步该两个时钟可以克服这个问题。美国专利申请2007/0260906公开的方法也可以认为是单向同步方法。

在参考IEEE1588，美国专利6,373,834以及美国专利6,438,702，美国专利申请2007/0260906中公开的技术仅仅在接近于理想情形下实现良好，该理想情形是存在最小的传播延迟偏差并且该偏差在双向上是对称的。在现实世界中，特别是网络流量高时，数据包必须在中间节点等待可用时间间隙。这种等待是在数据包传输中产生传播延迟的主要原因，并且这种等待的耗费时间长且具有随机性，以致延迟偏差很大，并且比时钟之间的相位差要高几个数量级。因此，这种延迟是恒定且对称的假设会导致不精确的同步。综述，在网络流量高时，这些现有技术人员公开的任何协议或算法都不能有效地用于同步时钟。

由Yamashita et al.发明并且在“Proceedings of the 18^th InternationalConference on Distributed Computing Systems，26-29 May，1998，Amsterdam”公开的具有精确的频率同步振荡器的计算机时钟的时间同步的统计方法(AStatistical Method for Time Synchronization of Computer Clocks with PreciselyFrequency-synchronized Oscillators)揭示了一种方法，该方法考虑传播延迟偏差并且使用一种统计方法以解决该问题。通过收集大量标记时间的数据包，该公开的算法估算传播延迟的平均值，并且计算该测量的时间偏移的置信区间。这些统计方法可以用于估算平均传播延迟，然后该平均传播延迟可以用于调整时钟。当平均值在收集的置信区间集合间变化很大时，使用一种统计方法能预测到网络流量很高并且该方法遵循用于同步的不同时间。这种统计方法的有效性有限，特别是考虑到传播延迟的等级要比相位差的等级高几个数量级。结果，小的估算误差会在同步中产生误差。

美国专利申请公开文本2008/0080567提供了一种网络中同步时钟的双向方法。该方法并不要求从时钟向主时钟返回消息。相反，从时钟选择具有特定标准的标记时间的数据包的多个连续区间，以致每个区间具有相同或类似的传播延迟，也就是说，这有最小传播延迟偏差或没有传播延迟偏差。通过使用这些区间，能精确地估算频率偏差。

尽管，现有技术人员作了大量努力，但在时间同步方法的技术领域中，仍然需要一种设备、系统和协议能在真实的网络承载情形下低成本地、快速地和精确地同步时钟。

发明内容

一方面，本发明提供了一种从跟随者系统到参考系统的同步定时的方法和装置。该方法包括：应用层级CFF函数(“HCFF”)到校正因子函数类型(“CFFs”)集合或其他HCFF集合。每种类型CFF使用相同的针对该类型特定的输入数据并且针对每个CFF产生至少一个校正因子函数(“CFS”)，其中，该CFS仅仅包括CF，或者CFS包括i)CF和ii)SACF。该HCFF将CFS的集合作为输入并且产生至少一个CFS，其中该CFS仅仅由CF组成，或者该CFS由i)CF和ii)SACF组成。其后，使用所述CFS进行定时同步。

另一方面，本发明提供了测量环境条件(“EC”)的方法和装置。测量环境条件的系统的示例性实施例包括一种传输消息设备(“TxSensor”)，该传输消息包括该消息的离开时间戳。当传输该消息时，该时间戳是计时器的读取值。该计时器具有足够的位阶以防止传输时间之间的缠绕。并本地振荡器提供时钟，该震荡器的频率主要由于测量的环境条件来进行波动。还包括一种设备(“RxBase”)，其接收该标记时间的消息以及对具有高稳定性时钟的所述消息的到达时间进行标记时间。当接收到该数据包时，这个第二时间戳是由高稳定性时钟驱动的计时器的读取值。此外，该计时器具有足够的位阶以防止接收事件之间的交叠。该装置用以确定该TxSensor和该RxBase之间的频率偏移。此外，该装置通过解析本领域技术人员公知的频率偏移以提取该EC，例如，该频率取决于设备制造商提供的自激振荡器的温度特性。

再一方面，本发明提供了一种校正自激振荡器频率的方法和装置。该方法包括以足足以捕捉可测量的能确定频率更改的采样率对环境条件(“EC”)(例如温度)进行采样。对应于环境条件的内插值CF(EC)从CF(EEC(k-1))和CF(EEC(k))对EC进行采样。计算CF(EEC(k))。CF(EEC(k-1))和CF(EEC(k))是作为等同环境条件EEC(ECOCA)索引的校正因子CF的多维阵列的元素。EEC(k-1)是在ECOCA阵列中最近的索引，其小于EC。EEC(k)是在ECOCA阵列中最近的索引，其大于EC。t(n)是EC的测量值的时间值。还包括应用该CF(EC)校正值到振荡器。

在一个实施例中，本发明针对网络计算机提供了高精度同步。传播延迟的精确测量在计算机位置为揭示这种变化，特别是具有在现有住宅内的无线连接。由于位置的改变、传播路径的改变或传播通道性能的改变会导致传播延迟改变。受外太空物理性能影响的传播路径发生改变，或由于物体穿过传播路径，干涉发生改变，这些创建了通信路径改变的模式，该通信路径包括部分地球同步计算机网格。同步数据点的长期平均化运算能提取受噪音掩蔽的信号。当被观测到时，地球几何体、温度或其他条件的微小变化都能被计算，被绘制以及在物体通过计算机通信路径时通过创建的传播延迟识别。

在另一方面，本发明提供了一种装置、系统和方法，其能实现针对允许同步方法、协议的开放和优化的网络仿真的方法步骤。用以此目的的装置的一个示例性实施例包括高稳定性的频率振荡器。逻辑单元，其配置成执行运行定时同步协议(“TSP”)的至少一个定时参考节点(“主”)的函数。该装置对TSP数据包标记时间。它提供传播延迟数值(“PD”)的序列，该传播延迟数值序列与由针对仿真的网络配置的TSP数据包经历的PD等同。该装置更改由每一主节点产生的TSP数据包的所述时间戳。这种更改是PD的加法和减法，该PD与在每一参考节点和待检测的设备之间的传播路径相关。

本发明的另一方面提供了一种装置、系统和方法，其能实现针对双方向的具有相同消息结构的定时同步的通信协议。通常而言，该方法包括从两个节点之间的通信路径的末端端点发送i)到达时间戳A(n)以及从相对端接收的协议数据包的相关的序列ID；ii)先前传输的数据包的离开时间戳信息D(n)；以及iii)离开序列ID。

本发明的实施例具有如下优势：当满足通信行业严格的50ppb准确性要求时，在网络传播的真实水平下能获取通过PSN的同步信息。本发明的解集能轻易地编译到任何处理器或FPGA芯片中，这些处理器或芯片能提供时间戳，并且通常存在于大多数的通信硬件中。针对传统系统能显著地降低升级成本和升级时间。

另外一些实施例能为实际上连接到数字网路提供低成本和普遍存在的精确定时同步。这与现有技术形成鲜明的对比，在现有技术中，仅仅通过昂贵的基于硬件的系统才能达到，并且这抑制了要求精确定时的低成本技术的优势。

本发明的实施例还能适用于通信领域中的那些同步以外的问题。例如，这样的实施例能解决现有系统的问题，即较差的信息信号淹没的混乱的噪声中。这些应用包括在外太空开发中使用的射电望远镜天线阵列的同步。本发明的特定实施例有利于全球气候监控感应器的信息交换。本发明的实施例有利于在自动工业制造方法中的感应器网络和致动器定时的数据融合。甚至本发明实施例的部分应用能解决在存货控制系统中出现的跟踪和定位问题。

在此明确列出的优势不应被解释为本发明实施例提供的详尽的优势列表。在阅读完在此的公开文本后，其他优势会变得明显。

附图说明

通过参考优选的实施例和随附附图的随后的详细描述，可以更完全地理解本发明，并且本发明的进一步地优势可以变得很明显，其中，

图1是描述在低网络承载情形下传播延迟密度波动的曲线图；

图2是描述在低高络承载情形下传播延迟的曲线图；

图3是描述从三重线的斜率的提取和它们相对时钟切换产生的倾斜度的关系的曲线图；

图11是根据本发明示例性的实施例的用于开发代码的仿真系统的架构的示意图；

图17是描述本发明示例性的实施例的最小值dDA＝在LW和RW窗口内的dRS，R对的曲线图；

图19是描述发明示例性的实施例的针对层级方法的实施例的函数架构的方框图，该层级进程用以从本地或远端收集的根据本发明时间戳的的计算FCF。

图20是描述发明示例性的实施例提供的图19中展示的架构的最低限度的实施的方块图；

图20a是描述发明示例性的实施例提供的图19中展示的架构实施的方块图；

图21是描述发明示例性的实施例提供的针对F算法的平行子系统(内部层级)的方块图；

图23是描述本发明的通过斜率和倾斜带计算最高的事件密度区域选择的示例性的实施例的曲线图；

图25是描述根据本发明的Duet F算法的示例性实施例的流程图；

图27是描述根据本发明的单向相位进程的示例性实施例的流程图；

图29是描述根据本发明的计算往返传播延迟的示例性实施例的曲线图；

图30是描述根据本发明的预测的往返消息的示例性实施例的曲线图；

图31是描述根据本发明的通过多个交换器网络的数据包流的表示的曲线图；

图32是描述根据本发明的数据包流通过具有与时间戳不同步的中间交换器的网络的曲线图；

图33是描述根据本发明的选择最小传播延迟的曲线图；

图36是描述根据本发明的通过峰值密度窗口方法提取的斜率选择的示例性的实施例的曲线图；

图38是描述根据本发明的在网络元素之间弹性的计算分布的示例性实施例的曲线图；

图39是描述根据本发明的针对不具有时间戳(SaTop)的CBR流量的应用的示例性实施例的方块图；

图40是描述根据本发明的针对已定位的多个NCOs的到达时间戳的示例性实施例的曲线图；

图41和图42是描述根据本发明的将主节点和PDV发生器折叠到一个箱子中的检测系统的示例性的实施例的方块图；

图44是描述根据本发明的针对老式交换器移除协议部署的PDV的示例性实施例的方块图；

图48是描述根据本发明的用在双位阶时钟中的高稳定性振荡器方法的示例性实施例的方块图；

图49是描述根据本发明的物理时钟控制方法的示例性实施例的方块图；

图50是描述根据本发明的虚拟时钟控制方法的示例性实施例的方块图；

图51是描述根据本发明的对受控振荡器和动态受控振荡器进行平均的双位阶时钟控制方法的示例性实施例的方块图；

图52是描述根据本发明的具有高稳定性位阶和高动态位阶的双位阶时钟控制的示例性实施例的流程图；

图53是描述根据本发明的受平均化函数控制的物理NCO的示例性实施例的流程图；

图54是描述根据本发明的针对PNTP的典型的可能的网络拓扑结构的方块图；

图55是描述根据本发明的针对PNTP的更复杂的网络和链路拓扑结构示例性实施例的方块图；

图56是描述根据本发明的PNTP性能描述的示例性实施例的方块图；

图57是使用NTTE技术构建的PDV文件的仿真结果的曲线图。

具体实施方式

术语集

以下这些在整个说明书和权利要求书中使用的术语具有以下的含义：

A(n)：＝An＝到达时间戳n。当到达从属节点或附属节点时，等同于符号Sn。

绝对校正因子：自激振荡器的校正因子，是接近1的数字。

AE：用以选择恒定的传播延迟偏差(PDV)事件的可接受的误差区间。

AT0：用十亿分之几(Parts Per Billion，ppB)(是临近0的值)表示的可接受的阈值。用于选择有效的Teons和相关的CFn。它是考虑到量化误差、PDV状态和链路负载的同步所要求的特定精度的倍数。例如：如果同步要求精度是10ppB，链路负载是99％，AT0能确定为10*((K/1％)+2)＝120，其中，K＝10。

在其他实施例中，AT0与SACF反比例波动，例如，AT0＝10*(Max_SACF-SACF)。

AT₀：用于CF预选的、用ppB(临近0)表示的可接受的阈值。

AT1：表示为比例AT1(临近1)的可接受的阈值，该比例AT1＝1+AT0/100000000。

AT₁：表示为商约等于1的的系数的用于CF预选的可接受阈值。

CE：通信事件。在发送节点和接收节点之间的传播，其中，离开时间和到达时间由具有本地时间参考的测量值确定。

CF：--校正因子(Correction Factor)-- 由组成同步方法的不同函数提供的解集。表示由该变量和CF的相乘所产生的特定变量的相对变化。该变量可以是频率(FCF)，协调世界时间(Coordinated Universal Time，UTC)(UTC_CF)，相位(PCF)，斜率(SCF)。CF可以用该偏差CF-1的临近1的或临近0的相对数值表示。例如，频率校正因子CF可表示改变该NCOupd的程度，该NCOupd是该FROF的校正因子。该等式可以是CF[1]*NCOupd[1]*free_running_frequency＝updated_frequency。CF可以以ppB表示，其等于CF[0]，或者表示为临近1的比例CF[1]。

CF[0]/1000000000+1＝CF[1]。

CFn：由VTs产生的校正因子。在同步更新间隔(SUI)期间产生的CFn总量和最终的SACFn共同产生原始解集。

校正因子函数(Correction Factor Function)产生解集CFS。输入是不同的。层1CFF函数将时间戳对(TSP)作为输入。上层的CFF函数(也可称分级CFF(HCFF))将多个CFs作为输入。

CFF：也可以基于解集的类型将CFF进行分类(参见CF)。

CFF性能可通过一组状态参数来控制，该状态参数对于每种类型的解集是特定的。

CFS的复数是CFFs。

CFS：--校正因子函数-- 校正因子函数的矢量解集。一个实施例使用CFS＝(CF，SACF)。另一个实施例使用CFS＝(CF)。

CFS的复数是CFSs。

D(n)：＝Dn＝事件n的离开时间，当离开节点是参考节点或是主节点时，等同于符号Sn或Mn。

E(X)：变量X的平均值。

EC：环境条件。例如影响振荡器的自激频率的温度和电压等物理条件。

ECOCA：--环境条件偏移系数阵列--ECOCA是表示在该环境条件下的具有特别提到的数值下，根据理想频率计算的自激本地振荡器的漂移量的表格，其中该环境条件(例如温度)是表格中的搜索关键字。

EEC：等同的环境条件。在ECOCA中作为索引使用。可以是具有一个或多个变量的集合，因此ECOCA是一维或多维阵列。该索引的粒度取决于测量值的精度、可用的内存空间和波动的覆盖范围。

EET：等同的环境温度。

EV(扩展的区间)：该区间利用通常与该SV区间相等或是其一部分的一个区间来扩展到该解集区间(Solution Vicinity，SV)的右侧或是左侧。

PCF：频率校正因子(Frequency Correction Factor)。

FCF_SACF：--频率校正自估置信因子-- 这是根据本发明的方法产生的最终结果。

Feon：Teons的子集，其中关系式相对于F函数是特定的。

FLR：跟随者(follower)。

从属端口(Follower port)：时间同步端口。

频率特性(Frequency Characteristic)：振荡器的频率特性(frequencycharacteristic of an oscillator，OFC)可以是定义为(CF，EC)的矢量的集合，其中，CF＝(理想的同步频率)/(在目前的EC下以紧密相关性测量的振荡器频率)，其中，紧密相关性是从技术上和合理可行性上尽可能的接近，并且其中EC是为该特性所考虑到的环境条件。一些OFC在二维(2D)图表中仅仅展示温度相关性，另一些OFC通过关联向量的表示将温度和电压关联表示为3D表面。

FROF：自激振荡器的频率(Free Running Oscillator Frequency)。

函数层(Functional Layer，FL)：采用相同输入并提供相同输出的函数的集合。

HHC：高置信度校正(High confidence correction)-同步方法自估，即本地振荡器的当前的比例校正用在升级EOCT方面已经足够精确。

向内方向(Inbound)：朝向时间参考节点的方向。向外方向为相反的方向。

进入(Ingress)：进入该参考节点的方向。与离开方向相反。

主节点(Master Node)(也可与术语“服务器”和术语“参考点”交换使用)：该节点具有精确的时间参考并且与从属节点交换定时的事件。

MAX_SACF：标准化的最大值。在一个优选实施例中，该值是16并且仅用于缩放到相同的数值范围以比较。

min_dist：在链路的相同末端产生的时间戳之间的最小时间间隔或序列ID间隔，其中，该时间戳进一步用在同步方法中。

NCOupd：表示相对校正的标准化解集，需要该相对校正以调整本地自激振荡器以便匹配精确参考值。如果NCOupd表示为因子，并在临近1的窄区间内取值，则可以将它表示为：NCOupd[1]＝1+NCOupd[0]，其中NCOupd[0]用ppB表示，并且位于临近0的窄区间内。

OCXO：定温受控振荡器(Oven controlled oscillator)。

PDV：传播延迟偏差(Propagation delay variaion)，其等于事件在离开端口和到达端口之间经过的传送时间的波动。

Peons：Teons的子集，其中，关系式R_k相对于相位函数是特定的。

进程(Process)：根据时间戳数据，确定待同步的(F，P，UTC)的时间参数的校正值的方法。

PUC：在同步更新间隔(SUI)中同步定时的校正值之间的样本数量，其中，同步方法在其校正计算中使用该同步更新间隔。(可以是固定变量)

参考定时：由其他节点使用的用于同步的精确和稳定的时间源。

原始解集：在SUI中确定的任意CFn或(CFn，SACFn)。CF可以多种类型中的一个：频率FCF、频率NCO、斜率、相位、UTC。

相对校正(Relaive Correction)：相对于最新的绝对校正的相对校正。

SACF：自估置信因子(Self Accessed Confidence Factor)是一种自我感知计算结果准确性的测量方法。它提供了一种针对用于相关CF解集的丢弃阈值或作为用以求多个CF的平均值的权重的比较测量方法。它并不强制用于同步方法。一些版本可以处理SACF的计算并且可选地与丢弃阈值方法共同执行平面的平均值计算。该SACF通常可进行标准化。

SACFkHT：SACFk_hierarchical_threshold是一个限度，低于该限度时，上分级层将丢弃关联的解集CFSK。

在一个实施例中，SACFk_hierarchical_threshold＝min_HT_Max_SACF/8＝2，其中，min_HT是由HCFF使用的最小阈值。

SACF_n：原始自估置信因子。该因子表示原始CFn待校正的可能性。该因子添加到包含CFn的值的直方图的二进制文件中。一些实施例并不产生SACF_n，在这种情况下，覆盖CFn范围的每一个二进制文件都将使其内容递增1。

集合(Set)：本文中的集合可以解释为与数学上定义的集合相同。

从(Slave)：使用协议从主节点获取消息并且与本地时间同步的节点。基于本文档的目的，该术语“从(Slave)”可与术语客户端(Client)和跟随者(Follower)互换。

斜率(Slope)：相位误差累加的角度的正切函数等于(D(n)-A(n))/A(n)(212，图23)。

解集的CFn区间：在几个SUI周期中过去所产生的CFn。

平滑化(Smoothing)：应用无限脉冲响应(Infinite Impulse Response，IIR)过滤或是长期平均。

一些实施例使用自适应平滑，其中，深度取决于SACF。例如：SUM_NCOupd＝(SUM_NCOupd-(SACF+1-Max_SACF)*SUM_NCOupd/2^k+SACF*NCOupd)/(Max_SACF)。

Smoothed_NCOupd＝SUM_NCOupd/2^k。

SoD：距离的和值(Sum of distances)，是集合中一个点和其他所有点之间的所有距离的最小值。

ST：选择阈值(Selection threshold)用于选择具有大于二维的有效的Teons。

SV：解集区间(Solution vicinity)等于该CFn直方图(SV)的密度最大的峰值的区域中的一个区间，该直方图包括计算落入到二进制文件范围中的原始校正因子CFn_bin的SACF_n_bin的和值的二进制文件。使用相关bin_SACF加权过的该bin_CF索引的平均值会产生该CF解集；参见图36的3601。其中，每一个原始解集具有SACF＝ATx-ATx_SACFn，并且x取值为0或1。一个优选的实施例使用的SV等于40个二进制文件，这些二进制文件可以得到1/4ppB的最小宽度值。另一个优选的实施例能使用的SV等于80个二进制文件。

SUI：同步更新间隔(Synchronization update interval)是自激振荡器的频率的由该同步方法执行的两个连续的校正值之间的间隔。在这个区间中，补偿对自激振荡器产生EC影响的其他校正是允许的并且是可能的。同步更新间隔可以定义为时间间隔或以接收的TSP数量定义。同步更新间隔可以是固定数值或是变量。如果是变量，当系统累加足够的CFn原始解集时，可以终止该同步更新间隔周期，其中，累加数值例如是8。

同步端口：时间从属设备，其使用协议、算法和本地参考时钟从网络与参考定时源同步。

TSP：时间同步协议。例如IEEE1588，NTP，PNTP。

T_SACF：温度稳定性自估置信因子。

T_SACF：温度自估置信因子。

t1：从时间参考节点的离开时间戳。

t2：到从属节点的到达时间戳。

t3：从从属节点的离开时间戳。

t4：到参考节点的到达时间戳。

Teon维度：Teon组中TSP的数量。

Teon：在同步更新间隔中n个以任意顺序收集的时间戳元素TS1...TSn的组S。Teon的元素的数量确定Teon的维度。例如：本维的Teon具有三个时间戳。

每一个Teon能产生至少一个CFn。该Teon的维度越高，产生的解集也越多。

时间参考节点(Time reference node)：该节点具有类似于频率或UTC的精确时间参考，并且能提供具有由跟随者节点接收的已知离开时间的时间事件。

TS：时间戳。传播事件的离开本地时间和到达本地时间的时间对。例如：D(n)，A(n)。

X的临近区域(Vicinity of X)：包括元素X的有界区间。该区间的大小可以定义为该系统的函数参数。

TSP：时间戳对(Time stamp pair)(离开时间戳，到达时间戳)＝事件的(Dn，An)。该时间戳可以是显式的或是构建的。构建的时间戳的示例如下：如果电路仿真设备能确保稳定的分包时间，通过PSN的CBR T1服务根据有效负载可以构建离开时间。

VT：有效的Teon。Teon产生有效的原始CFn解集，该解集可进一步用于确定最终的CFS解集的过程。有效的N维Teon(Neon)是具有如下性能的Teon：N个元素中的每一个满足关系式的集合，并且每一个TS1直接用于产生满足关系式R[1]...R[m]的集合的CFn解集。示例：N等于4的命名为Quatron的Teon具有元素TS1...TS4并且产生最少三个CFn解集。第一，该TSk需要与其他元素处于最小距离，k＝1，2，3，4。使用通信关系式R[1]，至少具有CFn(1，2).R[1].CFn(2，3)，CFn(2，3)R[1].CFn(3，4)。任何其他区间的结合，例如{CFn(1，4).R[1].CF(3，4)，CFn(2，3)R[1].CFn(3，4)}或{CFn(3，4).R[1].CF(1，3)，CFn(2，3)R[1].CFn(1，4)}，足够使该teon和有效的原始解集有效。针对本文的时间同步应用，R通常是对称的：TS1.R[k].TS2＝TS2.R[k].TS21并且不是过渡性质的。在本文中，符号x.R.y表示x与y之间具有关系R。另外，CFn(x，y)＝CFn(y，x)。

根据本发明，示例性的实施例包括用于定时同步的系统方案，该定时同步方案包括既能i)独立用作现有系统的元素，也能ii)综合用作整体端到端的方案的技术的集合。

网络定时同步的应用

本系统允许基于因特网的精确定时分布，这种精确定时分布能够以较小的成本取得和GPS相同或是更好的精度，并且具有更好的可靠性以及能降低对生态的影响。为了需要高精度同步的传统系统(从蜂窝网络到射电望远镜阵列)的利益，高精度时钟和一天中的时刻通过几乎任何网络随时可用，并且为很多不可预见的和新颖的应用打开了大门。

另一些直接应用包括手机发射塔、蜂窝型基站和移动电话同步，通过PSN的同步的T1/E1链路的传输以及需要能导致更高效地利用射频频谱和电池能量的准确的RF(Radio Frequency)的其他无线通信。通过SACF，该进程(Process)可以测量网络拥塞和服务质量。

安全应用

通过准确的传播延迟和表示环境条件的本地波动的PDV签名，本发明的方法可用来识别标记时间的消息的源位置。时间同步签名识别方法可用来检测网络的任何元素的位置以及标识。

本发明可用在高清晰度电视(high-definition TV，HDTV)、模拟视频带宽(Analog Video Bandwidth，AVB)和媒体广播质量传输中，以减少缓冲区大小、降低设备成本和减小能导致交互传输质量下降的传播延迟。检测最微小的热梯度的能力能进一步用于检测温度和像火灾或冰冻等的危险情形。本发明能用来监控房屋加热系统的效率和针对公共事业公司欺诈的存在。

操作监控：在相同的物理位置具有很多从节点的设备环境，异常温度改变能识别发生故障或危险条件。

精确定时是定位的必要元素。在时间上能精确同步的无线节点可以作为本地GPS系统使用。将清单移入或移出存储区可被精确地检测到。房屋安保系统能检测非法入侵和危险情形。

该运算方法可适用于所有类似的情形，即：作为传输的信息的相同性质的间歇性干扰能破坏该传输信息(在本文的情形下，这种信息是时间)。

可以理解的是，本发明可由各种硬件、软件、固件、特定用途的处理器或者其结合实现。在一个实施例中，本申请能在作为实际上是集成在程序存储设备上的应用程序的软件中实施。应用程序可以进行上传到包含合适架构的机器或由包含合适架构的机器执行。在此描述的各种进程和函数可以是i)微指令代码的一部分，或是ii)通过操作系统执行的应用程序的一部分(或者其结合)。此外，各种其他外围设备能连接到该计算机平台，例如额外的数据存储设备或打印设备。

进一步地，可以理解的是，由于在随附的附图中描述的组成系统的一些部件和方法步骤能在软件中实施，系统部件(或方法步骤)之间的实际连接根据本申请执行方式会有所不同。根据本文所提供的本发明的教导，相关领域技术人员将能够预期到本发明的这些和类似的实施或配置。

根据当前公开的本发明，示例性的示例提供同步系统、方法和装置，这些系统、方法和装置能无缝地以下方式使用：i)在此描述的方法理论，或者ii)标准协议。正如在此公开的，这些精确网络定时协议(PNTP)的示例性实施例中一些相对于参考节点或跟随者节点是完全对称的，并且这对所有端口几乎相同。这在某种程度上显著地简化这种实施。通过在时间戳的表示中使用较少的比特位，覆盖更多的函数条件和节点的转换且在管理和同步平面之间完全分开，针对相同的反馈信息只需要在网络中传输较少的数据包。

定时同步方法

根据本发明的示例性实施例部分地提供了系统、方法和装置，这些系统、方法和装置能处理与在参考节点和从属节点之间的传输事件相关的时间戳，并且确定获取本地振荡器的同步信息和一天中的本地时刻所需要的必要校正值。该方法的不同实施例具有一个或更多个独立地或联合地处理频率同步、相位同步和时刻同步的函数。为了更高的可靠性和精度，这些方法的实施例可使用多个精确时间参考节点。这些实施例使用自估机制以评价它们返回的解集的可信性，也就是精度。

根据本发明的示例性的实施例包括在实现同步时使用多个水平的(平行的)和垂直的(分级的)的方法。这些方法包括被称为Teon的事件的特定组合的分析。该Teon概念有助于从临时区间中的分析转换到在校正因子区间的分析，该校正因子空间是解集的区间。这种转换将一维时间轴转换为多维空间。寻求精确解集的这些实施例对照定义的标准或关系式的集合检测Teon。检测通过的视为有效的Teon，并且用于计算同步所需的校正值解集。每一个VT可产生至少一个解集。Teon的维度越高，可产生的解集越多。

根据本发明的一些示例性实施例在同步参数的确定中使用一种自我认知的方法。例如，在特定的时间，机会窗口会在末端节点之间打开，该末端节点允许数据包准原状(quasi-undisturbed)传播。这种数据包携带用于同步的最佳信息。然而，待克服的问题之一是：由于传播延迟持续波动，这种罕有的事件如何从噪声中被识别。该自我感知的功能根据外部操作条件，通过评估CFF的参数成功的可能性和选择能提供更高的可靠性的CFF的参数来调整CFF的参数，以便产生更好的解集。本发明的示范实施例包括几个独立的方法，这些方法能解决定时同步的三个因子中每一个，该三个因子是频率、相位和一天中的时刻(UTC)。

图19，20和20A描述了根据本发明的示例性的方法的功能方块图。这些方法可由根据本发明的系统、方法和装置来实施。该同步的方法解决了如下问题：传播延迟偏差(PDV)、不同的精确定时应用的相冲突的要求和保持稳定性。当调整i)频率，ii)相位，或iii)一天中的时刻时，这种相互依赖关系(频率是相位的导数)会导致不希望有的结果。要求频率同步的应用(例如家庭基站或基站)对于频率波动有更严格的限制，而对相位误差积累要求的相对宽松。与此相反，电路仿真(Circuit Emulation)或伪线(PseudoWire，PWE)函数通过最大时间间隔误差(MTIE)模板限制允许的最大相位误差，以保持数据的完整性。

根据本发明的实施例(如图19中的方法)能解决的相冲突的要求的示例是：当传播延迟发生显著变化时，提高PDV的下限并且通过算法可以测量到相位发生了跳变。一种以频率同步(锁定方法(如图20))为重点的方法对这种下限转换应该不作反应。然而，锁相方法(图20A)(通过在先入先出队列(FIFO)缓冲区维持恒定的水平达到保持数据的完整性的目的)试图通过以下方式补偿这种变化：i)通过突然重新调整锁相值(补偿传播延迟偏差)，或ii)通过逐渐吸收相位跳变的频率偏移。对于PWE应用，突然的传播延迟转换会影响数据缓冲级别，并且导致缓冲匮乏或溢出。为了维持数据的完整性，在频率方面的会校正数据缓冲级别的补偿应该足够平滑以符合标准的G.823模板。除频率调整外，其他无线应用要求UTC。在某种情况下，UTC在一定范围内的突然调整是适宜的。

示例性的同步方法是一种可扩展的决策(图19)层级结构，该决策层级结构包括标记为层1、2、3、4的4个处理层(图19，121、122、123、124)。正如图20中的函数框图2000所述描述的，最简便的实施是仅仅运行层1中的CFF。其他CFF在相同层内能以与水平方法相平行的方式添加，和/或以与垂直层相平行的方式进行求解集处理。再次参考图19，在层1上的每一个CFF(110，111)可以具有不同的函数关系，或者可以是相同函数(参见图21)而参数不同。在特定的网络条件下，每一个CFF能更好地匹配和提供更好的CF解集。相关的SACF会指示何时该CF是否可靠。最接近的上层会决定使用哪个CFS以及如何产生其自有的待传递到下一层级水平的CFS。层1到层4的每一层的输出界面通常相同，即由包括具有校正因子(CF)和针对该解集的自估置信因子(SACF的校正因子解集(CFS)组成。CFS＝(CF，SACF)。这个矢量传递到下一层级。这种到每一更高层的方法的形状像金字塔。信息在同步层级结构进行交换，该层级结构例如是相同层(作为频率和相位CFF之间的示例参见图20A)的平行CFF之间以及层1和层3之间。

一种更通用的实施方法的说明在示例2中描述(参见图19)。

层一(L1)从连接到参考定时节点的链路的入方向和出方向接收时间戳对(TSP)。该CFF方法可以是F，P，M和使用三种操作模式UTC，该三种操作模式是：单向控制、反单向和双向。CFF从事件的所有可能的组合或子集中提取CFn。然后CFF从该CFF集合中提取最终的CF。SACF可以是经过计算的。层2(L2)进程从链路的每一对单向CFS中选择最佳的解集。如果两个方向的SACF接近(例如在该数值的两倍以内)，则基于SACF计算该CF的加权平均值。L2针对每一个单向CFS产生一个CFS。

层3(L3)针对每一参考节点产生一个CFS。它视为输入到该CFS，该CFS来自于L2中的多个CFS，其中，从该链路到该参考节点间产生该多个CFS。通过求CFn的SACFn的加权平均值，类似地确定该解集，其中，n表示CFS解集。

层4(L4)从L3收集所有可用的CFS，并且针对最终解集计算加权平均值。可以存在多个层4的例程，该层4根据不同的时间合约使用参考定时的不同组合。

如果系统使用多个级联的物理或虚拟的振荡器(图49，50，51，52，53)，正如以下所表示的，可以在CFS上执行简便的额外处理。

图19的层级方法理论提供了频率同步和UTC同步。通常而言，在正常操作中，仅主动校正频率。UTC很少需要更新，UTC主要在启动时、在天文钟更新过程中以及重大故障后，才进行更新。通过步骤改变更新UTC与通过本地频率的改变间接更新进行对比，要考虑几种因素，例如偏移的量级和动态分布，该动态分布在UTC突然变陡峭和持续平滑之间有所不同。

可添加线性平滑层以使最终解集保持稳定性或特别是保持非线性函数的中间解集的稳定性。参见图19的125。

系统自适应结构

根据本发明，正如以前一些实施例所讨论的，在另一些示例性实施例中，如图19所描述的函数块或内部函数块参数可以通过根据本发明的系统、方法和装置所作的自我决定被移除或插入。在一些示例性实施例中能按照要求由每一发明预先配置。正如图20所描述并且根据本发明的最简洁实施方式可以仅仅包括层1函数块其中之一。这种简洁的实现方式能最终简化CFS并且仅仅提供不包含SACF的CF。根据本发明的同步方法的另一些示例性实施例，由于针对时间参考的主节点的链路条件变差(影响相关解集的质量)，层4(图19的124)可以动态添加或放弃使用来自一些参考节点R[n]的解集。

系统处理能力、响应时间和解集要求的精度决定平行的CFF例程的数量。CFF可相同，但使用不同的内部参数，或者使用针对最佳解集的优化的内部参数对相同CFF进行迭代处理。CFF调整内部函数参数作为通过周期、网络负载、PDV性能和范围被分析的解集的质量和稳定性。当产生频率和UTC解集并将其传送到高速信号线(High Way，HW)以改变本地振荡器的频率或计时器的值时，参数在迭代计算结束时更新或周期(同步更新间隔)结束时更新。

作为示例，在一个周期内，大量TPS被收集和处理。这个数量被称为程序更新计数器(PUC)。根据特定的应用要求，该数量可以是固定的，或者随算法波动，并且如果达到预期的结果(例如VT的最小数量)，它可以缩短周期。此外，同步方法可以根据网络条件和当前的计算资源调整其函数参数。例如，在PDV条件下，在通常的搜索PUC过程中，可能不会有足够的VT。既不终止周期也不得到可疑的解集，该算法会通过滑动收集TSPs的SUI间隔直到该算法识别最少的VT来扩展其周期。其他内部CFF参数随着同步的精度和稳定性(由系统自我评估)波动而改变。例如，负载过重的网络具有高的PDV，该PDV会产生很少的有效的Teon例程。有效Teon和无效的Teon之间的比例可以控制SACF，该SACF反过来会影响平滑的解集的平均深度。当该SACF增加时，平滑的深度降低以便为好的解集添加更好的权重并且促进更好的同步。并且，针对用在频率和斜率CFF的有效的Teon的选择标准缓和地上升到特定的饱和限制，以便维持最少的选择的例程。AT0与VT的数量呈反比例增加。更加严格的VT选择进程增加了精度并且缩小了允许消除异常的解集的CF的预期范围。在通电后，可以执行时钟的快速的且更复杂的近似值算法，针对有效的Teon可以使用更短的周期和更小的阈值。一旦校正值稳定在特定的与同步需要的精度成比例的区间中，可以得到该时钟状态，并且针对增长的精度，该周期时间能增加并作为灵活的持续周期的可选择的实施例。这样做的一种意义是能降低饱和度阈值Max_SaCATx，如以下表示，x＝0或1用来增加精度。另一种选择是存储最佳CF并且在通电时使用它以提供第一校正值。又一种使用高稳定性振荡器的方法提供十分精确的通电定时和保持定时。

在运行时，函数可以调整其方法。例如，从少量的有效的Teon找到频率CFS能更好地利用SoD函数，而对于大量的有效的Teon，直方图方法更合适。(例如，阈值可以是8)

进程的自我感知性能

该进程计算其在解集中产生的置信度。这种相关性由内部算法中间处理结果(例如有效和无效Teon的比例)、输入数据的性能(例如PDV的分布和范围)、解集的稳定性、内部自适应参数的值或其他因数来决定。自估置信因子(SACF)是自我感知的数字表示。对于相对比例而言，SACF在Max_SACF和0之间的范围内标准化。例如，少量的PDV的TSP事件相对于全部数量的TSP比例表示结果的置信度。围绕某一特定值，CFn的急剧集中也表示在该解集中的高度置信度。每一层可具有多个采取相同输入和使用不同方法提供相同类型的解集的函数，其中，该方法或多或少适合当前的网络条件。SACF表示哪个函数在特定的时间点上能提供最佳解集。针对所有CFS，SACF能在通常的数值范围内实现标准化，以允许使用标准因子进行比较。作为示例，标准数值可以是0到16之间的整数。基于描述的目的，SACF＝24*[(在临近区域的例程)/(在扩展的临近区域的例程)-1/3)]。

一些系统可决定不实施该SACF功能，在这些情况下，在该方程式中，等同于将所有SACF设置为1。

直方图平滑技术

由于在直方图级别上的PDV噪音，L1的空间解集平滑技术降低了CF相关误差。即使该方法不像平滑最终解集一样有效，一些声称非线性的系统仍然要使用这种方法。

在至少一个校正因子CFn处，由每一有效的Teon产生层1频率和斜率CFF。同步方法的最终频率CF解集相对于自激频率振荡器是直接的、绝对的校正因子(用ppB表示或临近1的比例值)，NCO～＝CF+NCOupd(由于紧邻1的变量的数值，近似成为可能)，其中，NCOupd(n)是当前标准化的校正因子，该校正因子在当前周期中应用到本地自激振荡器。因此，由VT产生的解集能表示为NCOn～＝CFn+NCOupd，并且创建针对NCOupd(n)数值的直方图。将针对NCOupd(n)的二进制文件的大小标准化到一个标准的区间，该区间在一个实施例的实例中可以等于1/4ppB。在二进制文件的中心或左边界，二进制文件可由NCOupd(n)数值识别。每个二进制文件的内容由该二进制文件内容过去的数值进行平均，该二进制文件的内容由与直方图相关的CFS的相关的过去的SACF进行加权。该平均值的深度可以是自适应的(adaptive_depth)。作为实例，adaptive_depth＝(AT0)＞2)，并且在128(adaptive_depth.LT 128)处饱和。通常而言，AT0＝2^k。可选地，并非要存储大量与adaptive_depth参数相等的过去的二进制文件，我们可以做IIR过滤并且针对每一个二进制文件使用一个SUM变量：SUM_NCOupd(n)＝[SUM_NCOupd(n)-(SACF+1-Max_SACF)*SUM_NCOupd(n)/2^k+SACF*NCOupd(n)]/(Max_SACF)。针对小的SACF，adaptive_depth增加，并且当SACF变大时，adaptive_depth降低。每一个SUM_NCOupd(n)需要和能改变Adaptive_Depth的因子相乘。如果这是大量的2次转换，一个时钟操作可以取代更复杂的除法和乘法操作。针对产生的每一二进制文件这种方法在两个实施例中重复使用，并且产生了平滑的直方图。正如在通常的直方图情形下，使用相同的窗口方法能从平滑的直方图计算得到解集。通过第一次将Slope转换为CF表达式，平滑的直方图可直接适用于从有效的Teons提取的Slope(n)的解集。相同的方法进一步应用于UTC CFS。直方图需要表示为绝对值而不是微分值。

线性L4的解集的平滑

通过使用取决于SACF的相同自适应深度机制可以过滤该最终的CF的解集，该SACF与应用到直方图的每个二进制或真正的IIR滤波器的SACF相同。(参见图19，125)

例如，假设NCO～＝CF+NCOupd，其中NCOupd是应用到同步振荡器的当前的校正值。SUM_NCOupd＝(SUM_NCOupd-(SACF+1-Max_SACF)*SUM_NCOupd/2^k+SACF*NCOupd)/(Max_SACF)。

针对小的SACF，adaptive_depth增加，并且当SACF变大时，adaptive_depth立即降低。每一个SUM_NCOup(n)需要与改变Adaptive_Depth的相同的因子相乘。The Smoothed_NCO的解集是SUM_NCOupd(n)/2^k。

Smoothed_NCO在双级振荡器中配置(图48，49，50，51，52，53中的4902)中能直接控制NCO2。而NCO1能与NCO-Smoothed_NCO的差值(图48，49，50，51，52，53中的4901)共同加载。

层1频率(F)单向进程

单向进程执行频率同步并且能维持相对相位锁定到一个由绝对传播延迟决定的未知的常量。

Teonic CFF

在一个实施例中，每一个CFF进程创建N维来自于可用的时间戳TSP的Teon(N可以是CFF之间的相同值或不同值)并且产生校正因子(CFn)。另一些实施例仅仅保存与由特定关系式识别的VT相关的有效CFn。两个实施例进一步确定最密集的CFn区间并且使用它提取CF的解集。其他实施例进一步将SACF确定为VT对全部Teon的比例。或者，另一实施例将SACF计算为全部Teons中表示CF解集被校正的可能性时的Teons数量配额。通常而言，VT必须发生，除非针对其有特别原因无需发生。这种发生的几率依赖于网络上的特定条件。该进程利用依赖于网络负载的PDV性能。当传播延迟是常量并且几乎和最小传播延迟相等时，特定窗口开启。由于异步网络设计成100％负载不会无限期地持续，因此，这种情况是有可能的。当所有中间节点不拥塞时，这个机会窗口出现了，其中，这种拥塞是一种与网络负载成反比例关系的特定的可能性。VT的TS并不需要在相同的常量传播延迟窗口。例如，如果VT的TS位于最小的由变量PD分开的传播延迟期间，该算法针对所有的TS能识别常量PD并且检索CF。当切换在一段时间内具有恒定的负载时，相似的常量传播延迟事件则会发生。较短时间的相对最小传播延迟是恒定传播延迟。大数定律表示通过大容量切换的几乎恒定的传播延迟路径的潜在可能性，其中，该切换条件可以被识别并用于CFS。当其他变化的延时事件具有其他覆盖大范围的延时数值的Teon时，最小传播延迟(或相对值，或绝对值)具有很高的密度或VT的集中度。参见图1和图2，图1中的分布的时间累加会导致图2的图形，其中图1在特定位置上并且在时间轴上转换且保持较长或较短时间的稳定。F进程在捕捉峰值密度(图35，36的3601，3603)的窗口中选择时间戳对。F和P两个单向进程并且在环回进程中从CF的同域选择最高密度区间。

有效的频率二重Teons需要满足由不等式定义的关系式

dD(x，y)dA(x，y)＝(D(x)-D(y))/(A(x)-A(y))＜AT1，其中，AT1位于1的临近区间中的可接受阈值，x和y是数据的ID号，假设在相同同步更新间隔(SUI)中，没有相同数据包ID的双重进程。

不失一般性，我们针对由时间戳：(D(x1)，A(x1))，....，(D(xn)，A(xn))组成的Ntuplet Teons使用索引x1，...xn，其中，这些时间戳针对任何k，j组合满足dA(xk，xi)＞min_distance。建立有效标准的关系式针对每一xk至少具有另一个xj时间戳，该时间戳满足不等式dD(xk，xj)/dA(xk，xi)＜AT1，其中每一k取从1到n的所有值，并且，j取从1到n的任意值，并且j与k不同。其他实施例可具有相似但更严格的条件，该条件要求所有的xk，xj组合满足该不等式。另外一些实施例可要求所有xk，xj组合的子集满足该不等式。AT1是自适应的。一个实施例可以考虑AT1＝1+((Max_ATI-1)*(K_VT/total_number_ValidTeons)。在这个实施例中，K_VT是等于10的常量，并且Max_AT1等于1.00000004的参数。Max_ATI能增加到该饱和值＝SaCMax_ATI＝256直到total_mmber_ValidTeons＞8。

使用在斜率CF解集中的有效的Duon需要满足不等式：

|(dA(x，y)-dD(x，y))/dA(x，y)|＝|((A(x)-A(y))-(D(x)-D(y))/(A(x)-A(y))|＜AT0//，其中，AT0是位于0的临近区间的可接受阈值，并且x和y是时间戳TSP ID号，假设在相同同步更新间隔(SUI)中，没有相同数据包ID的双重例程。

不失一般性，我们针对由时间戳：(D(x1)，A(x1))，....，(D(xn)，A(xn))组成的Ntuplet Teons使用索引x1，...xn，其中，该事件标记针对任何k，j组合满足dA(xk，xi)＞min_distance。建立有效标准的关系式针对每一xk至少具有另一个xj时间戳，该时间戳满足不等式|(dA(x，y)/dD(x，y))/(dA(x，y)|＜AT0，其中每一k取从1到n的所有值，并且，j取从1到n的任意值，并且j与k不同。其他实施例可具有相似但更严格的条件，该条件要求所有的xk，xj组合满足该不等式。另外一些实施例可要求所有xk，xj组合的子集以满足该不等式。AT0是自适应的。一个实施例可以考虑AT0＝((Max_AT0)*(K_VT/10 total_number_ValidTeons)。在这个实施例中，K_VT是等于10的常量，并且Max_AT0是等于0.00000004＝40ppB的参数。Max_AT0能增加到该饱和值＝Sat_Max_AT0＝256/lppB，直到total_mmber_ValidTeons＞8。

在密集的PDV下，会有很少的VT。此外，特别是由于恒定且持久的伪多普勒效应，存在很小的可能性导致VT失真。偏差的Teon会推导出错误的频率校正(失真校正)。通常这种失真会显著地脱离可接受的校正范围，以致它们在经过时钟后会被轻易地过滤。

使用Teon的进程能运行在变化的周期中，也能有固定的同步更新间隔持续周期，其中，一旦观察到特定数量的Teons，变化的周期能发送一个解集。能包含在SACF中的一个因子是全部的Teons中的VT数量所占的比例。

预先过滤

可通过仅保留与最小的PD范围的相关的时间戳对将标记时间的事件过滤。这能减少搜索远超过可接受的Teon的总开销。作为一个预先过滤进程的实例，该SUI分成不同的时间段(依赖标记时间事件的频率，该时间段可以是0.1秒的范围，也是例如包括8到16时间戳)。由于太大的区间会累加覆盖PD的切换误差，因此，区间的大小依赖于频率同步的精度。在每个时间段中确定绝对的PD最小值。选择在绝对最小值之上的位于特定的PAW间隔中的数值作为最小PD范围的一部分，其中，PAW参数例如是50纳秒(ns)。

Teon组合和有效的Teon搜索进程

Teon并不限定于连续的时间戳对组合。事实上，它们是在周期的时间区间内的任何位置的时时间戳对事件的组合。增加待检测的时间戳对的组合会提高找到有效的Teon的机会。作为示例，覆盖128事件周期的扩展的Duon搜索实施例能产生在10E4范围内的组合，而Quatron搜索能检测10E8范围内的组合。

包含在层1处(图19，110)的F进程的CFF搜索具有不同维度的有效的Teons，该维度可以是2维(duet)，3维(triplet)，4维quartet)或n维(Ntet)(图21)。这种搜索针对伴随最小的累加的时间戳对的每个新接收的时间戳对递增进行，该时间戳对可以计算为：(N-1)*min_interval/T，其中，N是特定CFF使用的Teon的维度，T是TS数据包之间的名义区间并且min_interval是Teon的TS之间的最小时间区间。其他可操作性参数在CFF之间是不同的，例如针对AT0的适应曲线和饱和值。

用于Duet VT搜索的基于窗口的方法

这种方法使用Duon(二维Teon)作为基本的分析元素。考虑由表示伪传播延迟的垂直轴和表示观测的跟随者节点的时间的水平轴组成的二维参考系统，其中，伪传播延迟＝D(n)-A(n)，该伪传播延迟具有表示任意未知的最小传播延迟常量。图23中的倾斜轴210是时间参考节点上的时间。斜率“212”是倾斜角的切线并且与被从属频率分开的参考频率-从属频率相同。

针对使用Duet Frequency Teons(Duon结构)实例的本地频率校正因子CF_F的确定方法。

考虑Dn＝事件的离开时间，并且An＝相同事件的到达时间。

CFF确定具有公式CF_FN的频率校正因子，来自于TSPn and TSPm的公式CF_FN＝(dDndDm)/(An-Am)＝dDmn/dAmn。然后识别满足关系式CF_Fn＜AT1的VT，将VT放置在直方图中，并且使用例如最高密度直方图窗口或距离的最小和值的方法来选择最有可能的CF_F。

Ntuplets搜索方法

针对N维Teons的通用表达式能保留所有满足至少N-1个关系式的时间戳对的Ntuplets，该关系式为|dD(mn)/dA(mn)-dD(pq)/dA(pq)|＜AT0，其中，m与n不同，p与q不同，并且(或者p与(m或n)不同，或者q与(m或n)不同)，并且Ntuplet的每一个TS至少在一个方程式中出现。4个索引m，n，p，q表示该Teon的一个时间戳对部分。N可以是任意大于或等于2(表示Treon)的整数。

其他能用来找到更多Ntuplet的关系式是：

QE＜|dD(mn)/dA(mn)-dD(pq)/dA(pq)|＜AT0+QE

接下来，参见图23，确定VTs数值的密度最高的窗口并且通过放大直方图或距离的最小求和的方法计算CF的解集。通过使用相同的方法确定SACF。SACF＝K*(Sum(在224内的时间戳对)/Sum(在226内的时间戳对)-1/3)，其中，针对标准化，k＝24。

Duet CFF实施例的实例1.2

在图23的曲线上，本地频率和远端频率的不同会导致(Dn-An，An)事件222的倾斜分布。由于量化误差，针对理想的传播延迟条件，会产生密度条纹。如果本地和远端QE已知(图24)，我们能确定在WS内包含最大数量的事件的条纹的位置。针对每一个时间戳对计算CF，其中，D(n)-D(n-I)＝dDn＞min_distance。分布条纹是由在源量化误差或目标量化误差产生(尤其是由运行在25Mhz的介质无关接口(Media IndependentInterface，MII)产生)。一个条纹(在此命名为组)中的元素在后续计算中不会与其他组发生混淆。

第一组对于过滤VT是必须的：-AT0＜(1-(dDn/dAn))＜AT0。

第二组是可选的：如果QEmax-QEmin＜precision，则QEmin-AT0＜(1-(dDn/dAn))＜AT0+QEmax。

第三组是可选的：如果QEmax-QEmin＜precision，则-QEmax-AT0＜(1-(dDnJdAn))＜AT0-QEmin。

QEmax-QEmin＜precision.

其中，QE是等于事件时间和真正的时间戳(QE与系统相关)之间的偏差。针对FE，Qemin＝Qemax＝40nS。

AT0是与有效的Teon的数量成比例的自适应参数，该有效的Teon是由在周期中搜索已经被分析的Teon产生。该方法能反复调整AT0以获取受饱和度约束的VT的最小数量。此外，针对每一个因子dOn，dAn的一对点能在时间上被大于min_dist[S]的值分开，其中，min_dist[S]＝KJ/精度(ppB)[是短时间的结果]，精度是同步(例如10ppB)的搜索精度。K可以是2。

CF解集是CF_Fn＝FCF_Fn＝dDn/dAn，该dDn/dAn在选择中确定。

利用距离求和的方法确定解集密度最高区域。

计算与每一个有效的Teon n(SoDn)相关的距离的和值，并且将该和值以升序排列。

$\mathrm{SoD}\left(n\right)={\mathrm{\Σ}}_{s=1}^{\mathrm{PUC}}f(\mathrm{FCF}\_\mathrm{Fn},\mathrm{FCF}\_\mathrm{Fs})$

其中，在实施例的一个实例中，该f定义为距离函数：

f(FCF_Fn，FCF_Fs)＝Abs(FCF_Fn-FCF_Fs)或

f(FCF_Fn，FCF_Fs)＝(FCF_Fn-FCF_Fs)²

FCF_Fmin是具有最小minimum SoD(n)的FCF_Fn。在FCF_Fmin左边界和右边界扩展AT0*FVC(FVC＝频率区间常量，是来自初始文件的常量，默认值等于1)的中心区间中确定相邻的FCF_F的数量。

在[FCF_Fmin-AT0*PVC，FCF_Fmin+AT0*PVC]区间范围内计算FCF_Fn的数量，其中，[FCF_Fmin-AT0*PVC，FCF_Fmin+AT0*PVC]＝N_FCF_F1。

仅仅保存具有在这个区间范围的FCF_F。丢弃所有其他的FCF_Fn。

计算选择的FCF_F的平均值。这是解集FCF_F1＝CF_Fn。

$\mathrm{FCF}\_F1={\mathrm{\Σ}}_{S=1}^{N\_\mathrm{FCF}\_F1}\mathrm{FCF}\_\mathrm{Fs}/N\_\mathrm{FCF}\_F1.$

确定 $\mathrm{SACF}\_F1=N\_\mathrm{FCF}\_F1=$

$\frac{\mathrm{number}\_\mathrm{of}\_\mathrm{FCF}\_\mathrm{Fs}\⋐\mathrm{FCF}\_F\min \_\mathrm{Vicinity}}{K}=\frac{N\left(V\right)}{1}=N\_\mathrm{FCF}\_F1$

计算SACF1＝ECF 1*N_FCF_F1，其中，ECF1＝针对在通常范围为下一层标准化该SACF的度量系数。A0完全使根据最终的FCF_F产生的DuetF算法结果失能。

Treon(三元Teon结构)频率算法步骤

正如在Duet部分中讨论的，相同的预先过滤进程可选择性地应用于消除大量待考虑的TS并且减少计算负荷。在接收到新的与用于最小的PD提取值相关的时间戳TSP集合后，该进程运行，以允许在具有PAW的最小延迟区间中识别时间戳TSP。

不失一般性，考虑TS的索引m＜p＜n，其中，该顺序是由到达时间确定。该索引n表示新接收的数据包。

(D(p)-D(n))/(A(p)-A(n))＝dDr/dAr＜AT1；

(D(m)-D(p))/(A(m)-A(p))＝dDl/dAl＜AT1，

我们使用l命名左边界，使用r命名右边界。第一检测组：

-ST0＜1000000000*((dDAlIdAl)/(dDr/dAr)-1)＜ST0或者

-ST1＜1000000000*((dDI/dAl)-(dDr/dAr))＜ST1，

此外，为了减少由频率切换造成的解集的混淆，我们能添加一种限制，即用于上述的每一比较检测(任意一个因子dDn，dAn，其中n是索引l到索引r)的点对应该在时间上由大于(K/精度[ppB])分开，[结果为数秒]，其中，“精度”是频率同步的当前的精度(如10ppB)。K可以是2。

进一步传送每一个CF_Fn＝dDn/dAn(n＝l，r)到该直方图或SoD方法以计算CFS。每一个CF_Fn具有与ST相对的相关的SACF_Fn。例如，SACF_Fn＝(ST-1000000000*ABS*(dDl/dAl-dDr/dAr))。ST是十亿分之几。其中，1&r是用于选择和计算FCF_Fn的triplet n的左区间和右区间。SACF_Fn数量越大，PDV＝0的识别误差越小。如果未进行标准化SACF_Fn在ST到1之间取值。为了简便，一些系统能跳过SACF_Fn计算步骤并且针对每一个权重平均值指定相同常量K＝SACF_Fn(例如K＝1)。

进一步的步骤包括与已分析的时间戳(每个方向和每个链路)相关的CF_F的提取。基于此目的，我们忽略QE组。我们计算SoD(n)，其中，FCF_Fn＝CF_F(n)。

$\mathrm{SoD}\left(n\right)={\mathrm{\Σ}}_{s=1}^{\mathrm{PUC}}f(\mathrm{FCF}\_\mathrm{Fn},\mathrm{FCF}\_\mathrm{Fs})$

SoD是绝对值的和值，或者是由针对所有其他FCF_Fs频率的有效的teon产生的每一FCF_Fn解集之间的偏差值的平方，并且对这些绝对(或平方)偏差求和。可以使用(例如，用幂4取代幂2)许多其他类型的距离。

以降序对与每一频率相关的距离和值进行分类。最小的距离和值表示相关的FCF_Fn具有校正因子的最高密度区间，并且其本身最有可能是该区间。为了确定最终解集，我们对所有FCF_F进行平均值计算，该FCF_Fs＝具有FCF_F1的区间的CF_Fs有效的Treon解集，并且该FCF_F1由与每个FCF_Fs.Teons.相关的距离和值进行加权。

$\mathrm{FCF}\_F={\mathrm{\Σ}}_{s=1}^{N\_\mathrm{FCF}\_F}\mathrm{SACF}\_\mathrm{Fs}*\mathrm{FCF}\_\mathrm{Fs}/{\mathrm{\Σ}}_{s=1}^{N\_\mathrm{FCF}\_F}\mathrm{SACF}\_\mathrm{Fs}$

该SACF是中心区间的CF_F的数量，该区间将CF_F2min的左边界和右边界扩展ST*FVC，其中，ST*FVC等于在区间[FCF_F2min-ST*FVC，FCF_F2min+ST*FVC]中FCF_Fk的数量，其中，[FCF_F2min-ST*FVC，FCF_F2min+ST*FVC]＝N_FCF_F2。(FVC为频率区间常量。默认值等于1)

$\frac{\mathrm{number}\_\mathrm{of}\_\mathrm{FCF}\_\mathrm{Fs}\⋐\mathrm{FCF}\_F\min \_\mathrm{Vicinity}}{K}=\frac{N\left(V\right)}{1}=N\_\mathrm{FCF}\_F2$

考虑等同符号SACF_F2＝N_FCFn_F2。

计算SACF2＝ECF2*N_FCFn_F2，其中，ECF2等于基于频率算法用来依比例决定Triplet的使能系数。ECF2＝0完全使根据最终的FCF_F产生的Triplet F算法结果失能。ECF可用来给特定的CFS添加更大的权重。

注意：该直方图函数能代替SoD使用。

Quarton进程

在最后的NCO更新后，累加时间戳的最小数量，也就是frequency_of_Csourced_packets*minTdistance。考虑时间序列：该Teon的4个TS部分的索引：0＜p＜q＜n。每一新的额外的时间戳(最终是在实施预先选择的步骤后)作为基准元素或该Quarton，它们是dAr，dD的一部分。正如在Ntuplet描述中所表示的，我们选择比较结果的最小数量。这种可能的最小组合可被定义用于索引l＝p，o；m＝q，p；r＝nq。

((dDl/dAl)-(dDr/dAr))*10E9＜ST1并且((dDl/dAl)-(dDr/dAr)))*10E9＞-ST1并且

((dDrn/dAm)-(dDr/dAr)))*10E9＜ST1并且

((dDm/dAm)-(dDr/dAr)))*10E9＞-ST1

针对每一个I，m，r，计算CF_P1＝dDl/dAl，CF_Fr＝(dDr/dAr)，CF_Fm＝(dDm/dAm)。

在三个测试组的每一个中，基于ST测试为每一个保存的FCF_Fn确定置信因子；

SACF_F1＝ST1-ABS(dDI/dAI-dDr/dAr)*10E9)

SACF_Fm＝ST1-ABS(dDm/dArn-dDr/dAr)*10E9)

SACF_Fr＝SACF_Fm。

另一种成本比较低的方法是针对所有3个CF_Fk(k＝l，m，r)通过重新使用已经计算得到的项目可仅仅具有一个SACF，该计算得到项目如下：

SACF_Fk＝K*[3ST-1000000000*(Abs((dDI/dAI)-(dDr/dAr)+Abs((dDm/dAm)-(dDr/dAr))+Abs((dDl/dAl)-(dDm/dAm)))]，其中，K是度量常量。

ST是十亿分之几。为了简便，一些系统能跳过CF_Fn计算步骤并且针对每一个权重平均值指定相同常量K(例如K＝1)。

为了确定CF_F解集，我们可以使用以前描述的几种解集，其中包括直方图和SoD。对于这个例子，我们使用SoD。

考虑FCF_Fn＝CF_Fn。

$\mathrm{SoD}\left(n\right)={\mathrm{\Σ}}_{s=1}^{\mathrm{PUC}}f(\mathrm{FCF}\_\mathrm{Fn},\mathrm{FCF}\_\mathrm{Fs})$

在利用该数值扩展FCF1的左边界和右边界的中心区间中确定相邻的FCF_Fs的数量(FVC＝频率区间常量，是来自初始文件的常量，默认值等于1)。

在区间[FCF_Fmin-ST*FVC，FCF_Fmin+ST*FVC]中计算FCF_Fn的数量，其中，[FCF_Fmin-ST*FVC，FCF_Fmin+ST*FVC]＝N_FCF_F3。

仅仅保存这个区间范围内的FCF_F。丢弃所有其他的FCF_Fn。

计算加权平均值FCF_F3：

$\mathrm{CF}\_F={\mathrm{\Σ}}_{s=1}^{N\_\mathrm{FCF}\_F}\mathrm{SACF}\_\mathrm{Fs}*\mathrm{CF}\_\mathrm{Fs}/{\mathrm{\Σ}}_{s=1}^{N\_\mathrm{FCF}\_F}\mathrm{SACF}\_\mathrm{Fs}$

确定 $\mathrm{SACF}\_F3=N\_\mathrm{FCF}\_F3$

$\frac{\mathrm{number}\_\mathrm{of}\_\mathrm{FCF}\_\mathrm{Fs}\⋐\mathrm{FCF}\_F\min \_\mathrm{Vicinity}}{K}=\frac{N\left(V\right)}{1}=N\_\mathrm{FCF}\_F3$

计算CF3＝ECF 3*N_FCF_F3，其中，ECF3等于针对Quarton的使能系数。

以下将描述降低的复杂度的搜索具有每一个添加的时间戳TSP的有效的Quatron(q，m，p，n)的实施例。最新的时间戳对是循环的右侧基准n。一旦找到VT，则能确定CF和NCOupd，并且能开始新的周期。这能用于迅速同步到更复杂的算法能接管的水平。

For(q＝0，q++，q＜n-3*min_dist)；

For(m＝min_dist，m++，m＜n-2*min_dist)；

For(p＝m+2*min_dist，p++，p＜n-min_dist)；

CF(q，m)＝(D(q)-D(m)-A(q)+A(m))/(A(q)-A(m))

CF(m，p)＝(D(m)-D(p)-A(m)+A(p))/(A(m)-A(p))

CF(n，p)＝(D(n)-D(p)-A(n)+A(p))/(A(n)-A(p))

SACF(q，m)＝ST0-|CF(q，m)-CF(m，p)|；

SACF(p，m)＝ST0-|CF(q，m)-CF(n，p)|；

SACF(n，p)＝ST0-|CF(n，p)-CF(m，p)|；

If(SACF(q，m)＞0&SACF(m，p)＞0& SACF(n，p)＞0)then

CF0＝(SACF(q，m)*CF(q，m)+SACF(m，p)*CF(m，p)+SACF(n，p)*CF(n，p))/

(SACF(q，m)+SACF(m，p)+SACF(n，p))

NCOupd＝NCOupd*(1+CF0)；

End if

end for；end for；end for；

|x-y|＝x-y，如果x-y＞0则|x-y|＝y-x是返回一个正数的绝对值函数。

层1斜率函数进程

在参考计时器和跟随者计时器之间的频率切换可以表示为从属时间的直角坐标系中的斜率以及终点时间之间的偏差。斜率的角度表示在跟随者频率和参考频率之间切换的量级，该参考频率是我们寻求的解集。具有相同的输入变量但使用不同的方法，会有几个计算相同解集的平行函数。

斜率直方图方法从由所有时间戳TSP(例如，一对离开时间在时间上由最小区间k分开的离开事件对，k所需的精度为ppB，其中，k为每一网络提供的因子，默认值是5)的所有子集或一个子集计算得到的斜率直方图提取处于直方图的最密集区间内的斜率值的平均值。通常而言，这对应在捕捉窗口内的最长的稳定的最小PD。区间大小是量化误差，累加间隔和所需精度定义的函数。一个实例是：区间大小＝max(v*quantization error[nS)，k*soughtprecision[ppB]*accumulation interval[S])，其中，k和v是度量常量。这个区间包括由与最小传播延迟数据包相关的时间戳TSP确定的斜率。该斜率由(A(n)-D(n))/A(n)＝dAD(n)/A(n)，其中，D是离开时间戳，A是到达时间戳。这个方程式展示了Duon方法和该斜率方法具有等同性。斜率方法在更具几何性的方法中能使用元素的若干子集。

使用几种方法从斜率空间进行解集的提取

1.最明显的密度峰值方法使用通过传播延迟事件的垂直滑动窗口并且计算窗口内的事件。参见图23。在转换位置保留时分光交换(Time Divisionoptical Swtich，TDPS)的最大计数。然后，使用不同的斜率窗口203重复该进程。提供最大计数的斜率即是解集。例如，该SACF确定为在窗口内已经选择的点的数量除以所有点(或与在三倍宽度窗口内的点)的比例。这种进程的描述请参见图23。图表上的星星是(离开D(n)-到达A(n))时间戳的传播延迟偏差以及该A(n)的对。相位差＝Φ＝D(n)-A(n)＝传播延迟+由于时钟偏差在时间上Tx计时器和Rx计时器之间的误差累加。Φ＝Φ(PD)-Φ(dF)。

Φ＝Φ(PD)+t(Rx)*(F(Tx)-F(Rx))/F(Rx)；其中，F(Tx)等于在发送节点上的时钟频率。

从Φ(PD)＝Φ-Φ(dF)＝Φ-t(Rx)*(F(Tx)-F(Rx))/F(Rx)可推导出参考系统需要改变具有用以表示本地时钟速度偏差的倾斜的切除轴的水平线。传播延迟相对于这个轴进行测量。处于确定频率的目的(F是相位的导数)，当常量的导数是零时，这个斜率轴的垂直转换是任意的。传播延迟密度(Propagation Delay Density，PDD)的刚性向左弯曲是在由倾斜率描述的传播间隔中的事件的计数。斜率角度表示主时钟和从时钟之间的切换。该进程需要搜索最大化时间戳对密度曲率的峰值的选择窗口的角度。在图23中，在垂直轴上的用点曲线230描述的传播延迟密度(PDD)表示次优角度。搜索步骤是：从0度斜率开始，执行垂直转换并确定窗口中的事件。存储最高密度峰值的质量因子。改变该斜率并且重复该进程。选择在窗口大小(WindowSize，WS)内能捕捉最大数量的斜率。

窗口的大小与同步误差成比例。在一些实例中，量化误差会在时间戳对的分布上产生条纹。我们能使用多个如图24所表示的平行窗口。

2.通过区间分割方法的斜率计算以更小的时间段分割该收集的时间戳的区间，以致在每一个时间段中，相对于该时间段的宽度，能假设累加的相位差可以忽略不计。参见图18，在正方形窗口内我们能确定该数值的最高密度区间并且使MaxDensSgment与水平轴平行。在所述区间的MaxDensSgment的中间值确定的中间点之间可以计算斜率。这些斜率的平均值能提供最终结果。在该间隔的最高密度区间内的事件的数量与该间隔中的所有事件之间的比例能定义该点的置信因子。在函数针对整个间隔确定所有参考点后，它会在预先定义的范围内选择具有最高置信系数的参考点，并且确定由两个这样的参考点对确定的所有可能的斜率。进一步地，该程序确定已经确定的斜率的最密集斜率区间。针对每一斜率，斜率的选择是具有该两个确定的斜率的置信因子的乘积的加权平均值。最终置信因子是在最密集区间已经选择的斜率的数量与所有斜率的数量之间的比例。

3.区间最小PD点方法使用相同的分割步骤。该方法首先在每个区间确定最小PD点。然后，建立由两个这样的点组成的对以及相关的斜率确定的线段。这个程序进一步使用在最密集区间窗口内的斜率并提供CFS作为其平均值。与解集相关的SACF可以是在最密集区间中选择的斜率与在三倍窗口大小中的斜率之间的比例。

4.通过分割的斜率方法的实例逐步描述如下：

考虑最小的窗口大小步长(Window Size Step，WSS)，该区间由8个相邻的时间戳确定。考虑该区间是LW＝R＝WSS.EW＝2*WSS。

在最后的NCO更新后，累加时间戳的最小数量为LW+EW+RW＝4*LW＝4*WSS时间戳。对于每一额外的添加到缓冲区的时间戳的WSS数量，执行表示下一个的部分运算。针对三元组(LW，EW，RW)的每一LW区间确定最小点minRS(LW)，该步骤中，RW作为右基准保持不变并且LW移动到左侧，针对每一步，滑动窗口大小步长的时间戳，直到到达缓冲区中的最早的时间戳。针对每一步，计算minRS(LW)和minRS(RW)之间的斜率。在计算的斜率上，使用距离和值方法(SoD)或直方图方法确定具有值的最高密度的区间，并且提取该解集作为平均值。此外，SACF＝(在选择的区间内样本的数量)/(方法K倍的区间内的样本的数量)。例如，K＝3。SACF取1到1/3之间的值。

SACF的标准化

为了比较，必须将SACF标准化。一个实例是计算CFP＝ECP*(SACP-1/3)其中，ECP是可以为24的量度因子。参见图27。

可基于滑动的增至三倍的窗口框架(LW，EW，RW)(参见图18)计算该斜率。

以下参数可以作为应用实例：

左窗口是LW样本＝初始为16个样本-这个参数随样本率改变。

右窗口(RW)大小＝LW大小＝2*WSS＝16

扩展窗口EW＝4*WSS＝32

窗口滑动步长＝WSS＝初值为8个时间戳

程序更新周期(Program Update Cycle)＝SUI＝128个时间戳(每秒10样本数，12s)＝

相位0＝参考相位值＝dDA(RWmin)，该参考相位值锁定在a1锁相，并且当最小dDA数值在右窗口时，该相位值随后会在延迟下限事件中改变

RWmin＝在右窗口中的最小dDA的样本数量(相对于同步更新间隔间隔)。其取值为[SUI-RW，SUI-1]。

LWmin＝在左窗口中的最小dDA的样本数量。

N＝在累加缓冲区(具有同步更新间隔大小)中的最后捕获(写入)的时间戳，该缓冲区针对F或针对多个要求用于P进程的时间戳(8)的WSS。

SLW＝LW的最左侧时间戳的坐标

斜率提取方法1

该方法由使用8个的块(也称为WSS)并在每一个块内选择时间戳最小TSP。至少累加2*WSS+minimum_WSS_interval*WSS＝6*WSS＝48TSPs。在由minimum_WSS_interval分开的具有WSS的最小的PDA之间创建斜率。针对接收的任意额外的WSS个时间戳TSP，在最近接收的WSS的最小值与所有以前确定的由到左窗口的最后的minimum_WSS_intervals分开的最小值之间，我们重复斜率构建进程。因此，对于该实例：WSS＝8，LW＝RW＝2*WSS；EW＝4*WSS，SUI＝16*WSS，能被提取的斜率的总数量是1+2+3+..+10＝11*5＝55。

斜率提取方法2

在NCO更新命令后，该程序等待直到时间戳的最小数量累加为＝16+32+16＝64。(该数量依赖于主传输率。当前的实例是64到128ppS，SUI＝512)。在这个第一累加间隔中，仅仅能提取一个斜率。

由联合窗口triplet(LW.EW.RW)组成的框架形成滑动/扩展的框架(SF＝LW+EW+RW)。它依最右(最新)的RW而定并且在WSS的步骤中在区间[O，wcpts]内扩展到左侧。该进程会重复进行，直到框架的大小(LW+EW+RW)等于累加数据的大小。程序会等待另外8个周期并且重复该进程。针对每一个窗口大小和位置，基于该LW和RW窗口的最小PDA计算相关斜率，如以下所示。保留该相关对：时间Rn和振幅(dSR)，并且将它们插入到与由该方程式计算得到斜率相关的斜率表格中，该方程式是：

tg＝斜率＝(dDA(RWmin)-dDA(LWmin＞＞/(R(RWmin)-R(LWmin＞＞＝nS/nS

其中，R(RWmin)是记录在RW中的该最小dDA的时间戳的从属接收值。

并且，R(LWmin)是在LW内的最小dDA的从属接收处的时间戳。

斜率提取方法3

将选自F方法的TSP用为确定最可能的频率校正因子时间戳，并且为时间戳TSP对的一个选择或所有选择计算tg。

tg＝斜率＝(dDA(n)-dDA(m))/(R(n)-R(m))，其中，n，m是具有选择的TPS形成的组的索引。

伪码的实现：

其中，斜率(SLW，SLW+LW+EW)是该间隔[SLW，SLW+LW-1]的最小点与该间隔[SLW+LW+EW，SLW+2*LW+EW-1]的最小点之间的斜率。间隔包括时间戳对(dDAn，dAn)。

所有索引是在该同步更新间隔间隔(像0..511)内的采样号。

利用SoD方法的斜率解集

能使用几种方法确定该解集。

-针对到其他所有斜率的斜率k，计算距离的和值(SoDk)

SoDk＝Sum[s]{((f(Slope(s)-Slope(k))}，其中，f(作为实例)是平方或绝对函数，并且索引s取值为从1到total_selected_slopes。

(我们可交换地使用ABS或|...|的符号)

SoD(k)＝Sum[s]{|Slope(s)|-[Slope(k)]}＝(|Slope(1)|-|Slope(k)|)+...+(Slope(5)|-[Slope(k)])

实例2

SoD(k)＝Sum[s]((Slope(s)^2-(Slope(k))^2)

按照升序对SoDk分类。

确定列表的最小距离和值的尾端。将其标记为SoD(1)。

SoD1与Slope(1)相关。选择所有落入到Slope(1)的区间K*AT0内的所有Slope(k)。

|Slope(k)-Slope(1)|＜K*AT0，其中，K＝1

将选择的斜率计入nr_Slopes_in_V_Slope(1)

计算在该区间内的所有斜率的平均值

SLOPE＝SUM(p){Slope(p)}/nr_Slopes_in_V_Slope(1)

其中，p取值为从1到nr_Slopes_in_V_Slope(1)

(该区间宽度可能考虑由时间戳误差产生的白噪声以及在传输路径上的其他时间量化误差)

如果nr_Slopes_in_V_Slope(1)或total_selected_slopes取值为0(无斜率落入到条件中)CF_P＝0会捕捉这种条件，FCF_P不能用在FCF的最终计算中。

(需要注意的是，利用与每一Slope(k)相关的SoDk能对平均值进行加权)

SACF_P＝ECP*nr_Slopesjn_V_Slope(1)/nr_Slopes_In_V3_Slope(1)；其中，V3是比V大2到3倍的区间。V3与V可以不对称。

使用直方图的斜率解集

从F部分使用该直方图方法。

继续进行该进程的下一步以确定FCF_P。

层1单向相位同步进程

基于维护在原相位计数器和目标相位计数器之间的最小相位差，该相位CFF将跟随者频率锁定到参考频率。

单向进程不能确定与在参考节点和从属节点之间的实际传播延迟相等的绝对相位差。锁相可与针对单向解集的任意常量有关，但足以消除如电路仿真业务(Circuit Emulation Service，CES)和PWE应用中所需要的长期累加的相位差。

该进程跟踪参考相位(命名为phase_Zero)，该参考相位是主时钟计数器和从时钟计数器之间的偏差，并且当该方法声称被锁定或由于整体延迟的下限改变而导致phase_Zero重新排列时，其最小值位于最后的同步更新间隔间隔的最后RW子间隔内。作为实例，可以声明该相位差下限改变，当针对三个连续的算法周期时，针对每一周期的最小偏差＝min(D(n)-A(n))＞Phase_zero+K.(K是定义的常量，例如是1uS)。另外，K能动态计算为dispersion_of_min_dDA(SUI)_for_previous_cycles。该方法利用该方程式将斜率CFS或FCFS的变型应用到斜率，该方程式是CFS_Slope＝1-CFS_F，并且该方程式传送到以下描述的能为写一层级提供最终CFS_P解集的8个楔角列表。

确定步长延迟并重置Phase_0(phase zero)

相位差是由NCO偏移导致的相位切换的缓慢累加和由网络拥塞导致的突然切换的缓慢累加造成。由于NCO的不准确性，Phase_Zero更新的阈值应该比相位差在最坏情况下的累加值要大。假设更新之间是5S，最大切换时间是500nS，则阈值为4uS。然后，锁定时间＝SUCseconds*2*NCO precision。在优选的实施例中，阈值是NCO_precision的自适应函数，NCO_precision等于过去几个周期(例如3个周期)的CF离散。例如，在确定的时间内，将NCO的精度确定为max_NCO减min_NCO的差值。

有些情形例如当网络流量重新进行路由或数据的同时突发，会导致传播延迟的平均值和最小值的永久改变，或者网络负载的突然增加会导致传播延迟增加一个等级。为了补偿网络额外的延时并且为了满足最小相位差，这种相位的偏差确定使与主频率相对的本地频率产生偏移的方法。这种情况并不是所期望。在传播方式上的改变会伴随数据丢失，这可能更需要重新排列相位，以便频率不会由于不充分的原因发生偏移。为了识别相位跃变事件，我们确定(dDA除以SUI)的最小值等于以前计算得到的所有LWmin和Rwmin中的最小值dDAmin(SUI)，该最小值也可称为同步更新间隔绝对最小值。它是mindDA除以所有在同步更新间隔间隔中的RW，LW的比例的最小值。如果该最小值被大于Max_TIE＝2500nS(作为实例，这个阈值基于PDV封装是自适应的)的数值改变(在任意两个方向)，针对至少两个连续的同步更新间隔间隔，则在上一个同步更新间隔，PhaseZero＝dDAmin(SUI)＝绝对最小值。参数可由能使这个解集无效或有效的外部系统以变量形式获取并读取。默认情况下是有效的。

确定累加相位差

在近似锁相情况下，考虑Ref_Phase＝Phase_1＝周期的dDAmin(SUI)。定义P_Err＝dDAmin(SUI)-Phase_Zero。P_Err表示自Phase_Zero最后更新后的源计时器和接收计时器(主和从)之间当前的累加相位差。目前的累加相位的表示，源计时器和接收计时器(主和从)

相位解集

通过确定斜率，我们能查找主/从时钟之间的实际比例并用其校正从时钟(利用校正因子改变本地频率)。

假设在没有PDV的情形下，将dDAn的曲线图与An对比。理想情况下，dDAn在时间上是常量。

如果dDAn＝Dn-An增加，则本地频率低于源频率。FCF＝dDn/dAn需要被增加。

正的P_error(dDA＞0)的逐渐累加意味着FCF_P＜1。

Slope(r，l)＝tg(r，l)＝d(dDA)/dA＝(dDAr-dDAI)/(Ar-Al)＝(Dr-Ar-Dl+Al)/(Ar-Al)＝dD(r，l)/dA(r，l)-1＝CF_F(r，l)-1

其中，Rr，Rl是在斜率区段的左侧(开始)和右侧(结束)接收的时间戳。为了校正频率偏移，我们需要利用能清除该斜率的值与当前频率相乘。这个值与Slope(r，l)对称，即由于小的角度，1/Slope(r，l)＝(-1)*Slope(r，l)。

Slope＝dDA/dA

Slope＝1-CF_F  [3]

FCF＝1-Slope

P_Err(n)＝dDAmin(SUI(n))-Phase0

dminPUC＝P_Err(n)-P_Err(n-1)；//用在Phase_zero计算中的相同变量。

表1为具有三个输入变量和一个输出变量的非对称决策表(八进制表格)

对于该表格中并未覆盖的其他条件，该解集是FCF_P＝1(不变的)

表格内容和输入变量的数量有所不同。

表2为具有二个输入变量和一个输出变量的非对称决策表(八进制表格)

实例：

假设初始Over_comp＝I0ppB＝0.000000010，其值与来自以前同步更新间隔周期的P_Err成比例地动态调整。

Over_camp＝1+(P_Err＞＞K)；其中，举例来说，K等于6，但也可以在运行中调整。Over_camp在一个选择的值(例如：20ppB)处饱和。

[4]如果P_Err大于重新锁相阈值(例如：1us)，则通过向能指示在源时钟和传输线路噪音方面有重大改变的管理系统发送告警消息可以获得更复杂的决策表。

管理系统判断是否有必要切换到过渡状态。另外，该进程会判断重置Phase_Zero。

相位校正饱和

由于相位下限的变化，相位校正有很大的波动，其中，该相位下限确定不想要的频率变化。为了将这种波动的暂时性影响减少到最小，针对任何周期，我们需要通过在正负(+/-20ppB)范围内限制过度补偿来使CF饱和。(这是一个能使本地振荡器稳定性和该TS事件的频率的函数产生波动的参数)。

if(PhasCorrFactor＜0.99999998)//标记为变量＝min_FCF_P＝0.999999980

PhasCorrFactor＝0.999999998；

if(PhasCorrFactor＞1.000000020)//max_FCF_P＝I.000000020

PhasCorrFactor＝1.000000020。

镜像单向层1进程

相同单向进程能运行在从入方向和出方向收集的数据上。该镜像进程与往返延迟计算不同。每个方向单独进行处理。对结果进行比较，并且选择最好的解集(具有最高SACF的解集)，或如果该解集具有近似值SACF，则基于SACF执行加权平均运算。(参见图25，26)。

该镜像时钟根据从相反传播方向收集的数据计算得到。该直接和镜像的解集与负载较小的网络相对称：CFS_inbound＝I/CFS_outbound，并且两者都需要执行相同的算法周期，以使用相同的本地参考频率。针对层2联合解集决解集，这个等式的准确性增加了SACF值。

特别地，网络的进口端呈树形，该出方向和入方向几乎对称。当分解集(出)方向受传播延时偏差影响较小时，该合成(入)方向具有由与流量汇集相关的冲突所引起的高的传播延迟偏差。系统自动选择最佳方向，但一些低成本实现解集能采取优选的方向。通常而言，该参考时钟朝向网络的核心，该网络的下游出方向朝向网络边缘。

层1往返延迟(Round Trip Delay，RTD)进程

针对使用t1，t2，t3，t4时间戳事件的往返延迟测量值，该往返进程该两个方向上使用具有最小延迟的时间戳对。这些时间戳对不必是连续的并且在这些事件间的时间上的间隔需要足够短，以便防止由频率偏移造成的误差累加，但是这些时间戳对能被很多中间时间戳对事件分开。

例如，在图29和30中，当与F1M1相关时，M2F2数据包事件可以是t3，t4，或当与F4M4相关时，它们可以是t1，t2。该从属初始数据包事件具有参考时刻：F1，F2分别作为离开时刻和到达时刻。参考节点在本地参考时间M1接收数据包并且在本地参考时间M2返回数据包。我们的标记惯例是使用字母F表示从属节点，使用字母M表示主节点(相当于参考节点)。而结尾数字表示数据包标识符。(例如：F1和M1必须指代相同的数据包#1。M2和F2也必须指代相同的数据包#2)。但M1，M2在时间上不必连续。在M1和M2之间可能会有很多数据包发送。选择标准是F2-F1和M2-M1是dDn-dAn的本地最小值，其中，dDn-dAn＝最小传播延迟+Frequency_error*Max(dF，dM)，其中，Max(dF，dM)是往返延迟的最大时间间隔。

该往返延迟越短，结果越准确。参见图29，30。图29和30中的倾斜的水平轴表示由于时钟间的偏移导致的相位差的累加。该算法可以选择允许从属节点预测主节点发送时间戳消息的时间，并在具有这样构想的预期时间内发送时间戳消息，该设想是该数据包在会增加PD对称性几率的网络中传输时，几乎会彼此交叉。这种操作模式对于具有低带宽、低的时间协议消息的频率，高干扰或长的传播延迟的网络是有益的。

使用往返进程的频率校正方法

考虑dF n，n-1＝F(n)-F(n-1)并且dM n，n-1＝M(n)-M(n-1)，我们能推导出

往返传播延迟PD(RTPD)＝RTPD(Follower)＝dF21-dM21/CF；(1)

其中，FCF是参考频率和从属频率的比例。

dF21-dM21/CF＝dM2F2+dF1M1

(dF21-dM2F2-dFIMI)/dM21＝CF；(3)

相同步骤适用于：

RTPD(Master)＝dM43/CF-dF43；(2)

dF21-dM21/CF＝dM43/CF-dF43

从(1)和(2)：

CF＝(dM43+dM21)/(dF43+dF21)＝(M4-M3+M2-M1)/(F4-F3+F2-F1)

如果M2＝M3并且F2＝F3

则CF＝(M4-M 1)/(F4-F1)，即是在镜像方向的单向等式dD/dA。

这个结果表明，频率偏移的确定并不需要双向流。

单向流具有这样的优势，即我们能选择具有最小PDV的方向。

密度直方图进程

以前的文本描述了与事件F1M1和M2F2相关的CF解集的产生过程，该事件实际上是双向Duon。针对与事件M1F1和F2M1相关的两个时间戳，我们使用等式(dF21-dM2F2-dF1M1)/dM21＝CF(21)。

我们需要进一步通过填充具有计算得到的CF的CF直方图二进制文件然后选择具有最大数量的解集的直方图的区间，提取一个CF解集的分布解集析。

然后，我们对在该区间的数值进行平均值计算以产生最终的CF，这实际上是我们在以前的解集中表示的相同的直方图方法。类似地，从直方图的形状可以得到SACF。如果该直方图有宣称的峰值(高质量因子)，那个区间的平均值很可能是右校正因子。峰值越高，该SACF越大，这会增强与由其他平行方法确定的其他FCF相关的当前FCF的影响。CF能确定为落入最密集区间内的CFn的数量与落入扩展区间(例如，三倍大于最密集区间或最终是所有提取的CF)内的CFn的数量之间的比例。区间的大小可固定不变，或是依赖于几个参数，例如是与同步精度成比例的的函数。窗口的大小能根据例如预计的计算误差，传播延迟偏差的性能，要求的精度等几个因子进行调整。

此外，在时间上，SACF能由用在该等式中的时间戳对事件之间的延迟进行加权计算-事件越接近，SACF越大。

直方图函数的实例

直方图函数用来从CF解集的集合中确定最可能的CF。通常而言，它能由每一层1函数(CF_F，CF_Slope或CF_UTC)使用。

我们定义二进制文件的数量(例如从-255到255，或是更小范围：从-31到31)。该范围取决于像QE，本地自激振荡器的切换范围和解集的准确性(精度)。变量histogram_index可以是到直方图表格中的索引。该直方图(CentecNCOupd)的中心是一个参数，该参数在当前标准化的NCOupd从中心位置移动特定距离(例如，范围的10％)时进行更新。这与移动该直方图相等同，以致当前NCOupd处于中心部分。用于平滑解集的和值直方图和归档直方图(the Array of Archived Histograms，AAH)阵列需要以相同的方式平移(panning)。类似地，与当前直方图类似，和值直方图和归档直方图需要使用相同的二进制文件大小。

作为实例，考虑到最小初始CF＝50ppM(如果板载振荡器的精度是25ppM)。针对总共512个二进制文件，我们使用一个值为128ppB的二进制文件。在我们的实例中，100ppB的CF范围表示1/4纳秒(nS)的二进制文件大小。

histogram_index＝((CF+last_NCOupd-Center_NCOupd)/bin_size)是能将二进制文件的位置识别到直方图表格中的索引，并且我们按照惯例表示自激震荡频率等于NCOupd的真正的校正值。对于平移，假设一个实例：Centra_NCOupd是1500ppB并且二进制文件大小是1ppB。如果自激本地振荡器切换120ppB到较低频率，则新的NCOupd是1620ppB。这是在我们的实例中我们从255个可用的二进制文件中选择的大于50ppB的阈值，并且我们能决定移动120ppB到右侧。具有索引0的centra_NCOupd二进制文件表示1620ppB。在从当前的直方图解集中查找NCOupd作为自激振荡器的校正后，我们产生相对CF解集＝NCOupd-old_NCOupd，将其作为在最后周期使用的本地频率的校正。

NCOupd_histogram(histogram_index)二进制文件通过添加1或通过添加与CF(例如，合法Treon具有相关的SACF)相关的SACF来累加落入到二进制文件索引范围内的所有NCOupd例程。程序能跟踪在直方图的外边缘处的空的二进制文件，以避免扫描在可能的NCOupd的范围外的零容度二进制文件。

针对直方图解集的SACF

提取SACF作为在该区间的实例的数量与在放大因子K倍的对称区间的内实例的数量的比例，其中，K＝3。

SACF需要标准化到一个范围(作为实例：0到15)以允许CFS比较。

动态二进制文件大小直方图函数

动态二进制文件大小直方图函数调整直方图二进制文件大小。当算法达到完成同步时，CF的范围变窄。如果在直方图中具有固定数量的二进制文件，则我们能针对最佳的准确性和范围覆盖动态地改变二进制文件大小。(当我们以二进制表示进行切换时，大小改变优选地是以2作为幂，以便减低运算复杂度)。在调整的二进制文件内的数值是成比例的，以致二进制文件的容度的和值与二进制文件数值的任意范围相同。作为实例，如果有2ppB宽的二进制文件并且由1500索引的二进制文件具有容度(content)8，二进制文件1502的容度是50，二进制文件1504的容度是100，我们执行从2ppB到1ppB宽度的二进制文件的缩放过程，我们得到具有如下容度的6个二进制文件：二进制文件1500＝4，二进制文件1501＝4，二进制文件1502＝25，二进制文件1503＝25，二进制文件1504＝50，二进制文件1505＝50。当缩小时，两个相邻二进制文件的容度相加作为新的双倍大小二进制文件容度。

直方图平滑函数

直方图平滑函数使用过去的二进制文件数值针对在平滑的直方图中的每一个二进制文件执行平滑化操作。针对一些使用非线性函数的系统，这是一种从直方图确定CF的解集。对在最终解集中使用的中间解集的平滑化操作比对从原始直方图解集中得到的最终解集进行平滑化处理能提供更好的结果，尽管其具有较长的运算时间的缺陷。

二进制文件的大小必须被标准化(例如1/4ppB)。从频率和相位算法得到解集CF_F是相对于最新本地频率的校正，该本地频率是NCOupd*FROF。在将CF_F(n)添加到能被平滑化的NCOupd直方图前，我们需要通过添加NCOupd使CF_F(n)成比例。CF_NCO(n)＝CF_F(n)+NCOupd。平滑化的直方图的每一个二进制文件对过去的二进制数值进行平均化处理。以前直方图的每一个二进制文件添加到SUM_CF(n)直方图二进制文件。

SUM_CF(k)＝SUM_CF(k)-SUM_CF(k)/(2^p)+CF(k)//其中，k当前周期并且2^p＝N是平均值的深度，可选地，该平均值是自适应的。

平滑的CF解集是SUM_CF(k)直方图的解集。可选的二进制文件存储在环形直方图阵列中，随后该阵列针对每一个为相似的smooth_CF(k)直方图计算得到二进制文件平均化，我们从该smooth_CF(k)直方图中提取解集：

$\mathrm{SUM}\_\mathrm{CF}\left(k\right)={\mathrm{\Σ}}_{s=1}^{N\_\mathrm{FCF}\_F2}\mathrm{SACF}\_F(s,k)*\mathrm{CF}\_F(s,k)/{\mathrm{\Σ}}_{s=1}^{N\_\mathrm{FCF}\_F2}\mathrm{SACF}\_F(s,k)$

在查找到该解集前，现有技术中已知的任何其他等同的函数或过滤多项式能用于平滑该二进制文件。

直方图平滑窗口方法

通过确定直方图的最高密度区间能从NCOupd直方图提取最终解集，其中，该直方图是具有最大容度的相邻二进制文件的窗口，可以使用现有技术已知的几种方法来识别最高密度密度区间。作为实例，我们通过直方图滑动具有N个二进制文件的窗口，并且选择在窗口内的二进制文件容度的和值是最大值的位置。我们选择与频率范围＝k*STO相等的N。针对平均负载的网络，N可能取值是40。我们计算CFS解集作为窗口内索引的二进制文件索引CF(n)的平均值，该窗口由二进制文件数值hist(CF(n))进行加权。

作为针对该直方图进程的可行实例，考虑将具有非空容度(hist(CF)#0)的最左侧的二进制文件索引作为LeftEdge，并且将具有非空容度的最右侧的二进制文件索引作为Right Edge。

考虑到：window_size等于滑动窗口内的二进制文件的数量；

Energy_sum等于滑动窗口内的所有二进制文件的容度的和值；

hist(CF(n))等于具有索引Cf的二进制文件的容度

Energy_sum＝Sum(hist(CF(n)))；//其中CF(n)取值为最左侧窗口的当前位置内的二进制文件的所有值；

//解集的计算

从FCF直方图的形状可以得到SACF。如果该直方图有宣称的峰值(高质量因子)，区间的平均值很可能提供好的解集。峰值越高，SACF越大，这会增强与与其他平行方法确定的其他FCF相关的当前FCF的影响。SACF确定为24*(Max_Energy_sum/Max_Enery_sum(3xw)-1/3)，其中，Max_Enery_sum(3xw)从3倍大于滑动窗口并且对称地扩展滑动窗口左侧和右侧的区间计算得到。

平移直方图函数

直方图的中心二进制文件的索引不必与每个周期解集像匹配。结果是，当中心二进制文件与解集显著分开时，我们需要通过平移所有二进制文件的索引以使中心二进制文件与解集匹配，来重新使该直方图处于中心。

协调世界时间往返延迟算法

UTC同步方法计算从属UTC计时器和参考UTC计时器之间的误差并且维持表示计时器的绝对偏移的变量F_Offset_UTC。为了达到这个目的，该方法主动在链路的两个方向之间寻找对称的传播延迟。

通过下述方式使跟随者UCT同步：根据每个实施例搜索最佳解集的能力，在从1到NxM范围内通过选择PD事件(N)的本地最小值并且使来自具有最小值的一个方向与来自另一个方向(M)的最小值配对，查找最佳估算的绝对最小值并且利用在满足本部分描述的方程式确定的两端同时发生的UTC相关的绝对传播延迟。这提供了一种估算从属节点的UTC的误差的解集。我们考虑到在任何测量中由时钟偏移引入的误差要比传播延迟对称小几个数量级。例如，频率单向方法能在25ppB内同步时钟，对于时间间隔在1秒内的事件，这会引入25/1＝12.5nS的误差。

方法：跟随者UTC时间F_UTC是计时器F_CTR_UTC，该计时器由与参考频率同步的从属频率计时并且由与UTC同步相关的CFF确定的数值F_Offset_UTC偏移。CFS_UTC＝(F_Offset_UTC，SACF_UTC)。在理想条件下，当时钟完全同步并且入传播延迟iPD与出传播延迟ePD相同，其中，iPD＝iD(n)-iA(n)，ePD＝eD(m)-eA(m)(1)。然后eD(m)+iA(n)＝iD(n)+eA(m)，(2)，其中，n表示在参考节点产生的事件并且时间用值iD(n)标记，以及表示在从属节点接收的事件并且时间用值iA(n)标记。模拟符号表示出方向(egress)。如果本地F_CTR_UTC具有来自参考UTC的偏移，则时间戳iD(n)和时间戳eA(m)中每一个由来自理想同步的时间戳的偏移F_Offset_UTC进行切换(shift)。Ideal_iA(n)＝iA(n)+F_Offset_UTC并且F_UTC-F_Offset_UTC＝F_CTR_UTC，(3)。来自(2)的结果即F_Offset_UTC＝(eD(m)+iA(n)-iD(n)-eA(m))/2。一旦确定F_Offset_UTC，我们能适当地同步F_UTC＝F_CTR_UTC+F_Offset_UTC。为此，我们需要查找对称传播延迟条件。这很可能是每个方向上的最小传播延迟期间，除非这有不同的返回路由或在中间切换节点有负载。结果，我们能针对入方向搜索ingress_min(n)的本地最小值以及针对出方向搜索egress_min(m)的最小值，其中，ingress_min(n)＝ABS(iD(n)-iA(n))，egress_min(m)＝ABS(eD(m)-eA(m))，其中，iD(n)等于事件n的入口离开时间戳，iA(n)等于事件n的入口到达时间戳，eD(m)等于事件m的出口离开时间戳，eA(m)等于事件m的出口到达时间戳。最小值在与需要的精度成比例的区间内收集得到，例如，需要的精度等于2*AT0。然后，我们从本地最小点n，m计算绝对最小传播延迟，minPD＝min((ingress_min(n)+egress_min(m))/2)。我们对于哪个方向在时间上首先是入方向还是出方向不做限定。通过往返方法计算得到的从属UTC是F_RTD_UTC＝iD(n)+PD＝eA(m)-PD。本地F_CTR_UTC通过对从任意值开始的本地频率振荡器计时来保持从属时间。它的初始偏移F_Offset_UTC＝F_RTD_UTC-F_CTR_UTC。在通电后，一旦频率同步，系统需要更新F_CTR_UTC＝F_RTD_UTC。如果不能在高速信号线上这样做，则Phase_Zero能吸收该误差，并且进一步校正时间戳：Phase_Zero＝F_Offset_UTC，并且F_UTC能取代针对时间戳和UTC函数用途的F_CRT_UTC，其中，F_UTC＝F_CTR_UTC+Phase_Zero。在系统同步时，Phase_Zero通常是定格不动的。进一步地，误差Err_UTC针对本地时钟提供CF，其中，Err_UTC＝Phase_Zero-F_Offset_UTC。一个实施例考虑到CF＝Err_UTC＞＞k并且CF＜Sk，其中，ErcUTC在nS中，CF在ppB中，k可以是7，并且Sk可以是10ppB。

另一个实施例在取代P_Err的相位算法中使用Err_UTC。此外，另一实施例能使用Err_UTC的平均值或低通滤波器以取代在该两个以前的实例中取代Err_UTC。

针对层1函数的数值处理元素

针对加速和高性能的数值计算优化

在取值范围为1的窄临近区间的变量上的乘法和除法能被该变量和该中性元素(数值1)之间的相关距离上的加法和减法取代。出于算法的目的，该变量可以在大小为(1-50ppM，1+50ppM)区间中。

彼此非常接近的除法因子在1的窄临近区间中产生商，商的区间大小通常是由不超过16bits表示(针对+/-32ppM)。

通过使用2次幂取值创建用在不直接是最终运算的部分选择操作中的参数和变量，这允许除法和乘法能被移位(shifting)取代。

我们通过稍后描述的淡化的求和方法取代求平均值方法，该求和方法能用仅仅一个变量以及三个相加和移位操作取代深度为N的变量的存储和相加。

在1000ppB范围内并在1的临近区间中产生商的除法的实例。我们用1+(dD-dA)/dA取代4字节＝10个小数位数(秒.纳秒)除法dD/dA，该1+(dD-dA)/dA要比3个小数位数(10比特)少10个小数位数除法。该dD-dA用nS表示并且在k-10比特数值范围内表示为Ns整数，dA也可以表示表示为32比特Ns整数。我们能用2^(32+k+m)与两个因子相乘，并且针对(dD-dA)/dA的结果用2^30除该除数，该结果用ppB表示：((dO-dA)＜＜(k+m))/(dA＞＞(30-k-m))，这是个k+m比特的整数固定点除法，这种除法会取一部分时间。执行常规的32位浮点算法。误差小于2^(-m+1)ppB，该2^(-m+1)ppB是针对nS部分对dA截尾(k+m)数位得到。

针对具有表示为1/4nS的LDB的固定点表示结果该等式为：

((dD-dA)＜＜(k+m+2))/(dA＞＞(30-k-m))

层1合并方法

层1合并进程将F和斜率解集结合到合并的斜率中，其中，通过在应用非对称八进制表格查找前，本质上执行在层1的层2的函数，该合并的斜率进一步地在该P进程的末级与P_Err和dminPUC共同进入到八进制表格中。其他使用或多或少的变量的表格也可使用。

Merged_Slope＝(SACF_F*(1-FCF_F)+SACF_P*Slope)/(SACF_F+SACF_P)，简化的应用实例可以考虑将这个解集作为最终解集FCF＝FCF_M。

层2

上层根据方向、链路、网络和时间这几个维度联合多个层1解集。

合并两个单向实例，每种类型的进程的直接实例和镜像实例到一个双向方法中。

如果网络负载和相关的传播延迟偏差在两个方向上显著不同，与最小的传播延迟偏差方向相关的CFF传送到下一层。通过显著变大的SACF可以识别主要方向。在每个方向的CF解集之间执行加权平均值。传送到层3的SACF例如可利用方程式计算得到：

SACF＝(ST0-1000000000*Abs(1-FCFm*FCFs)*K；其中，K是标准化参数，K＝15/AT0。

层3

合并从与一个参考节点相关的数据产生的所有解集到一个CF中。它是F，P进程的加权平均值，该F，P进程使用在此的方程式或是等式来产生CFS：

$\mathrm{CF}\_F={\mathrm{\Σ}}_{s=1}^{N\_\mathrm{FCF}\_F}\mathrm{SACF}\_\mathrm{Fs}*\mathrm{CF}\_\mathrm{Fs}/{\mathrm{\Σ}}_{s=1}^{N\_\mathrm{FCF}\_F}\mathrm{SACF}\_\mathrm{Fs}$

层4

融合多个参考时钟源：

通过相同或不同的端口，节点具有到多个时间参考源的链路。精确时间能变得非常不同，并且独立地从多个源获取。多个层4算法实例中每个使用特定数量的参考时间源并且针对频率和UTC返回独立的CFS。

双控振荡器层级

应用双级振荡器。这种控制可以物理控制或虚拟控制。这种方法改进了从属频率的稳定性并且降低了由于过度传播延迟偏差造成的错误解集的影响。

分层的双级阶段时钟产生架构(回顾)

当利用计时器维持时间戳时，这种方法针对系统(由NCO2产生)输送低通过滤的、高稳定性物理频率，其中，该计时器受根据算法(CF)提供的最后频率校正因子所调整的频率控制。第二NCO1(虚拟的或真实的)是NCO2的下游位置并且受等式“CF1＝CF-OCF2＝CF-E(CF)”控制，其中，

E(CF)＝CF2，CF2是作为由算法提供的频率解集的CF的平均值。在优选的实施例中第一NCO1可以是数控振荡器(图51)或虚拟振荡器(52)，而第二NCO1可以是VC_TCXO，VCXO类型..参见图48，49，50。

一个应用实例针对E(NCO)能使用两种类型的滤波器：可调的和固定的。

可调滤波器的实例是：E(CF2)＝E(CF2)+CF-E(CF2)/CN，其中，CN由系统确定并且例如能是128，并且CF是由算法确定的最后频率校正因子。固定滤波器的实例可以是2^7＝128个项目的简单平均。NCO1对用以时间戳的计时器进行计数。如果NCO1是虚拟的，则时间戳计时器由NCO2计时并且数值校正适用于该TS以便通过真正的在频率上的CF1偏差相对于最后更新的NCO来调整计数。

虚拟受控振荡器的应用

可变的深度平均值方法在传播延迟偏差存在下能平滑CFS。可选择的方式是创建多级频率校正因子(在本例中是两级)，其中，当系统接收到由校正因子的平均值产生的稳定频率时，算法能根据其最后的解集校正因子观测到已经执行的时间戳。这对非线性算法可能非常有用。

实例：

Avg(CF)＝CF2(最后的2^avg_depth＝2^4的平均值)＝SUM(CF)/(2^4)＝(Sum(CF)-Sum(CF)＞＞4+CF)/2^4。

初始SUM(CF)＝2^avg_depth*初始值。初始值当前等于1。CF＝CF1+CF2

CF1＝CF-CF2(CF1虚拟振荡器相对于算法的“校正因子＝CF”被CF2变慢)

标记的时间使用NCO2时钟。该算法预测“CF-CF2”的时间戳校正因子以便匹配其意图。

基于时间戳的目的，CF2＝CF-CF1。

考虑到在NCO2和NCO1处的真正的R2n和虚拟的R1n时间戳。R1n应匹配R2n的平均值。

由于我们不能确定在NCO2更新时刻和到达时间戳的时刻之间的关系式时，因此会有微小的误差。

在通电时，R 1.0＝R2，0

1)初始SUM(NCO)＝2^avg_depth*初始值。初始值等于1，R1，0＝R2，0

2)NCO2(最后的2^avg_depth＝2^4的平均值)＝SUM(NCO)/(2^4)＝(Sum(NCO)-Sum(NCO)＞＞4+NCO)/2^4。

3)R1，n＝prev_R1，256+[dA2，n-prev_R2，256]*(NCO-average_of_NCO_corrections)/1000,000,000。

//我们将针对算法的以前周期的最后时间戳标识为prev_R1，256。

NCOs在1的临近区间内，并且它们在E-7范围内。这确定了随后所得出的近似值。

NCO2＝average_of_NCO

NCO＝NCO2+NCO1＝算法实际计算的结果

dt*NCO＝dA//具有计时器smapshot的样本的进程。

dA2，n/NCO2＝dA1，n/NCO1//针对两个模块的相同dt时间间隔

dA1，n＝dA2，n*(NCO-NCO2)/NCO2＝

dA1，n＝dA2，n*(NCO-NCO2)//近似值-秒级误差＝E-14

因此：

R1，n＝prev_R1，256+dA1，n＝＝prev_R1，256+[dA(2，n)]*(NCO-average_of_NCO_corrections)/1000,000,000.

//假设时间戳以nS表示

dA(2，n)＝dA2，n-prev_R2，256

R1，n＝prev_R1，256+dA2，n-prev_R2，256*(NCO

average_of_NCO_corrections)/1000,000,000.

闭合环路本身能校正在“prev_R2，256等于原来周期的最后时间戳”与“R2，0等于新的同步更新间隔周期的第一时间戳”之间的一些地方(可能在末端之前)由随机运行的NCO注册更新引起的误差。在NCOupd后，必须清空队列。

高稳定性振荡器方法

同步算法能确定在参考振荡器和从属振荡器之间的相对切换。结果是，当这些算法在离散时间间隔处提供它的解集时，同步性能高度依赖于本地振荡器的稳定性。当前开放受控晶体振荡器(open controlled crystaloscillators，OCXO)以高成本和高能耗提供稳定性。振荡器频率依赖环境条件(EC)：温度，导轨电源电压，压力等。这有一些用于稳定自激振荡器的技术，但这些技术缺少一些必要的能达到满足精确时间测量的高稳定性的元素。例如，该算法确定本地时钟频率波动期间和之后的频率校正因子，从而由于参考频率不稳定，校正值本身具有内在的误差，而校正值是相对的。

在本发明实施例中，在确定温度时刻以及相关的频率确定的温度时刻之间发生切换。

本发明其他实施例包括一种方法，该方法创建具有表示本地时钟校正因子(CF)的记录的表格，该校正因子在超时时由同步进程和环境参数(ECOCA)离散数值引起。该表格仅仅用解集更新，该解集描述SACF大于选择的与同步精度成比例的阈值。如果环境条件落入到可靠的表格记录之间，则应用插入操作。内插操作的实施例确定与EEC相关的CF，该EEC针对从该等式来的最后SUI周期确定，该等式是：

CF(EC(t(n))＝CF(EEC(k-1))+(CF(EEC(k))-CF(EEC(k-1)))*(EC(t(n))-EEC(k-1))/(EEC(k)-EEC(k-1))，其中，EEC(k-1)和EEC(k)针对EEC是最接近的ECOCA索引，并且EEC(k-1)＜EC(t(n))＜EEC(k)。

根据本发明，针对自估置信确定过程要考虑因子的实例是：在最后校正周期(历史数值的深度可以是SACF的历史数值的自适应修正函数)内的算法校正因子的散布，由不同校正函数返回的校正因子散布之间的关系，在SUI周期间EC的波动。

针对较低精度结果的预先配置的ECOCA，本发明的其实施例也能起作用。其他实施例会持续执行ECOCA的动态更新。

在本发明的其他方面中，当SUI超时执行同步时，测量环境条件(EC)(尤其是温度)，以便查找等同的EC(EEC)，该EC(EEC)是常量EC，在该常量EC下，震荡器会产生与在测量的SUI周期期间在波动的EC下计算得出的相同数量的振荡，并且对具有相同EEC索引的CF(EEC)执行IIR过滤，在阵列(ECOCA)中，我们基于EC变化构建频率校正阵列。EC可以是温度以及其他能对振荡器频率产生影响的物理条件，例如电压和压力。索引的力度依赖于测量值的精度，可用的内存空间和波动的覆盖范围。通常一到两个字节对于ECOCA的ppP准确性已经足够。作为实例，略少于10KB应该能覆盖商业温度范围。其他实施例使用内插值以便将测量的EC和提取的EEC转换成可用的ECOCA索引。

在本发明的示例性实施例中，新确定的值CF(EEC)到ECOCA的积分可通过使SACF或新CF(EEC)大于特定阈值而受到约束。然后CF由相关SACF加权并且由与EEC索引的相同数值对应的ECOCA(EEC)容度进行平均，其中，该EEC索引具有时间常量K(通常K＝2^n)。作为简化的平均值运算，考虑到sum_CF(EC)＝sum_CF(EC)-sum_CF(EC)/K+CFn(ECn)。实际标准化的CF是sum_CF(EC)/K。存储sum_CF而不是存储由于数字量的增加而造成的数值准确性增强的平均值CF，还能增加表格的大小到100％。

在运行期间，在短的时间周期内测量EC，该短的时间周期足够用于检测在搜索精度范围的频率变化。EC是查找到ECOCA的CF读取索引。CF是正确频率和针对特定EC的振荡器自激频率的比例。

通过补偿从算法得到的校正因子之间的温度变化的影响，这种机制能使振荡器稳定。如果准确的EC索引在ECOCA中不可用，将内插法应用到相邻的ECs以便确定针对当前EC的CF。该迭代的ECOCA更新进程增加了校正因子的准确性。性能依赖于EC测量值的准确性。通常而言，一旦考虑到所有影响自激频率的EC因子并并对其进行补偿，则同步算法提供具有无效(Null)平均值的CFs。这会改善系统的转换性能。环境参数能直接进行测量(通过温度传感器)或有时针对低精度应用间接测量。作为低精度间接测量的实例是基于日期与年份的历史数据。另一间接测量的实例是在受相同EC约束的区间内测量同步振荡器和另一振荡器之间的比例。利用它们性能的差异能识别温度测量曲线。

算法的同步周期内EC梯度的大小影响到更新ECOCA的判断以及相关的EC_SACF or T_SACF的数值。EC波动改变本地振荡器的能影响相对校正频率因子准确性的自激频率，该校正频率因子由转作到ECOCA的算法计算得到。CF在周期期间内在地使本地频率的波动成一体。我们通过计算等同值(EEC)补偿这种误差，其中，该等同值(EEC)是EC的稳定值，该EC通过除以EC的积分产生与在算法的SUI周期内的测量值相同的振荡器计数。该等式能适用任何EC并且确定相等的稳定的环境条件，

$\mathrm{ESEC}=\underset{t(n-1)}{\overset{t\left(n\right)}{\∫}}\mathrm{EC}\left(t\right)\mathrm{dt}/\underset{t(n-1)}{\overset{t\left(n\right)}{\∫}}\mathrm{dt}$

对于周期内测量之前的温度测量

等同环境温度 $\left(\mathrm{EET}\right)=$

$\frac{\underset{t\_\mathrm{start}}{\overset{t\_\mathrm{end}}{\∫}}\mathrm{Temp}\left(t\right)\mathrm{dt}}{\underset{t\_\mathrm{start}}{\overset{t\_\mathrm{end}}{\∫}}\mathrm{dt}}$

不失一般性，在一个示例性的实施例中，我们将温度视为唯一影响振荡器频率偏差的CE因子。如果温度从T1线性增加到T1+0.4F，并且具有平均值T1+0.2F，则真正的CF应与T1+0.2F的EEC相关。温度Variation＝＝TV＝在测量间隔“MD＝t_end-t_start”内的“Max(Temp(t))-min(Temp(t))”。温度偏差确定温度稳定性SACFT_SACF，该T_SACF是更新ECOCA过程中考虑温度测量周期的系统置信因子的表达式。波动范围越大，置信因子越小。T_SACF应用实例能使用指数函数和温度偏差阈值(TVT)：T_SACF＝2^(Int(M*(TVT-TV)/TVT))。其中，M＝Max_SACF可以是16。温度SACF(T_SACF)与频率CF_SACF联合以获取在ECOCA中在更新温度时要使用的最终SACF。例如：SACF＝(T_SACF*W+CF_SACF*V)/2。其中，W和V是比例因子或标准化因子。ECOCA系数的更新能与示例性的加权函数完成：

SUM_CF＝(SUM_CF-((1-Max_SACF+SACF)*SUM_CF/K)+SACF*CF]/Max_SACF；CF是由算法返回的实际值。

在通电过程中，参考振荡器受温度和频率方面剧烈的梯度变化的约束。正常的温度控制设备像OXCO采取有效时间保持稳定。ECOCA(EC)补偿方法能立即提供了准确的时钟，甚至在同步算法开始返回CF之前。正如以下所描述的，当前方法能适用于各种不同的拓扑结构。

1)通过调整控制电压(CV)(图40的4990)适用于物理时钟振荡器(VCXO，VC_TCXO)，参见图49。这样的拓扑结构可以是：VC_CXO(CV)-＞输出时钟-＞物理计时器-＞物理时间戳-＞数据包时间戳。当频率与VCXO电压性能相比不需要校准并且并不是完全线性时，系统会迭代地构建与来自ECOCA的与每一(ESEC，CF)对相关的电压校正因子(VCF)。至少需要在相同温度下测量到(振荡器频率，控制电压)参数的两个确定值来估算CFSs。

2)通过调整由CF表示的除法因子，适用于物理NCO。这样的拓扑结构是：

OCXO-＞NCO(CF)-输出时钟-＞物理计时器-＞物理时间戳-＞数据包时间戳(参见图51)。

3)通过在从不受控振荡器收集的原始时间戳上应用数值校正，适用于虚拟NCO。参见图50。这样拓扑结构是：

OCXO-＞物理计时器-＞物理时间戳-＞时间戳的虚拟校正因子(CF)-＞数据包时间戳。

这种方法能适用于EC＝电源电压(Power Voltage)。与以前的温度实例相类似，小的low SACF，V_SACF会防止ECOCA更新。针对涉及到温度和电压的EC，能构建二维ECOCA表格。在表格中读取和写入期间，当电压性能更趋向于线性并且电压波动更小时，在电压索引之间更高距离能与内插值相协调。

实例性的虚拟振荡器会校正由固定的振荡器拓扑捕捉的时间戳(VTS)。

这个实例例样本仅仅将温度作为EC的部分。系统在针对TS(n)的时刻t(n)以及在针对TS(n+1)的时刻t(n+1)测量温度Tn和T(n+1)，其中TS是本地计时器的读取值。我们通过温度校正因子ECOCA(T(n)调整TS的值，以便补偿由于温度波动所导致的计时率的变化并且产生虚拟VS，将其标记为V_TS。

V_TS(n+1)＝V_TS(n)+(TS(n+1)-TS(n))*f1(CF(T(n))，CF(T(n+1)))；//其中，CF(T(n))＝ECOCA(T(n))是由T(n)索引的ECOCA的频率校正因子，并且f1或者是简单平均算法f1(x，y)＝(x+y)/2，或者是更复杂积累函数。

绿色集成的高精度振荡器设备

一种设备，包括：受控振荡器，通常是压控振荡器(任何包括石英和微机电系统的技术)，针对该振荡器控制的高精度数字/模拟(D/A)转换器，温度传感器，针对温度数值转换的模拟/数字转换器，存储ECOCA的内存，执行温度读取操作和在ECOCA为温度编制索引、检索CF、将温度写入到数字/模拟(D/A)转换器的控制单元。在这样的实施例中，该设备由工厂将ECOCA固化，并对其进行校准。另一实施例针对运行同步协议的外部处理器提供温度读取值，该读取值允许ECOCA数据的外部构建与维护。外部处理器能将在当前温度区间内的表格的一部分或整个表格写回到振荡器本地内存。另一实施例在设备内部能维持和更新在当前温度区间内的仅仅ECOCA的部分，并且当温度与具有更多内存存储空间的外部设备波动时，换出和换入该部分。根据本实施例，该设备具有一个电源，一个接地线(Gnd)，一个时钟输出以及可选的一个串行激活插脚。针对高精度，还可包括内部高精度稳压器。此外，模拟/数字转换器能测量包括在ECOCA记录中的电源导轨电压。该设备的内存储器可以是永久性的(例如闪存(flash))或易失去的(例如：随机存取存储器(RAM)。内存的大小可以不同并且正如所讨论的能读取整个ECOCA或仅仅其一部分。

当温度梯度在实际情况下受限制时，能降低内存储器到实际的必要的大小以在交换操作进行中覆盖更快的温度变化。内存大小需要与系统从外部处理器或存储空间更新本地设备上ECOCA的内容的速度成反比例。每一度温度具有在ECOCA中的相关字节量。该等式：(每一度温度的ECOCA信息量)*(最大临时梯度)*(min_interval+最大系统响应延迟)＝(链路速度)*(min_interval+最大系统响应延迟)＝在ECOCA更新活动中待转移的最大数据字节。在最坏的温度波动情形下要求针对该设备的持续操作的min_interval的确定允许计算内存储器的最小大小，该内存储器的最小大小＝min_interval*(串行链路速度)。

校准

可选的，当好的同步达到作为系统何时通过低传播延迟偏差链路连接到高精度时间参考时，将恒温器或半导体致冷器(Thermoelectric Cooler，TEC)设置在振荡器的最近可能的临近处，以便感应校准系统所必须的温度波动，。ECOCA的位置可在温度范围内随可靠的CF进行更新。

另一双向实施例的示例

基于镜像的F同步，算法随着新的周期开始执行第一斜度。当一个合法的Quatron被识别时，结束每一周期。频率被校正。初始AT0预先过滤参数会缩小到最后的|CF[ppB]|的实际的和值。斜率方法能用于并能检测三个不等式VT的识别。AT0能被调整以在限定的时间间隔内获取至少一个VT(Quatron)，该时间间隔选择为1S。为了更好地覆盖针对高传输延迟偏差的解集，相同函数的3个实例能与AT0.3＝8nS，AT0.5＝32nS和AT0.7＝128nS平行运行。针对AT0.3的在1S内的第一个解集被考虑，否则考虑AT0.5解集的平均值，并且如果都不可行，则最后考虑AT0.7解集的平均值。一旦过去的3个|CF|的和值在200以内，我们初始化Phase_Zero并宣称进程被锁定。如果没有VTs被查找，则我们使用2秒的SUI周期，该周期可以扩展到4，并且使用针对斜度搜索和为解集制作的直方图的Duon。使能UTC并且进一步提供Phase Zero。

使用一个网络端口(独立T1时间)的多个时钟域的同步的方法

一些应用要求独立成对的自激时间参考和从属时间的点到点的同步，以便保持数据的完整性。这对于不使用共同网络时间的PWE业务而言是典型的应用。此外，这没有明确的离开时间戳，但是从函数说明书能构建来自于源节点的出发时间。

当物理上使用单一的时间戳本地时钟，这方法基于不同的时间域时钟确定到达时间戳。例如在非结构化业务选择(SAToP)或伪线中，一个实施例适用于由独立自激远端振荡器计时的多个E1/T1数据流，而针对所有接收的无论来源何处的数据包，这仅仅有一个可用的(RNCO)时间戳。

这种方法以在所有标记为kNCO的计时器上执行周期性的、同时发生的同步时间戳为基础，其中，通过在区间[RNCOm，RNCOm+1]内使用RNCOn相对位置，该kNCO与每一时间源和kNCOn的内插值相关，其中，kNCOn等于点对点(PTP)到达时间戳事件。

我们定义RNCOn等于在到达时间处的点对点流量时间戳。该RNCOn，n，m+1传送到与该那个点对点相关的kNCO。

独立地，在有规律的时间间隔(期望准确性在0.1S到1mS的函数)，所有的kNCO(以及RNCO(参考NCO))在相同的时间被精确地标记时间。对于每一数据包，RNCOn与相应的kNCOm，kNCOm+1相关。

假设系统是线性的，我们使用外插法求kNCOn＝kNCOm+1+(RNCOn-RNCOm)*(kNCOm-kNCOm+1)/(RNCOm+1-RNCOm)。

注释1：如果kNCO和RNCO来源于相同的主时钟，(kNCOm-kNCOm+1)/(RNCOm+1-RNCOm)的比例实际上作为数值(kNCOupd/RNCOupd)而为系统所知。

注释2：针对小于1000ppB的时钟偏差，在1mS间隔内的kNCO和RNCO之间累加的误差甚至是不可测量的。在特定情形中，低精度是可接受的，外插法根本是不必要的，从而产生短的方程式kNCOn＝kNCOm(最新系统同步本地时间戳)

实施：kNCO会应用到远程现场可编程门阵列(Field Programmable GataArray，FPGA)。无论时间来源是何处，所有点对点由RNCO容度标记时间。在固定时间间隔，信号会表示kNCO和RNCO，以便制作临时时间戳。这些时间间隔足够长以允许系统将RNCOm和kRNCOm绑定。维持本地计时器以完成这种关联。利用在同步时间戳事件(一半或双倍)之间的显著短或显著长的时间间隔，或仅仅提供另一计时器同步信号，可以对计时器进行同步。同步时间戳应与任何事件相关联并不是必要的。这种技术的目的是使用现有的在RNCO和kNCO之间没有直接数据通信的硬件，其中，k是点对点数据流的数量。

一种可选的方式是在周期性的时间戳间隔[tm，tm+1](受控的HW)内外插法求接收的时间戳。

针对这个目的，该方法在有规律的时间间隔处为所有可用的本地kNCO标记时间(作为实例：期望准确性在0.1S到1mS的函数)。

无论是被kNCO或RNCO抽样，该事件在RNCO和kNCO窗口(由序列m到m+1限定)内具有相同的相对位置-参见以前的页码。

假设系统是线性的，我们使用外插法求kNCOn＝kNCOm+(kNCOm+1-kNCOm)*(RNCOn-RNCOm)/(RNCOm+1-RNCOm)

用时间事件的形式表达：(t(n)-t(m))/(t(m+1)-t(m))-其中，t(x)是时间戳事件)

注释：系统应该转移数值kNCO到用以外插值的计算的中央处理器(Central Processing Unit，CPU)。共同的NCO时钟或者是自激到高稳定源，或是锁相到高稳定源(使用IEEE1588或相似协议)。

在SAToP中的算法应用和常量比特率(Constant Bit Rate，CBR)PWE应用

适用于恢复针对穿过不具有1588协议的切换数据包网络的CBR链路的算法。参见图39，40，41。

该应用需要满足以下标准：

具有固定的数据包大小(M)

该应用封装固定数量的CBS比特(N)

具有足够长的填充标识序列号(IDn)以表示丢失的数据包。

例如，多个ALL1单元能有构建的与出发时间相关的时间戳(TS)，该出发时间默认为系统所知。通常，该Sn构建是CBR频率和包含在数据包中的CBR比特的数量的函数。它是多个理想数据包传输速率。

Sn＝IDn*N/F，其中，F是源CBR频率，M＞N并且链路速度大于(M+N)*CBR/N。

使用本地从属CBR时钟，利用Sn为接收的数据包标记时间。数据包ID用于产生如前所表示的Sn。当IDn封包到最大值，IDn在封包后添加到当前IDn值以便保证连续的Sn序号。在本地，该Sn用数据包头中的更多比特表示。(作为一种可选择的解集，运行菲尼克斯实验室协议的专属主节点能为所有从属终端提供始终)

II n.PNTP协议

协议和网络拓扑结构

精确时间同步的主要方面是网络结构和通信协议。

通过客户端和服务器的对称性、针对每一单独的端口在客户端和服务器的函数之间的切换、为了更好的同步结果多个服务器的同时使用，所有到允许分布式同步处理的中间节点的时间戳信息的完全可见性的有效性，我们的解集与IEEE1588和NTP现有的解集所有不同。

服务器/客户端动态分配过程通过信号或认知方法触发。连接客户端和服务器的网络质量在时间上会波动。客户端有必要与呈现低传播延迟偏差和高品质参考时钟相结合的服务器同步。这种结合动态改变。因此，每个节点可以决定源时间和恢复时间的质量。时间分布架构的另一个问题是服务器扇出直接被服务的关联客户端。时间参考节点层级或消息广播策略需要针对每个实例实施。例如，具有高扇出的节点需要是类型3，以减少由于多条信息造成的下游网络负载。

基于精确时间同步的目的，PNTP在末端节点之间传输时间戳信息。所传输的数据包包含最新接收的数据包的到达时间和传输时间(根据一个或两个步骤的协议版本无论是对当前或以前传输包)和包括比特选择的数据包ID，该比特选择根据从远端节点接收的数据包上的传输时间得到。

在单向模式中，仅仅传输字段具有有意义的数据。在双向模式中，主节点、从节点和中间节点能访问相同TS数据。链路的两端和中间节点能潜在地为从属频率计算必要的校正因子。

参考节点可以产生与点到点消息相平行的广播消息。

数据包载荷

指导我们专有协议的设计的宗旨是对称性、简洁性和成本。对于同步方法时间上不是很紧迫的另一信息是要求对时间同步的管理作为管理应用水平以更低的成本和更高的安全性贯穿常规的数据包。因此，我们从管理信息中分割出同步方法所需要的时间关键数据。

数据包载荷的实施例在表2中描述。每个数据包包含相对于该节点的最新的离开TS和到达的。为了响应数据包的识别和TS匹配，我们使用从时间戳或数据包ID序列号的16位字段选择。时刻(UTC)同步在执行该确定过程的节点上要求4个具有可用性的时间戳(IEEE 1588定义它们为t1，t2，t3，t4)。以32比特编码的时间戳采用定点表示法，其中，纳秒存在29到0比特，(代表十进制0到999,999,999)并且秒存储在30和31字节。如果有必要，从秒开始的UTC最高有效位(the Most Significant Bit，MSB)能通过控制字段或管理通道每4秒传输一次，该管理通道允许新的从属客户端节点与UTC同步。通过这种方式，我们能消除在每个时间戳和每个数据包中包括的整体UTC的冗余。可选地，从属节点能通过命令字段要求仅仅返回标记的到达时间和离开时间，而MSB 32比特用于秒的表示。(参见针对以63比特格式的离开时间的返回的表格3)。MSB 32比特表示4秒的倍数。

仅仅执行的频率和相位同步的PNTP具有最小的时间戳表示要求。指定根据数据包的精度和频率，针对每种应用，数据包格式版本可以进行制定。

表格2是携带典型的双时间戳、ID和控制字段的专属协议的实例

协议数据包的另一实施例会遵循IEEE1588同步数据包结构并且会简单附加最新的到达时间戳。

参考节点(主节点)仅仅产生消息的同步类型(不进行跟踪)

从节点产生对称的同步消息

其中，e t1，t3，t4，t2是表示为32b Sec，32b nS的时间戳。

针对时间戳的传输，对称性允许链路的两端基本上运行相同的简单堆栈。参考时间端口能轻易地切换到时间从属端口。作为实用效益的实例，假设网络连接到位于不同地理位置的不同的时钟源，标记节点A和节点B。

如果针对节点A的时钟参考指定的参数内是函数性的，而针对节点B的时钟参考不是，则节点A是针对时间参考的服务器，而节点B作为客户端通过本地网络从节点A获取它的同步信息。如果节点A被剥夺了作为参考时钟源的资格，而节点B具有可用的参考时钟源，则节点B成为网络参考服务器，而节点A作为客户端通过本地网络从节点B获取它的定时信息。节点A和节点B能同时成为参考时钟服务器，并且通过其他端口馈送给网络的其他节点。任何时间参考服务器需要每秒发送广播时间消息，以便让其他节点知道它们的可用性。PNTP能使用IEEE1588的管理层和控制层。

协议部署拓扑

精确时钟分布系统部署涉及到参考节点，中间节点和从属节点路径拓扑。此外，从要求同步的节点计算量的分开使更高效的利用网络资源以及产生更简单的，更低成本的几乎不具有计算能力的从属节点成为可能(有利于简单的无线传感器网络，音响喇叭)。另一个方面是时间同步功能分布在每个端口分配而不是每个节点。针对由参考节点提供的时间精度，我们的系统增添了链路质量的概念。拓扑结构使每个PNTP协议路径具有上游时间参考和下游时间跟随者。。其他中间交换器作为路径的一部分存在于末端点之间。我们有两组端口：类型1和类型2的末端端口以及类型3和类型4的中间端口。

类型1)绝对参考端口—它本地高精度时间源(通常这样的节点的所有端口作为上游参考)

类型2)时间透明或驻留时间感应端口(resident time aware，RTA)(针对上游和下游端口)。从功能是来说，数据包驻留在交换器上的时间被添加到时间戳的数据字段。在一个典型的实施例中，下游端口的本地到达时间从数据包时间戳中被减去。本地离开时间在相同的离开端口添加到相同的时间戳。算术单元(Arithmetical Unit，AU)执行这样的操作，即与驻留时间(离开-到达)到来自于参考时间端口(类型1或类型3)的原始离开时间加法运算等同的操作。中间节点(类型2)两个端口具有相同的本地时间参考。在这些端口收集的时间戳作为例程用在该算术单元中，以针对驻留时间测量值的提高的精确性维持本地精确时间。如果端口不具有NCO可用性，则如以下描述的能维持虚拟振荡器。

类型3)同步端口。既可以是一个上游端口和下游端口。3.1)下游端口是PNTP的末端点。在穿过未知节点(类型4)以及RTA(类型2)网络节点后，它从由时间参考端口产生的数据包解析数据。在此收集的时间戳用来同步该节点的本地振荡器(最终与该端口相关联)。如果该节点对于任何其他下游节点而言不能作为参考节点，它等同于IEEE 1588普通时钟。如果它可以作为参考节点，则它使用恢复时间的算法，并且作为等于IEEE1588边界时钟的桥接(bridge)时间参考。在这两种情况下，类型3的下游端口运行算法的例程和PNTP堆栈的例程。3.2)端口，使用作为参考针对其他下游端口使用恢复的时间作为参考的端口必须运行PNTP协议例程。参见图54，55。

类型4)未知端口。这些端口不理解该协议并且不会采取与时间或时间数据包关联的行动。简单而言，这些端口传送PNTP数据包并且引入PDV。

该协议：针对PNTP的标准端口编纂(参见图54，55，56)

为了编纂端口，我们使用第一数位作为在那个以前段落中描述的端口上执行的计时功能的类型。第二个字段指定上游参考节点的ID。如果当前节点不是参考节点，它表示自己的ID。否则，它包括所有运行PNTP的参考节点，其中，当前下游端口使用该PNTP进行同步。第三个字段是下游节点的ID。如果当前端口是从属节点(类型3)，则它的ID将结束ID流。需要注意的是，一个端口可以动态切换它的类型作为网络条件的函数。参见图56，节点O和节点P，该两个节点在相关端口上具有类型2和类型3能力。例如，如果节点O通过很好的的连接且几乎没有PDV地连接到参考节点F，则它会以RTA模式等于类型2进行工作。如果该连接状况非常糟糕，下游端口将从本地恢复时钟，并且成为终止如同在节点P上的TFGP协议的同步端口。在其他拓扑中，参见图55。节点G能连接到多个参考节点A，B，C以及其他同步端口H，J，K，L。如果节点C由于例如故障失去它的参考时钟，则在节点G的端口针对节点C成为上游端口，实际上是作为角色的互换。这种切换既能有通过管理通道的信号感应，也能由算法感应。

III.针对通过PSN的定时传输系统的部署方法

代理部署

特殊应用可能需要特殊的部署架构，例如代理网关(SPG)针对从属节点执行计算。被动(passive)的从属节点可能是无线传感器。能访问参考节点和从属节点正产生的时间戳的代理网关能针对每一被动从属节点运行算法的实例，并且针对每个从属节点的本地振荡器发送校正因子。该代理网关典型地位于最后的高扇出交换器中，该交换器可作为一个IEEE1588边界时钟或PNTP类型3参考节点。另外，代理可放置在能提供一种接收由从属节点收集TSPs方式的网络的任何位置。PNTP协议允许所有TSPs完全可见。任何中间节点能窥探流量，执行算法，并提供针对从属节点的解决方案。

代理部署的优点：通过允许不太复杂的或虚拟的从属节点降低了整体系统的成本允许，针对类型3本地网关(办公室或家)减少通过链路的流量，为针对具有更多信息的代理的网络定时的全局视野，并且能做比每个从属节点更好的计时校正。

针对IEEE1588，NTP和PNTP协议，改装中间网络交换器的定时旁路箱法

通过改装陈旧的IEEE 1588，NTP或PNTP路上上引入高PDV的交换器，允许消除或减少PDV。一个实施例将使用四端口设备，并在入方向和出方向呈马蹄型地将其作为插入到线路和交换器端口之间。该引入PDV的交换器实际上是数据包驻留的那个交换器。这是线路离开时间和线路到达时间之间的偏差。如果驻留时间添加到嵌在离开时间戳中的时间戳，则由交换器插入的PDV从两个末端端点被明显地移除。如果链路的所有交换器都具有这种能力，当末端端点同步有任何扭曲时，这会有很小的PDV。针对每条通过交换器的链路，每个方向能使TSP和数据包ID变量保持分开。添加驻留延迟与离开时间的延迟等同。

另一实施例使用两个相同设备，每一设备具有界面端口，一个针对线路，另一个针对交换器。这个设备插入到线路和交换器端口之间，一个针对向内方向，一个针对向外方向。或者通过以太网，BITS，或者通过专有连接，这两个设备彼此保持时间同步。入方向设备从嵌入参考节点离开时间戳的数据包减去本地到达时间戳。出方向设备向嵌入参考节点离开时间戳的数据包添加它的本地到达时间戳。

并非所有的中间交换器必须具有这样的特性。穿过在10个交换器的中间的设备的一个这样定时的添加能极大地降低原始端到端路径的PDV。

实例

考虑到该拓扑结构：主末端、两个中间交换器：SW1，SW2以及从属接收节点(Slave Reception，SR)。

主离开时间戳(Master departure Time stamp)＝MT。

从接收时间戳(Slave reception time stamp)＝SR。

SR(n)＝MT(n)+PDV1(n)+PDV2(n)+constant_PDV，其中，n是序列ID并且，MT(n)是该主离开时间戳。利用MT(n)+PDV1(n)，第一交换器SW1取代MT(n)。利用MT(n)+PDV1(n)+PDV2(n)，第二交换器SW2取代接收的已嵌入的时间戳(MT(n)+PDV1(n))。

从属节点将确定传播延迟＝SR(n)-[MT(n)+PDV1(n)+PDV2(n)]＝MT(n)+PDV1(n)+PDV2(n)+constant_PDV-[MT(n)+PDV1(n)+PDV2(n)]＝constant_PDV

在现实生活中，在物理链路层也有可变的延迟(在此标记为constant_PDV)，但整体而言，这种协议能显著地使定时计算的准确性提高几个数量级。

IV.仿真、检测和调试的方法和装置

软件仿真检测实验台

我们的算法接收来自运行在网络节点上的协议堆栈的时间戳，并且接收来自网络上的邮票节点上运行，并控制本地的定时参数(频率和UTC)。该算法能进行模拟，利用系统模型程序(System Model Program，SMP)取代真实的网络，时间参考节点，本地时间戳和时钟振荡器，可以对该算法进行仿真，其中该SMP从预先录制的激励文件(Stimulus file)或从实时产生PDV并以相同方式产生时间戳的程序，然后读取HW系统会发送时间戳到该算法。该算法处理时间戳并且产生CFS，该CFS被发送到SMP。

SMP从新的CFS更新它的定时参数。新产生的离开时间戳和到达时间戳使用该更新的定时。

SMP的实施的实例：不失一般性，我们可以考虑我们的真实网络具有最小传播延迟，其为0。在时间n，我们标记Sn作为参考节点离开时间戳，Rn作为从属节点到达时间戳。

Sn随应用要求的选择频率产生，典型地针对0.5 to 1024ppS。

SMP产生R(n)＝到达时间戳：

Rn＝R(NCOupd)+(Sn-S(NCOupd)+(PDV(n)-PDV(NCOupd)))*F(NCOupd)

其中，R(NCOupd)是具有频率校正因子的本地定时参数在最后更新产生的到达TS，频率校正因子等于算法提供的CF。

相对于理想的绝对值(临近1进行标准化)，F(NCOupd)是针对板载自激振荡器的标准化频率。

例如，如果自激频率是1.00001并且当前频率是1.00002，则CF是～1.00001。

F(n)＝F(n-1)*CF(n)//(n)是针对算法周期的索引，由NCO更新事件描述。

CF(n)在临近1区间标准化并且表示相对原有值，频率会改变多少。

系统从取决于应用的默认F(O)启动。典型地，能使用1.00005表示50ppM的偏移。

由于CPU和PHY设备的离散周期，GMII/SGMII总线时钟与这些采样时钟频率和值的模拟到达时间，Rn必须反映采样误差(8nS(GE)+200MHzCPU时钟值5nS＝13nS)。我们需要使R(n)的准确性降低13nS。

对于FE，Generated_Rn＝Rn-Mod(Rn，40nS)

仿真

激励PDV文件的产生

激励文件包括具有由网络产生并由我们系统中的一个或其他现有的测设装置收集的PDV的记录。

我们还可以生成该文件。我们将激励文件分为几个部分。每一部分都包含特定类型的噪音或这些类型的组合。在不同网络条件和不同传输响应下，有目的去检测和比较算法的性能。我们使用excel表格以生成激励文件。针对每种类型的PDV(像振幅和周期)，参数的集合制定可调整的特性。随机变量生成PDV参数和值。最后，我们对所有PDV类型求和，并且创建最终的激励文件。SMP程序读取激励文件，并生成从属接收的标记时间的事件，其中，该事件与能复制运行条件的相关参考离开时间戳共同传送到该算法。

针对多个网路交换器的激励文件构建

一旦具有在实验室中从网络检测实验台或从包括一个或多个中间交换器收集的PDV数据，则可以合成与多个复制的记录配置的实例相等的代表检测配置的文件。在实验室中，我们针对仿真和检测无需创建检测试验台也能产生PDV文件。我们添加了相同的在相位中筛选的且具有不同振幅的PDV文件实例。每个新实例是大量与示例的数量相等的实例相加的结果。例如，考虑到交换器SWTn，总的PDV＝SUM(PDV(SWTn(t+Tn))，其中，Tn是链路的延迟以及交换器和参考交换器之间的传播延迟。相同处理方法可被任何其他程序或工具实现。

在仿真中的TIE的确定

仿真访问源时钟和恢复时钟。TIE和MTIE在SW中准确地确定。原因是仿真在任何时间知道主频率和从频率。这种方法通过使当前Fs值成倍增加能实现从频率的校正，也就是具有校正因子CFC(n)的本地自激振荡器频率校正，该校正因子CFC(n)等于在NCO更新时刻u计算的频率校正因子。FCF是在临近1的区间内的数值。通过该方法，Fs基本上是Fm的镜像。

考虑Fs(0)＝在从节点的自激频率(＝1.000,050,000

Fs(1)＝Fs(0)*CF(1)

Fs(2)＝Fs(1)*CF(2)

……

Fs(u)＝Fs(u-1)*CF(u)，其中，u是最新的NCO更新事件

主源频率默认情况下为固定值。相对于Fm，Fs是从频率。我们用正常的表达式(通常用FM除以所有频率)。主频率Fm＝1，并且Fs是本地实际频率和主频率的比例。Fs是临近1的比例。累加的相位误差(MTIE)是Fm和在一段时间内累积的Fs之间的偏差，我们将该段时间分割成NCOupdates之间更小的间隔。

MTIE(n)＝(1-F s(NCOupd＞＞*(S(NCOupd)-Sn)+MTIE(NCOupd-1)

Fs(NCOupd)＝Fs(NCOupd-1)*CF(NCOupd)是当前写入NCO中的值，并且(NCOupd-1)是在以前的NCOupd时刻的以前的数值(在NCOupd文件的先前行)。

对于仅仅捕捉NCOupdate事件的NCOupd文件，这有一个使用从2个连续行(u和u-1)的数据的方程式：

MTIE(u)＝(1-Fs(u-1))*(R(u)-R(u-1))+MTIE(u-1)或由于二阶误差能用S取代R

MTIE(u)＝(1-Fs(u-1))*(S(u)-S(u-1))+MTIE(u-1)

其中那个，u is the NCO更新事件.

网络定时检测设备(Network Timing Test Equipment，NTTE)

检测系统

利用一组检测机制来实现算法的开发和优化。检测设备和仿真。新的检测设备能再现由待同步的设备观测到的网络云。它包括运行通信协议的参考节点的多个示例、定时参考源和和网络损害产生器。这种测试设备直接连接到待检测的设备。通过更改由具有PDV文件提供的节点之间的虚拟传播延迟偏差的时间戳来仿真网络损害。这种文件既能记录在实验室、运行的网络中，也能由人工或自动产生。检测设备和被检测设备之间的连接使通信实际上同时发生。如果数据包在被发送时实际上已被接收，但是嵌入的时间戳值由PDV有意降低，则该数据包与早先被发送PDVn nS且然后被具有相同PDVnnS的网路延迟的数据包相等同。接收器在产生等同条件的两个情况中设置相同的时间戳。接收器在两种条件的相同时间接收数据包并且在源计时和目标计时器之间的偏差表示PDV。下游节点会解析到达的数据包，这些数据包穿过具有从激励文件读取的PDV序列的网络。通过计算网络损害函数和时间参考节点会消除外部同步连接(参见图42)以及主节点或损害设备的成本。通过馈送恢复时钟到检测设备，我们能测量MTBF并且比较即时的频率，提供在时间上或其他条件的解集。对于出方向(相对于被检测的从设备)，出方向PDV能从出方向文件获取，并且被添加到到达时间戳然后通过协议返回到从属节点。这相当于PDV存在与网络中。PDV文件具有嵌入到PDV文件中的传播延迟。

事实上，我们能产生真正的具有从文件读取的PDV的数据包，文件允许我们创建复杂的来自于简单网络或实验室配置的PDV模式。例如，我们能仅仅设置一个具有能复制8261个模式的交叉流量的交换器。然后，使用多种技术，我们能叠加相同文件的几个实例，这些文件具有运行在每个单独的交换器上的交叉流量之间的不同程度的同步。这减少了时间以及与检测有关的成本。

网络云定时仿真器

NTTE仿真包括几个主节点、运行任何主要协议和任何PDV以及传播延迟的真实网络云。NTTE生成数据包，这些数据包对于待检测设备具有相同的效果，就像它们从仿真的真实网络中被接收一样。从属节点感测不到任何偏差。NTIE能创建检测情况和条件，而这些如果是在实验室中设置是极为困难、昂贵和不可行的。

NTTE通过从待检测设备取回物理定时能测量同步性能并且与间隔参考相比较。当系统是数字系统并且能及时确定和记录参考频率和从属频率之间的实际比例时，任何由待检测设备产生的参考频率(例如，1S脉冲，2.048MHz或10MHz)都能被分析。能对NTIE进行编程以产生任何同步协议和PDV。当NTTE执行数据包产生和PDV插入功能时，NTIE削减同时使用定时参考和另一PDV插入设备的成本。

作为实例，它能产生IEEE 1588，NTP，PNTP或者其结合，这些协议与数量不定的网络主节点和从节点相关联。与参考节点每个路径相关联的PDV从实时产生或从文件回放。这些文件可从真实网络收集、从实验室检测试验台收集、从收集物进行同步或处理、生成的或其结合。通过NTTE(参见图42)或其他任何商业检测/测量系统来实现PDV收集。基于检测的目的，将PDV装载到NTTE中并且将其用于更改数据包的实际离开时间和传输的离开时间之间的关系。将该PDV文件完全装入NTTE或其能从PDV服务其周期性的转移。通过更改离开时间或数据包的嵌入时间戳可以仿真实际的PDV。

在一个实施例中，直接连接到从属节点的NTTE(例如通过GE链路)以一定速率产生数据包，该速率＝constant_rate_T+PDVn，其中，n是标记时间的数据包的序列。相关联的离开时间Dn＝n*T被转移到从属节点。即使从属节点直接连接到从属节点，这会迫使从属节点解析虚拟PDV。在另一个优选的实施例中，针对当该源节点能以固定间隔速率产生数据的情形，则传送到从属节点的离开时间是实际的离开时间最小PDVn。Dn＝Dn-PDVn。类似地，从属节点立即在Dn接收数据包，并且解析PDVn的传播延迟。

需要注意的是相同的速率(PPS)正常情况下应该用于收集和检测(产生)系统。如果不可能，则相对仿真期间，更可能使用内插法针对在真实收集时以不同的速率产生的数据来产生PDVn。

在双向条件下，到来的时间戳由具有R_PDVn加值的主节点更改，该R_PDVn从PDV服务器相似地预装载和周期性地转移。

针对延迟请求的主到达时间戳是：M_Rn＝M_Rn+PDVn。

可选的方法是通过减去PDVn改变来自于从属节点(延迟请求)的离开时间戳。从节点离开时间S_Sn＝S_Sn-PDVn。

为了检测通过同步传输链路的定时，当协议为直接数据传输协议，该PDV可由时基误差或漂移替代。作为实例，1T链路(BITS)会传送从文件中读取或实时产生的时基误差和漂移。在另一实施例中，时基误差和漂移的数值插入到IP数据包中并且被发送给从属节点。

网络节点之间的距离变化的仿真

通过定时方法测量的网络节点之间的距离定位通过添加与传播延迟的变化相等的时间戳常量可被虚拟地更改。例如，通过链路L1的TS_A应该产生new_TS_A_L1＝TS_A_L1+Y1，其中，该链路L1由与由Y1 X1和Y1被签名改变的延迟对应的(X1和Y1被签名)距离X1更改。考虑到PD_L1作为通过链路1的传播延迟，PD is PD_L1+Y1。如果有多条到一个节点的链路，每条链路具有相应的无线或有线传播延迟，则仿真器不得不识别源节点及其相关联节点。中央数据库会维持所有真实的Xn和在每对与链路Ln相关联的节点之间的仿真Yn传播延迟时间以致每个真正的到达时间戳TS_A_Ln被签名的Yn增加。

运动仿真

当Yn由于运动波动时，移动网络元素(移动无线)的仿真能通过在时间戳的时间处的重新计算Yn(t)。通常而言，针对一个或多个节点的预先定义的轨迹和每个节点的相关函数在试验之前确定。

噪音仿真

将额外PDV(n，t)从预先加载的表格，从生成函数或其结合添加到Yn(t)或Yn。

比较检测设备的准确性的检测

由NTTE产生的流量能被另一作为从属评估设备的NTTE捕捉，并且与原始文件进行比较。为了更好的结果，两个NTTE需要具有相同的系统时钟。

方向定位方法

传统上，移动无线接收器通过测量到位置已知的多个基站的传播延迟并应用三角形方法确定它们的位置。通过确定到多个移动电话的最小传播延迟，而这些移动电话在多个不同的位置，并通过应用相似的三角形步骤，并使用反向机制确定固定基站或不具有GPS的家庭基站的位置。当节点固定时，三角形的数据能实时计算。例如，一个单一的实时取多个位置的GPS电话会逐渐改变基站的位置。该移动电话能使用我们的同步算法以改善GPS同步准确性。此外，该算法会发送相关的SACF，该SACF会被转移到基站并且用于衡量定时信息的质量以及定位信息的质量。类似地，一旦几个内置交换器确定其位置，则相同的方法能进一步适用于其他的交换器。

很明显地，对于本领域技术人员而言，在未脱离本发明的范围和精神下，可以对本发明的系统和方法进行各种更改和变换。因此，本发明在随附的权利要求及其等同的保护范围，本发明覆盖这个发明的各种更改和变换。关于这点，等同是指执行该功能的每种实施方式引述在权利要求中，即使是在此未做明确描述。

Claims (23)

1.一种从跟随者系统到参考系统的同步定时的方法，包括步骤：

将层级CFF函数(“HCFF”)应用到校正因子函数类型(“CFFs”)集合或其他HCFF集合，其中

根据它们处理的定时以及它们使用的进程，有几种类型的CFF和HCFF

每种类型CFF使用相同的针对该类型特定的输入数据并且针对每个CFF产生至少一个校正因子函数(“CFS”)，其中，该CFS仅仅由CF组成，或者CFS由CF和SACF组成，以及

该HCFF将CFS的集合作为输入并且产生至少一个CFS，其中该CFS仅仅由CF组成，或者该CFS由CF和SACF组成；以及

使用所述CFS进行同步定时。

2.根据权利要求1所述的从跟随者系统到参考系统的同步定时的方法，其中，CFF函数的输入数据包括时间戳对(“TSP”)的集合；以及

其中该CFF包括如下步骤：

制作Teon的集合，其中

每个Teon包括多个离开时间和到达时间TSP，

每个所述TSP与通信事件相关，

所有的通信事件发生在同步更新间隔内，并且被定义的最小时间间隔分开；

从至少一个Teon中提取至少一个原始校正因子；以及

使用所述至少一个原始校正因子(“CFn”)同步该定时。

3.根据权利要求2所述的从跟随者系统到参考系统的同步定时的方法，其中，额外的Teon产生于新接收的时间戳对并且在其到达时对其进行处理。

4.根据权利要求2所述的从跟随者系统到参考系统的同步定时的方法，其中，从Teon提取CFn包括：

计算CFn(x，y)＝((A(x)-A(y))-(D(x)-D(y))/(A(x)-A(y))，其中

D(x)是离开TS并且A(x)是包括在Teon中的TSPx的到达时间；以及

D(y)是离开并且TS并且A(y)是包括在相同Teon中的不同TSP的离开TS。

5.根据权利要求4所述的从跟随者系统到参考系统的同步定时的方法，其中，

任何CFn(x，y)，CFn(v，w)对包括在Teon中并且用于定时同步，且进一步满足关系式|CFn(x，y)-CFn(v，w)|＝AT0_SACFn＜AT0，其中，

Teon的任何TSPk部分至少是所述关系式的一部分，其中k是x，y，v，w中任何一个并且AT0与用于同步的搜索精度成比例。

6.根据权利要求2所述的从跟随者系统到参考系统的同步定时的方法，其中，从Teon中提取CFn包括：

计算CFn(x，y)＝(D(x)-D(y))/(A(x)-A(y))，其中

D(x)是离开TS并且A(x)是包括在Teon中的TSPx的到达时间；以及

D(y)是离开并且TS并且A(y)是包括在相同Teon中的不同TSP的离开TS。

7.根据权利要求6所述的从跟随者系统到参考系统的同步定时的方法，其中，

任何CFn(x，y)，CFn(v，w)对包括在Teon中并且用于定时同步，且进一步满足关系式|CFn(x，y)-CFn(v，w)|＝AT1_SACFn＝＜AT1，其中

Teon的TSPk部分的任何部分至少是所述关系式的一部分，其中k是x，y，v，w中任何一个并且AT1与用于同步的搜索精度成比例。

8.根据权利要求1所述的从跟随者系统到参考系统的同步定时的方法，其中，该HCFF输入数据包括集合CSF_k，并且其中，使用CSF_k进行定时同步包括步骤：

如果SACF_k＜SACF_kHT，则产生SACF_k＝0，其中，SACF_kHT是针对CFF_k的层级阈值；以及

产生

其中，k表示每个输入CFS。

9.根据权利要求2所述的从跟随者系统到参考系统的同步定时的方法，其中，使用所述至少一个原始校正因子(“CFn”)同步该定时步骤，进一步包括：针对与正被校正的CF的可能性成比例的每个CF，产生自估置信因子(“SACF”)。

10.根据权利要求2所述的从跟随者系统到参考系统的同步定时的方法，其中，同步该定时的步骤包括：

添加数值SACF_kn＝ATx-ATx_SACF_n到直方图的SACF(CF_k)＝SACF_k，其中SACF(CF_k)＝SACF(CF_k)+SACF_kn，这个二进制文件SACF(CF_k)覆盖包括该CFn值的间隔，并且其中，

根据产生CF_k的函数类型，x是1或2，ATx_SACF_n是在计算CF_k中确定，并且针对包括在SUI周期中的所述CF_k，执行所述关系式；

识别一系列二进制文件，该二进制文件能提供针对该系列中的二进制文件的二进制文件容度的最大和值；以及

利用方程式

计算解集，

其中，CF_k是二进制文件数值并且SACF_k是二进制文件容度。

11.根据权利要求8所述的从跟随者系统到参考系统的同步定时的方法，其中，包括如下步骤：

SACF_kHT＝Max((1+(SACF_i+SACF_e)/2)，min_HT)，

SACF_i是从入方向的TSPs由在链路L上的单向CFF产生的SACF，以及

SACF_e是从出方向的TSPs由在链路L上的所述CFF产生的出方向SACF；以及产生SACF作为在产生CF过程中使用的SACF_k的平均值。

12.根据权利要求8所述的从跟随者系统到参考系统的同步定时的方法，其中，该SACF与SV内的TSPs的数量和扩展的区间(“EV”)内的TSP的数量之间的比例成正比例关系。

13.根据权利要求10所述的从跟随者系统到参考系统的同步定时的方法，其中，直方图的二进制文件通过在网络负载降低时收缩并且在网络拥塞时放大动态地改变其宽度，并且这种动态改变与SACF_kHT的改变呈反比例关系，通过增加二进制文件的大小以便维持关系式SACF_kHT＞min_HT，直到达到最大二进制文件大小，其中，最大二进制文件大小取决于二进制文件的全部数量和待覆盖的CF范围。

14.根据权利要求10所述的从跟随者系统到参考系统的同步定时的方法，其中，该CFF函数取从链路到多个参考源的TPS作为输入。

15.根据权利要求1所述的从跟随者系统到参考系统的同步定时的方法，其中系统同步包括：

虚拟振荡器，其用控制进程提供的CF(n)，并利用该方程式：V_TS(n+1)＝V_TS(n)+(-TS(n))*CF(n)，来调整时间戳TS(n+1)，其中，TS(n)，TS(n+1)从固定的自激振荡器产生，该控制进程利用相同的CF(n)能调整可调振荡器，并且每个已调整的时间戳TS(n+1)与来自于时间戳TS(n)的先前已调整的TS(n)相关；以及

则TS(n+1)进一步地被传送到定时同步算法(权利要求1)，如同所述时间戳随可调振荡器取值。

16.根据权利要求1所述的从跟随者系统到参考系统的同步定时的方法，其中待同步的定时是UTC，包括如下步骤：

通过在方向之间查找对称传播延迟数据包，在参考节点UTC和跟随者节点UTC本地计时器(F_CTR_UTC)之间确定偏移(offset_UTC)，以及确定相关的Teon，通过确定针对两个方向的在到达时间和离开时间之间的偏差的最小值，能确定相关Teon，minPD_d＝ABS(A_d(x)-D_d(x))，其中，d针对入方向是i，针对出方向是e；

以及查找(ABS(minPDi-minPD_e))/2的最小值＝offsetUTC(ix.iy.ex.ey)，

其中，对应来自于每个方向的本地最小值的该对组合的所述最小值，ex.ey表示出方向TSP(eTSP)并且ix.iy表示入方向TSP(iTSP)，这个eTSP和iTSP定义往返Teon；以及

从能为定时校正值提供解集的往返Teon确定UTC CFS。

17.根据权利要求1所述的从跟随者系统到参考系统的同步定时的方法，进一步地，从第二参考时间节点提供第二从属定时同步，包括如下步骤。

用计时器(时间戳＝RNCOm)和第二物理或虚拟计时器(时间戳＝KNCOm)在固定延迟间隔内标记时间；

用第二事件的计时器接收值标记时间(RNCOn)；

通过使用方程式kNCOn＝kNCOm+(kNCOm+1-kNCOm)*(RNCOn-RNCOm)/(RNCOm+1-RNCOm)，利用内插方法，从时间戳RNCOn确定与第二从属定时相关的第二时间戳(kNCOn)；

利用从时间戳kNCOn计算得到的CFS同步该第二从属定时。

18.一种测量环境条件(“EC”)的系统，包括：

传输消息的设备(“TxSensor”)，该传输消息包括所述消息的离开时间戳，其中，传输该消息时，该时间戳是计时器的读取值，并且所述计时器具有足够的位阶以防止传输时间之间的缠绕，并且本地振荡器提供时钟，该震荡器的频率主要由于测量的环境条件来进行波动；

接收所述标记时间的消息以及对具有高稳定性时钟的所述消息的到达时间进行时间标记的设备(“RxBase”)，其中，当接收到所述数据包时，该时间戳是由高稳定性时钟驱动的计时器的读取值，并且所述计时器具有足够的位阶以防止接收事件之间的交叠；

确定该TxSensor和该RxBase之间的频率偏移的装置；

通过解析该频率偏移来提取EC的装置。

19.一种校正自激振荡器频率的方法，包括如下步骤：

以足以捕捉可测量的能确定频率更改的采样率对环境条件(“EC”)进行采样；

计算对应于环境条件的内插值CF(EC)

从CF(EEC(k-1))和CF(EEC(k))对EC进行采样，其中，

CF(EEC(k-1))和CF(EEC(k))是作为等同环境条件EEC(ECOCA)索引的校正因子CF的多维阵列的元素，

EEC(k-1)是在ECOCA阵列中最近的索引，其小于EC，

EEC(k)是在ECOCA阵列中最近的索引，其大于EC，以及

t(n)是EC的测量值的时间值；以及

应用该CF(EC)校正值到振荡器。

20.根据权利要求19的校正自激振荡器频率的方法，进一步包括如下步骤：

在同步更新间隔(“SUI”)周期中以足足以捕捉可测量的能确定频率更改的采样率对环境条件EC(k)进行采样；

在所述SUI内计算等同环境条件(EEC(SUI))，其中，EEC是常量EC，在该EC下该振荡器能产生相同数量的正如在波动的EC下在测量的SUI周期期间所计算的振动；

从CF(EEC(SUI))内插CF(EEC(m))，该CF(EEC(SUI))在具有CF(EEC(previous_SUI))的当前SUI周期结束时利用同步方法提供，该CF(EEC(previous_SUI))在先前SUI周期结束时由同步方法提供，其中，

对于EEC(SUI)和EEC(previous_SUI))，EEC(m)是表格中的最近的索引；以及

将该内插的CF(EEC(m))集合到由该ECOCA的EEC(m)索引的位置的内容中。

21.一种网络仿真的装置，包括：

高稳定性的频率振荡器；

逻辑单元，其配置成执行运行定时同步协议(“TSP”)的至少一个定时参考节点(“主”)的函数；

对TSP数据包标记时间的装置；

提供传播延迟数值(“PD”)的序列的装置，该传播延迟数值序列与由针对仿真的网络配置的TSP数据包经历的PD等同；

更改由每一主节点产生的TSP数据包的所述时间戳的装置，其中，这种更改是PD的加法和减法，该PD与在每一参考节点和待检测的设备之间的传播路径相关。

22.根据权利要求21的网络仿真的装置，其中，使用一种方法提供序列化的PD数值的装置，该方法包括步骤：

从一个或多个参考文件以及其结合产生PD，并且该文件由方程式定义：

PD(n)＝SUM_k(f_k(PD(n+g_k)))，其中，

每个文件包括在特定网络拓扑结构上测量的PD(n)数据的记录，

f_k是能更改PDV振幅的函数并且g_k是能更改包括PDV0(n)记录的文件的相位的函数，以及

k是自然数，f和g是包括恒等式和零函数的实数函数，

以f_k(x)＝x g_k＝0形式。

23.一种针对双方向的具有相同消息结构的定时同步的通信协议，包括：

到达时间戳A(n)以及从相对端接收的协议数据包的相关的序列ID，

先前传输的数据包的离开时间戳信息D(n)；

以及离开序列ID。

Images