CN103298099A

CN103298099A - 一种基于双模时钟频率估计的时间同步方法

Info

Publication number: CN103298099A
Application number: CN2012100534052A
Authority: CN
Inventors: 董恩清; 崔波; 李晓阳; 邹宗骏; 郑强; 张德敬; 常树旺
Original assignee: Shandong University Weihai
Current assignee: Shandong University Weihai
Priority date: 2012-03-04
Filing date: 2012-03-04
Publication date: 2013-09-11

Abstract

针对Sage-Husa算法在无线传感器网络时间同步中估计时钟频率收敛速度慢的问题，本发明提出一种基于双模频率估计的时间同步算法。该算法首先采用基于阈值的时钟频率变化检测方法实时检测时钟频率变化，对于时钟频率突变的模式，采用斜率方法快速跟踪时钟频率；而对时钟频率平稳的模式，采用Sage-Husa算法获得高的估计精度。将提出的时间同步算法应用于基于层次结构的无线传感器网络中，在NS2上的仿真结果验证所提出的算法不仅估计精度高，而且收敛速度快。

Description

一种基于双模时钟频率估计的时间同步方法

技术领域

本发明属于无线传感器网络领域，具体是涉及一种时间同步方法。

背景技术

时间同步技术是无线传感器网络应用的关键技术和研究热点，是实现其他协议和应用的前提。

针对各种应用需求，研究人员提出了许多时间同步方法。其中，由Mills提出的NTP（Network Time Protocol）协议在因特网中得到广泛应用。对于能量、计算能力受限的无线传感器节点来说，NTP协议并不适用于无线传感器网络。J．Elson和K．Romer首先提出并阐述了传感器网络中时间同步的重要性，之后相继提出了许多不同的时间同步协议。具有代表性的协议有：RBS（Reference Broadcast Synchronization）、TPSN（Time-Sync Protocol for Sensor Network）、FTSP（Flooding Time Synchronization Protocol）和Kalman滤波算法。RBS采用第三方节点发送时间同步信息方式，虽然完全可以消除发送端的不确定性，但是在同步过程中要求网络中各节点间相互交换时间信息以维持一个公共时钟，这将导致网络通信量的增加。TPSN采用双向的时间同步策略，利用MAC层时间戳技术可以基本消除发送接收端的不确定性，以提高时间同步精度，但是由于该协议不能估计节点时钟频率，将导致其同步周期缩短。FTSP算法虽然采用更加精确的MAC层时间戳技术及最小二乘算法估计时钟频率，可以进一步提高同步精度，然而，当时钟频率发生突变时，采用最小二乘算法估计的时钟频率是以渐进的方式收敛到真实值，不能及时跟踪时钟频率。Kalman滤波算法是一种应用于无线传感器网络时间同步中有效的频率估计算法。其中，Sage-Husa算法在Kalman滤波基础上采用实时噪声估计的方法来提高估计精度，虽然能够在时钟频率稳定或变化缓慢的情况下，获得精确的频率估计，但是当时钟频率发生突变时，估计时钟频率的收敛速度缓慢。

考虑到时钟晶振固有的特性，每个节点的时钟频率并不是一成不变的。当在外部及内部因素（例如湿度，温度，外界震动以及器件的老化等）的影响下，每个传感器节点的时钟频率将发生变化，以至于节点间时钟差越来越大，最终导致节点间时钟不同步。因此，需要在网络运行一段时间后对网络中节点的时钟进行校正，保证各节点之间的时钟误差处在允许的范围之内。考虑到时钟频率在短周期内的相对稳定性，采用如下式的一阶线性时钟模型对时钟参数进行估计是可行的

(1)

其中

为本地时钟值，

为标准时钟值，为决定时钟晶振速度的时钟频率偏移量，

为相位偏移量，

为服从

正态分布的模型残差。

发明内容

针对现有时间同步方法存在的缺陷，本发明提出一种基于双模时钟频率估计的时钟同步方法（Bimodal Clock Frequency Estimation Based Time Synchronization Protocol，BCFE-TSP）。该方法通过实时监测时钟频率的变化，针对不同的时钟频率模式采用不同的时钟频率估计算法。在时钟频率处于稳定模式时，采用Sage-Husa算法估计时钟频率，以提高估计精度；在时钟时钟频率处于突变模式时，采用基于斜率的方法估计时钟频率以加快收敛速度。这种策略不仅保证了时钟频率估计的准确性，而且可以提高时钟频率估计的收敛速度，最终减小无线传感器网络节点之间的时钟误差。

本发明是通过以下技术方案实现的：

本发明将无线传感器网络中的时间同步过程分为两个阶段：网络拓扑形成阶段和基于双模时钟频率估计实现网络时间同步阶段。每一阶段的技术实现方案如下：

（1）网络拓扑形成阶段

由根节点发起，采用广播的方式向其周围邻居节点发送网络层次形成数据包，使得周围邻居节点分配到合适的层次号，继而周围邻居节点再向外发送新的层次形成数据包，这个过程持续进行直到网络中所有的节点都有了合适的层次号。

（2）基于双模时钟频率估计实现网络时间同步阶段

实时的时钟频率检测方案提高时钟同步的准确性和收敛速度。本发明采用带有阈值的时钟频率检测器实时监测时钟频率的变化，以判断时钟频率处于哪种模式中，从而采用相应的时钟频率估计算法估计当前的时钟频率。

基于阈值的时钟频率变化检测

首先定义两种时钟频率变化类型，一种为时钟频率突变模式，另一种为时钟频率平稳模式。具体检测方法为：假设前一次估计出的时钟频率为

，当前估计的时钟频率为

；对前后两次估计的时钟频率作差并取绝对值，即，如果差值大于设定的阈值

，就认为时钟处于突变模式。为了保持Sage-Husa滤波算法估计精度高，稳定性好的特点，选择的阈值要大一些。在基于双模时钟频率估计时间同步算法中阈值

设置为5us。

Sage-Husa算法

Sage-Husa算法是由Sage和Husa提出的一种基于协方差匹配的自适应Kalman滤波算法，是在经典Kalman滤波器基础上加入时变噪声统计估计器，利用当前的观测数据对噪声统计特性实时估计，达到提高滤波精度的目的。对于估计时钟频率的线性离散系统，其状态方程和观测方程分别表示为

(2)

(3)

其中，为时刻参考节点与待同步节点之间的时钟偏差，

为

时刻的时钟频率偏移量，为时钟频率变化转移矩阵，

为时间同步周期，和

为

时刻的正态白噪声序列，其方差分别为

与

。

(4)

(5)

(6)

Sage-Husa算法估计时钟频率的过程为

(7)

(8)

(9)

(10)

(11)

(12)

其中，

是由如下时变噪声统计估计器递推获得

(13)

(14)

式中

，b为遗忘因子，0 < b < 1。

在时钟频率处于平稳模式时，Sage-Husa算法不仅具有方法简单，而且可对时钟频率精确估计。但是，如式（13）和式（14），该算法在对噪声统计特性估计时，利用了滤波残差值和一步预测值代替全局统计量，所以是一种次优算法。这个特性将导致在频率出现跳变的情况下，估计出的时钟频率值不能迅速跟踪当前的频率，而是以渐近的方式逼近，所以收敛速度较慢。

基于斜率的时钟频率估计算法

斜率估计时钟频率算法（Ratio-Based Method）是一种利用两对同步数据计算相邻节点时钟线性关系的方法。采用该方法对时钟频率进行估计时，虽然随着噪声方差的增加，导致估计误差也随着增加，但是该方法具有原理简单、计算复杂度低、实时性好的优点，所以对于时钟频率突变的情况可以快速跟踪。具体的实现过程是：由参考节点分别在

和

时刻向相邻待同步节点发送同步数据，待同步节点在收到同步数据后利用本地时钟分别记录同步数据到达的时间值

和

，此时，待同步节点采用如下公式计算自己的时钟频率与相应的参考节点时钟频率的关系。

(15)

网络同步阶段的初始化

对于网络初始阶段的时间同步，由于初始阶段每个节点的时钟频率未知，为了确保估计出的时钟频率更好的接近于真实的时钟频率，此阶段的时钟频率估计采用基于斜率的方法获得。

具体实现过程如下：

步骤1：根节点开始广播网络层次形成数据包，启动网络分层阶段，该阶段结束后形成如图1所示的网络层次结构；

步骤2：网络节点层次形成之后，进入同步阶段，此阶段由根节点周期性广播时间同步数据包给其周围邻居节点，该数据包中包含有根节点通过MAC层记录的时间戳信息。邻居节点收到同步数据包的时刻利用自己的本地时钟记录接收到同步数据的时刻，接着采用本发明中提出的基于双模的时钟频率估计算法实现与根节点完成时间同步；

步骤3：完成时间同步的节点紧接着依据步骤2的过程实现全网中的节点同步，图2为基于双模时钟频率估计的时间同步算法的流程图。

本发明的有益效果在于：

（1）提高时间同步过程的估计精度和收敛速度

本发明针对在时钟频率发生突变时，Sage-Husa对时钟频率的估计收敛速度慢的问题所提出的改进策略。时钟频率估计收敛速度慢将导致网络中节点之间的时钟产生很大的偏差，不能满足网络时间同步的要求。利用本发明提出的基于双模时钟频率估计的时间同步算法，通过实时监测时钟频率处于何种模式中从而采用相应的时钟频率估计算法达到对网络中节点的时钟频率估计收敛速度快而且精度高的目的，减小节点间时钟误差的目的。

（2）网络拓扑变化适应性

本发明中采用了FTSP算法中的单向时间同步机制，单向的时间同步减少了网络中数据通交换产生的额外的能量消耗，而且分层的网络结构能够可以适应网络拓扑结构的变化，确保网络中各个节点达到时间同步。

综上所述，本发明提出一种有效的时间同步方法。该方法基于双模时钟频率估计算法，在节点时钟频率处于不同的模式时采用不同的时钟频率估计算法，使得网络中各个节点可以快速准确的估计出时钟频率，使得网络中各节点时钟之间的偏差维持在允许的范围之内。

附图说明

图1 是本发明中经过网络层次形成阶段后的网络层次结构；

图2是本发明基于双模时钟频率估计时间同步算法的流程图；

图3是单跳范围内各种算法之间收敛速度的比较；

图4 是单跳范围内各种算法估计时钟频率的平均误差及误差方差；

图5 是网络规模为60个节点时各种算法对时钟频率估计误差；

图6 是网络规模为100个节点时各种算法对时钟频率估计误差；

图7 是网络规模为400个节点时各种算法对时钟频率估计误差。

具体实施方式

下面结合附图1对本发明作进一步详细的说明。

本发明中的时间同步协议的实现经历了两个阶段：网络层次形成阶段和节点同步阶段。

（1）网络层次形成阶段

图1给出一个3×8的网格网络，在层次形成阶段，根节点设置自己的层次序号为0，并向外广播含有自己层次信息的数据包，收到该数据包的一跳邻居节点，如ID号为3的节点收到该数据包后，将自己的层次序号设置为数据包中包含的层次序号加1，即设置自己的层次序号为1；然后将自己的层次序号封装到新的数据包中向外广播。这个过程反复进行直到网络中的每个节点都有一个合适的层次序号为止。该阶段完成后形成图1所示的网络层次结构。

（2）时间同步阶段

一旦每个节点有了自己的层次序号，时间同步协议将进入同步阶段。这时，根节点（层次序号为0）周期性地以洪泛的方式广播同步信息，该同步信息中包含了利用MAC记录的时间戳信息，当层次序号为1的邻居节点收到根节点发送的同步数据后，按图2所示的流程图进行同步，首先属于该层次的节点利用基于阈值的频率变化检测方法检测本地时钟频率是否发生变化，当本地时钟频率没有发生变化，采用Sage-Husa算法估计时钟频率，相反，当时钟频率发生了变化，将采用基于斜率的方法来估计时钟频率，完成与上层（层次序号为0）节点的同步。当该层的节点完成同步之后，立即开始向下一层节点广播带有自己本地时钟信息的同步数据包，使得下一层（层次序号为2）的节点完成同步。该过程依次进行，直到网络中的所有节点完成同步。通过这种方式不仅可以减少过多的通信消耗，还可以适应网络拓扑结构的变化，确保网络中各节点的时间同步。

本发明中提到的各种算法包括改进的最小二乘算法（Modified Least Square Method），Sage-Husa 算法，基于斜率的方法（Ratio-based Method）,无迹Kalman滤波算法（Unscented Kalman Filter，UKF）以及本发明中提出的BCFE-TSP算法。

Claims

1.基于双模时钟频率估计的无线传感器网络时间同步方法，其特征在于包括以下步骤：

步骤1：由根节点广播网络层次形成数据包，启动网络层次形成阶段，确保网络中的每一个节点获得合适的网络层次号；

步骤2：由根节点周期性的向周围邻居节点发送同步数据包，接收到该同步数据包的节点根据数据包中的时间戳信息，利用设置的阈值判断当前的时钟频率是否发生了变化，如果节点的时钟频率发生了变化，采用斜率的方法估计节点的时钟频率值；否则，采用Sage-Husa算法来估计节点的时钟频率值，从而完成节点本阶段的时钟同步；

步骤3：完成时间同步的节点紧接着向外广播新的同步数据包，最终全网节点完成时间同步。

2.根据权利要求1所述的时间同步方法，其特征在于：在所述步骤2中节点的时钟频率模式定义为两种类型，一种为时钟频率突变模式，另一种为时钟频率平稳模式。

3.根据权利要求1所述的时间同步方法，其特征在于：在所述步骤2中采用时钟频率变化检测方法实时监测时钟频率处于哪种模式，以采用相应的时钟频率估计算法；时钟频率变化检测方法为：假设前一次估计出的时钟频率为

，当前估计的时钟频率为

；对前后两次估计的时钟频率作差并取绝对值，即

，如果差值大于设定的阈值，就认为时钟处于突变模式；在基于双模时钟频率估计时间同步算法中，阈值的值为5us。

4.根据权利要求2或3所述的时间同步方法，其特征在于：当采用时钟频率变化检测方法检测到时钟频率处于平稳模式时，采用Sage-Husa算法估计时钟频率；当时钟频率处于突变模式时，采用基于斜率的算法估计时钟频率。