CN103414532B - 一种时钟同步方法 - Google Patents

Abstract

本发明公开了一种时钟同步方法，包括以下步骤：定义一第一时钟；设置若干测量节点，这些测量节点依次相邻排列，任意一个测量节点至少发送其自身的时钟估计消息给其相邻的邻居节点；定义一本地时钟斜率并对其进行相对斜率估计，该斜率用于决定时钟的运行速度；定义一相对于所述第一时钟的第二时钟，并将所述第二时钟设置为一随机数，所述若干测量节点以及第一时钟的斜率通过该第二时钟参考得到；对该第二时钟进行斜率补偿。本发明的有益效果在于共同认同某个虚拟时间为一致时间，即可达到同步，由于网络拓朴分布式特点，若2—跳邻域的时间达到一致性，必然使得全网络时间一致，有效节约成本。

Description

一种时钟同步方法

技术领域

本发明涉及通信领域，具体涉及一种时钟同步方法。

背景技术

传统的多跳网络为规避精确时间同步问题，一般采用基于竞争MAC方案，如SMC，T-MAC等，采用逐跳周期同步方案，因而，同步开销大，网络信道利用率低、网络延迟大。而80年代以来，第三代军用战术分组网络（3GALE，现称数据链）为提高信道利用率、降低网络延迟以及精确定位，已广泛采用混合MAC方案，因而要求精确时间同步。由于军用网络设备可以配置GPS等精确时钟源或获得基地台精确授时（如我国陕西天文台军用时间授时，美国南卡罗莱纳军用时间授时台等），同步问题并不突出，但都以昂贵的成本达到。

发明内容

本发明的目的在于提供一种时钟同步方法，包括以下步骤：

一种时钟同步方法，其包括以下步骤：

定义一第一时钟，该第一时钟包括运行速率以及本地偏移；

设置若干测量节点，这些测量节点依次相邻排列，任意一个测量节点至少发送其自身的的时钟估计消息给其相邻的邻居节点；

定义一本地时钟斜率并对其进行相对斜率估计，该斜率用于决定时钟的运行速度；

定义一相对于所述第一时钟的第二时钟，并将所述第二时钟设置为一随机数，所述若干测量节点以及第一时钟的斜率通过该第二时钟参考得到；

对该第二时钟进行斜率补偿。

在本发明的一个优选实施例中，时钟同步方法还包括一平均时间同步协议，所述平均时间同步协议包括：相对斜率估计、斜率补偿以及偏移补偿。

特别需要说明的是，相对斜率估计采用MAC层时戳技术。

特别需要说明的是，斜率补偿基于本地信息交换，测量节点保持自己对全局变量的估计，然后通过对各自的邻居节点的相对估计的平均进行更新。

特别需要说明的是，偏移补偿中的第二时钟斜率相同并以相同速率运行。

在本发明的一个优选实施例中，第一时钟的运行速率以及本地偏移的更新速率低于其他参数的变化时间。

在本发明的一个优选实施例中，第一时钟的运行速率以及本地偏移由初始条件和通信拓扑决定。

本发明的有益效果在于：

一条邻居节点通过本发明的方法共同认同某个虚拟时间为一致时间，即可达到同步。由于网络拓朴分布式特点，若2—跳邻域的时间达到一致性，必然使得全网络时间一致，有效节约成本。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

本发明所述的时钟同步方法，包括以下步骤：

定义一第一时钟，该第一时钟包括运行速率以及本地偏移；

设置若干测量节点，任意节点至少发送其自身的的时钟估计消息给邻居节点；其中：

τ_i(t)＝α_it+β_i

其中τ_i是本地时钟读数，α_i是本地时钟斜率，决定时钟运行速度；β_i是本地时钟偏移，由于节点不可能获得绝对参考时间，因而无法计算参数α_i和β_i。然而，通过测量节点i相对另一个节点j的本地时钟，可以得到间接信息。事实上，上述方程代入节点j的方程得到：

${\mathrm{\τ}}_j=\frac{{\mathrm{\α}}_j}{{\mathrm{\α}}_i}{\mathrm{\τ}}_i+({\mathrm{\β}}_j-\frac{{\mathrm{\α}}_j}{\mathrm{\αi}}{\mathrm{\β}}_i)={\mathrm{\α}}_{\mathrm{ij}}{\mathrm{\τ}}_i+{\mathrm{\β}}_{\mathrm{ij}},$ 即是说：

τ_v(t)＝α_vt+β_v

通过对节点本地时钟的线性运算，每一个节点本地时钟保持对虚拟时钟的估计： ${\widehat{\mathrm{\τ}}}_i={\widehat{\mathrm{\α}}}_i{\mathrm{\τ}}_i+{\hat{o}}_i.$

为每一个节点找到使得i＝1,...,N。

其中N是网络中节点数，一旦上述表述得到满足，则对于所有的节点将有一个由虚拟时钟给出的公共全局参考，通过代入可得到：

${\widehat{\mathrm{\τ}}}_i\left(t\right)={\widehat{\mathrm{\α}}}_i{\mathrm{\α}}_{i}t+{\widehat{\mathrm{\α}}}_i{\mathrm{\β}}_i+{\hat{o}}_i$

因此 $\underset{t\→\∞}{\lim }{\widehat{\mathrm{\τ}}}_i\left(t\right)={\mathrm{\τ}}_v\left(t\right),$ i＝1,...,N等效为 $\underset{t\→\∞}{\lim }{\widehat{\mathrm{\α}}}_i\left(t\right)=\frac{{\mathrm{\α}}_v}{{\mathrm{\α}}_i}\left(t\right),$ 也就是：

$\underset{t\→\∞}{\lim }{\hat{o}}_i\left(t\right)={\mathrm{\β}}_v-{\widehat{\mathrm{\α}}}_i\left(t\right){\mathrm{\β}}_i={\mathrm{\β}}_v-\frac{{\mathrm{\α}}_i}{{\mathrm{\α}}_i}{\mathrm{\β}}_i,i=1,...N$

在本实施例中，时钟同步方法还包括一平均时间同步协议，平均时间同步协议包括：相对斜率估计、斜率补偿以及偏移补偿；其中：

相对斜率估计采用MAC层时戳技术；令Ni为在单跳内能够发送包给节点i的所有节点数。每个节点i试图估计与其邻居节点j的相对斜率这可以通过前面的方法实现，采用MAC层时戳技术。因此，节点i在内存中记录数据(τ_i(t₁),τ_j(t₁))，当有新的消息包从节点j到达节点i时，同样过程应用得到新数据(τ_i(t₂),τ_j(t₂))，相对斜率通过下式估计:

${\mathrm{\η}}_{\mathrm{ij}}^{+}={\mathrm{\ρ}}_{\mathrm{\η}}{\mathrm{\η}}_{\mathrm{ij}}+(1-{\mathrm{\ρ}}_{\mathrm{\η}})\frac{{\mathrm{\τ}}_j\left(t_2\right)-{\mathrm{\τ}}_j\left(t_1\right)}{{\mathrm{\τ}}_i\left(t_2\right)-{\mathrm{\τ}}_i\left(t_1\right)}$

其中为变量η_ij的更新值，且ρ_η∈(0,1)是调谐参数。如果没有测量误差，并且斜率是常数，

在任意两个采样时刻t1和t2，有：

${\mathrm{\η}}_{\mathrm{ij}}\left(t_k\right)={\mathrm{\ρ}}_{\mathrm{\η}}^k\mathrm{\η}\left(0\right)+\underset{k=1}{\overset{k-1}{\mathrm{\Σ}}}{(1-{\mathrm{\ρ}}_{\mathrm{\η}})}^l{\mathrm{\α}}_{\mathrm{ij}}={\mathrm{\ρ}}_{\mathrm{\η}}^k\mathrm{\η}\left(0\right)+{\mathrm{\α}}_{\mathrm{ij}}(1-{\mathrm{\ρ}}_{\mathrm{\η}}^k)$

由于0＜ρ_η＜1，对k→∞，η_ij收敛到α_ij，

实际上方程起低通滤波器作用，参数ρ_η平衡收敛速度和噪声。由于量化噪声的影响，是时变的，因而滤波是必要的。

算法的重要特点：

1）不需要以固定的频率更新，即包到达的时间差是可变的，因而使完全异步的。算法对异步通信非常有用。

2）仅仅需要非常小的存储，事实上，节点i存储当前N_i个相对斜率η_ij和最后一对即可。

由于一般情况下，即使网络规模很大，阐述N_i是较小的（1跳邻域内），因而算法具有很强的可扩展性。

斜率补偿基于本地信息交换，测量节点保持自己对全局变量的估计，然后通过对各自的邻居节点的相对估计的平均进行更新；其中，何节点保持自己对全局变量的估计，然后通过对其邻居节点的相对估计的平均进行更新。

在实际中，每一个节点上电自举后，直到所有节点都收敛到一个公共值，即它们都同意一个全局值。事实上，每一个节点i存储一个它虚拟时钟估计一旦节点j接收到包，以下式更新：

${\widehat{\mathrm{\α}}}_i^{+}={\mathrm{\ρ}}_v{\widehat{\mathrm{\α}}}_i+(1-{\mathrm{\ρ}}_v){\mathrm{\η}}_{\mathrm{ij}}{\widehat{\mathrm{\α}}}_j$

其中为邻居节点j的虚拟时钟斜率估计。所有节点对于虚拟时钟斜率的初始条件设定为需要证明前面的方程满足这等效证明为了证明这个结果，引入一个有用的变量如果成立，在一个初始过度期后，可以假设η_ij＝α_ij，因此,还可以写成：

$x_i^{+}={\mathrm{\ρ}}_v{x}_i+(1-{\mathrm{\ρ}}_v)x_j$

如果定义矢量和上述方程可以重写为

x⁺＝AX

其中矩阵A∈R^N×N除了第i行，在对角线元为1，其他元为0，即是说：

A对角线上为1的行对应节点没有收到消息，因而没有更新它的这个矩阵满足A_ij≥0和A·1＝1。这样的矩阵称为随机矩阵，并具有重要特性。矩阵是时变的，取决于任何节点交换同步消息。事实上，考虑矩阵乘积A_T＝A_tn···A_t2A_t1，其中t_i是同步消息接收时刻。

考虑时间序列t_k＝kT，令和矢量和1＝(1,1,...,1)^T，其中N为网络中的节点数，令为时间窗中网络所有节点区分顺序的通信时刻

$t_k<t<t_{k+1},\begin{array}{cc}i.e& t_k<{\mathrm{\&tau;}}_1^k<{\mathrm{\&tau;}}_2^k<\&CenterDot;\&CenterDot;\&CenterDot;<{\mathrm{\&tau;}}_{H_k}^k<t_{k+1}\end{array}$

其中H_k为在窗口中的总通信数，令j_τk,h为节点j在时刻发送它的并假设所有其他收到消息的节点i根据更新它的定义矩阵A_τk,h，A_τk,h除了[A_τk,h]_i,jτk,h＝1-ρ_v和[A_τk,h]_i,i＝ρ_v外的所有元素为0，其中i为j_τk,h的邻居，即i∈Ν(j_τk,h)。这样的矩阵是随机矩阵，即A_τk,h·1＝1。于是有

x(t_k+1)＝A_τk,HkA_τk,Hk-1…A_τk,2A_τk,1x(t_k)＝A_kx(t_k)

由于在第k^th时间窗t_k＜t＜t_k+1每个节点至少通信一次,那么关联A_k的图是强连通的，并且将根源独立于k的某节点v^[3]。现在令新的时间序列那么

$x\left({\stackrel{\_}{t}}_{l+1}\right)=A_{\mathrm{lN}+N-1}\&CenterDot;\&CenterDot;\&CenterDot;A_{\mathrm{lN}+1}{A}_{\ln }x\left(\stackrel{-}{t}\right)={\stackrel{\&OverBar;}{A}}_{l}x\left(\stackrel{-}{t}\right)$

根据^[3]的命题3，对应矩阵的图强根源某一节点v，这就是充分条件保证了

$\underset{t\&RightArrow;\&infin;}{\lim }x\left(t\right)=\underset{l\&RightArrow;\&infin;}{\lim }x\left(t_l\right)=\underset{m=1}{\overset{\&infin;}{\mathrm{\&Pi;}}}\stackrel{\&OverBar;}{A}x\left(0\right)=x_{\mathrm{ss}}\&CenterDot;1$

其中x_ss∈R，由于所有的是随机矩阵，那么有和可以推出min(x(0))＜x_ss＜max(x(0))。回忆和 $x_i\left(0\right)=\widehat{\mathrm{\&alpha;}}{\mathrm{\&alpha;}}_i\left(0\right){\mathrm{\&alpha;}}_i,$ 由此可以证明：

给定的斜率更新方程初始条件和0＜ρ_v＜1，对于任何i,j,假设η_ij＝α_ij。同时假设存在时间T>0，使得对于任何具有长度T的时间窗，网络中的每个节点i至少发送一次其本地斜率补偿参数给邻居节点，如果网络节点通信图是强连通图，那么

$\underset{t\&RightArrow;\&infin;}{\lim }{\widehat{\mathrm{\&alpha;}}}_i{\left(t\right)\mathrm{\&alpha;}}_i={\mathrm{\&alpha;}}_v,\&ForAll;i$

以指数速度收敛，其中α_v为常数参数，满足min_i(α_i(0)≤α_v≤max_i(α_i(0))。

上述定理揭示了重要特性：1）节点发送消息的顺序并不重要，发送的准确时刻也不重要，这意味着协议时完全异步和分布的，节点可以采用不同的发送率，唯一的重要条件是通信图强连通（这是一般实际网络都必须满足的），事实上定理还可以进一步放松这个条件；2）某些消息可以在传输中丢失，强连通条件保证了丢失消息包时仍能收敛，这意味着协议在链路失效和包碰撞时有很好的健壮性。

偏移补偿中的第二时钟斜率相同并以相同速率运行；第二时钟，即虚拟时钟估计器有相同的斜率，即所有的运行在相同的速度。

在应用斜率补偿算法后，虚拟时钟估计器有相同的斜率，即所有的运行在相同的速度。因此，方程 ${\widehat{\mathrm{\&tau;}}}_i\left(t\right)={\widehat{\mathrm{\&alpha;}}}_i{\mathrm{\&alpha;}}_{i}t+{\widehat{\mathrm{\&alpha;}}}_i{\mathrm{\&beta;}}_i+{\hat{o}}_i$ 可以重写为 ${\widehat{\mathrm{\&tau;}}}_i\left(t\right)={\mathrm{\&alpha;}}_{v}t+\frac{{\mathrm{\&alpha;}}_v}{{\mathrm{\&alpha;}}_i}{\mathrm{\&beta;}}_i+{\hat{o}}_i.$

从这一点说，只要补偿可能偏移误差即可。再次使用一致算法来更新虚拟时钟偏移为:

$\begin{array}{c}{\hat{o}}_i^{+}={\hat{o}}_i+(1-{\mathrm{\&rho;}}_0)({\widehat{\mathrm{\&tau;}}}_j-{\widehat{\mathrm{\&tau;}}}_i)\\ ={\hat{o}}_i+(1-{\mathrm{\&rho;}}_0)({\widehat{\mathrm{\&alpha;}}}_j{\mathrm{\&tau;}}_j+{\hat{o}}_j-{\widehat{\mathrm{\&alpha;}}}_i{\mathrm{\&tau;}}_i+{\hat{o}}_i)\end{array}$

其中和在相同时刻计算。根据方程 $\underset{t\&RightArrow;\&infin;}{\lim }{\hat{o}}_i\left(t\right)={\mathrm{\&beta;}}_v-{\widehat{\mathrm{\&alpha;}}}_i\left(t\right){\mathrm{\&beta;}}_i={\mathrm{\&beta;}}_v-\frac{{\mathrm{\&alpha;}}_i}{{\mathrm{\&alpha;}}_i}{\mathrm{\&beta;}}_i,i=1,...N,$ 偏移更新方程可以对所有节点保证了定义变量如果代入 ${\widehat{\mathrm{\&tau;}}}_i\left(t\right)={\mathrm{\&alpha;}}_{v}t+\frac{{\mathrm{\&alpha;}}_v}{{\mathrm{\&alpha;}}_i}{\mathrm{\&beta;}}_i+{\hat{o}}_i$ 到 $\begin{array}{c}{\hat{o}}_i^{+}={\hat{o}}_i+(1-{\mathrm{\&rho;}}_0)({\widehat{\mathrm{\&tau;}}}_j-{\widehat{\mathrm{\&tau;}}}_i)\\ ={\hat{o}}_i+(1-{\mathrm{\&rho;}}_0)({\widehat{\mathrm{\&alpha;}}}_j{\mathrm{\&tau;}}_j+{\hat{o}}_j-{\widehat{\mathrm{\&alpha;}}}_i{\mathrm{\&tau;}}_i+{\hat{o}}_i)\end{array}$ 中，可得

$x_i^{+}={\mathrm{\&rho;}}_0{x}_i+(1-{\mathrm{\&rho;}}_0)x_j$

因此在之前的定理同样的假设下，所有的x_i将收敛于相同值，即 $\underset{t\&RightArrow;\&infin;}{\lim }{x}_i=\underset{t\&RightArrow;\&infin;}{\lim }{\hat{o}}_i+\frac{{\mathrm{\&alpha;}}_v}{{\mathrm{\&alpha;}}_i}{\mathrm{\&beta;}}_i={\mathrm{\&beta;}}_v.$

具体算法的实现

算法在节点的在1跳邻域内实现。设在1跳邻域的邻居数为N_i。在T时间内1跳邻域内，任意节点至少发送它的虚拟时钟估计消息给邻居节点。

第一步：相对斜率估计α_ij

节点i在内存中记录数据(τ_i(t₁),τ_j(t₁))，当有新的消息包从节点j到达节点i时，同样过程应用得到新数据(τ_i(t₂),τ_j(t₂))，相对斜率α_ij通过下式估计：

${\mathrm{\&eta;}}_{\mathrm{ij}}\left(t_k\right)={\mathrm{\&rho;}}_{\mathrm{\&eta;}}^k\mathrm{\&eta;}\left(0\right)+\underset{k=1}{\overset{k-1}{\mathrm{\&Sigma;}}}{(1-{\mathrm{\&rho;}}_{\mathrm{\&eta;}})}^l{\mathrm{\&alpha;}}_{\mathrm{ij}}={\mathrm{\&rho;}}_{\mathrm{\&eta;}}^k\mathrm{\&eta;}\left(0\right)+{\mathrm{\&alpha;}}_{\mathrm{ij}}(1-{\mathrm{\&rho;}}_{\mathrm{\&eta;}}^k)$

其中ρ_η∈(0,1)。节点i存储当前N_i个相对斜率η_ij和最后一对(τ_i(t_kn);τj(t_kn))。

第二步：斜率补偿

采用基于本地信息交换的分布式一致算法，每一个节点i存储一个它的由Eq（5）定义的虚拟时钟估计一旦节点j接收到包，以下式更新：

${\widehat{\mathrm{\&alpha;}}}_i^{+}={\mathrm{\&rho;}}_v{\widehat{\mathrm{\&alpha;}}}_i+(1-{\mathrm{\&rho;}}_v){\mathrm{\&eta;}}_{\mathrm{ij}}{\widehat{\mathrm{\&alpha;}}}_j$

其中为邻居节点j的虚拟时钟斜率估计，所有节点对于虚拟时钟斜率的初始条件设定为

第三步：偏移补偿

虚拟时钟偏移补偿采用下述更新：

$\begin{array}{c}{\hat{o}}_i^{+}={\hat{o}}_i+(1-{\mathrm{\&rho;}}_0)({\widehat{\mathrm{\&tau;}}}_j-{\widehat{\mathrm{\&tau;}}}_i)\\ ={\hat{o}}_i+(1-{\mathrm{\&rho;}}_0)({\widehat{\mathrm{\&alpha;}}}_j{\mathrm{\&tau;}}_j+{\hat{o}}_j-{\widehat{\mathrm{\&alpha;}}}_i{\mathrm{\&tau;}}_i+{\hat{o}}_i)\end{array}$

其中和在相同时刻计算。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (4)

1.一种时钟同步方法，其特征在于，包括以下步骤：

定义一第一时钟，该第一时钟包括运行速率以及本地偏移；

设置若干测量节点，这些测量节点依次相邻排列，任意一个测量节点至少发送其自身的的时钟估计消息给其相邻的邻居节点；定义一本地时钟斜率并对其进行相对斜率估计，该斜率用于决定时钟的运行速度；

运算方式如下所示：

τ_i(t)＝α_it+β_i

其中τ_i是本地时钟读数，α_i是本地时钟斜率，决定时钟运行速度；β_i是本地时钟偏移，通过测量节点i相对另一个节点j的本地时钟，将上述方程代入节点j的方程得到：

通过对节点本地时钟的线性运算，每一个节点本地时钟保持对虚拟时钟的估计：

为每一个节点找到使得i＝1,...,N；

N是网络中节点数，对于所有的节点将有一个由虚拟时钟给出的公共全局参考，通过代入可得到：

即、

定义一相对于所述第一时钟的第二时钟，并将所述第二时钟设置为一随机数，所述若干测量节点以及第一时钟的斜率通过该第二时钟参考得到；

对该第二时钟进行斜率补偿；

所述时钟同步方法还包括一平均时间同步协议，所述平均时间同步协议包括：相对斜率估计、斜率补偿以及偏移补偿；

所述相对斜率估计采用MAC层时戳技术；

运算方式如下所示：

令Ni为在单跳内能够发送包给节点i的所有节点数，每个节点i试图估计与其邻居节点j的相对斜率，节点i在内存中记录数据(τ_i(t₁),τ_j(t₁))，当有新的消息包从节点j到达节点i时，同样过程应用得到新数据(τ_i(t₂),τ_j(t₂))，相对斜率通过下式估计:

其中为变量η_ij的更新值，且ρη∈(0,1)是调谐参数；

所述斜率补偿基于本地信息交换，所述测量节点保持自己对全局变量的估计，然后通过对各自的邻居节点的相对估计的平均进行更新；

运算方式如下所示：

每一个节点i存储一个它虚拟时钟估计一旦节点j接收到包，以下式更新：

其中为邻居节点j的虚拟时钟斜率估计；

所有节点对于虚拟时钟斜率的初始条件设定为需要证明前面的方程满足这等效证明了在一个初始过度期后，假设η_ij＝α_ij，即、如果定义矢量x＝(x₁，x₂，...，x_N)^T和1＝(1,1,...,1)^T上述方程为x⁺＝AX

其中，矩阵A∈R^N×N除了第i行，在对角线元为1，其他元为0；

矩阵乘积A_T＝A_tn···A_t2A_t1，其中t_i是同步消息接收时刻；

时间序列t_k＝kT，令和矢量x＝(x₁，x₂，...，x_N)^T和1＝(1,1,...,1)^T，其中N为网络中的节点数，令为时间窗中网络所有节点区分顺序的通信时刻

其中Hk为在窗口中的总通信数，令j_τk,h为节点j在时刻发送它的并假设所有其他收到消息的节点i根据更新它的定义矩阵A_τk,h，A_τk,h除了[A_τk,h]_i,jτk,h＝1-ρ_v和[A_τk,h]_i,i＝ρ_v外的所有元素为0，其中i为j_τk,h的邻居，即i∈Ν(j_τk,h)；这样的矩阵是随机矩阵，即A_τk,h·1＝1；于是有x(t_k+1)＝A_τk,HkA_τk,Hk-1…A_τk,2A_τk,1x(t_k)＝A_kx(t_k)；

由于在第k^th时间窗t_k＜t＜t_k+1每个节点至少通信一次,那么关联A_k的图是强连通的，并且将根源独立于k的某节点v^[3]；现在令新的时间序列那么对应矩阵的图强根源某一节点v，这就是充分条件保证了

其中xss∈R，由于所有的是随机矩阵，那么有和

可以推出min(x(0))＜x_ss＜max(x(0))；

给定的斜率更新方程初始条件和0＜ρ_v＜1，

对于任何i,j,假设η_ij＝α_ij,同时假设存在时间T>0，使得对于任何具有长度T的时间窗，网络中的每个节点i至少发送一次其本地斜率补偿参数给邻居节点，如果网络节点通信图是强连通图，那么

以指数速度收敛，其中αv为常数参数，满足min_i(α_i(0)≤α_v≤max_i(α_i(0))。

2.如权利要求1所述的一种时钟同步方法，其特征在于，所述偏移补偿中的第二时钟斜率相同并以相同速率运行。

3.如权利要求1所述的一种时钟同步方法，其特征在于，所述第一时钟的运行速率以及本地偏移的更新速率低于其他参数的变化时间。

4.如权利要求1所述的一种时钟同步方法，其特征在于，所述第一时钟的运行速率以及本地偏移由初始条件和通信拓扑决定。