发明内容
本发明的目的在于针对背景技术中的卡尔曼估计时钟同步方法存在的缺陷提出了一种具有高度鲁棒的自适应时钟同步方法。本发明首先建立无线传感器网络的拓扑模型,将网络节点分作多个层级,后续的时钟同步方法只在相邻层级间进行,通过逐级同步从而最终达到全局时钟同步;然后,建立网络节点的时钟模型以及节点间的传输模型;最后,采用H∞估计滤波器对相邻层级的节点对进行相对时钟参数的估计,达到相邻层级的时钟同步,进而达到全局时钟同步。
本发明的技术方案为:一种具有高度鲁棒性的自适应时钟同步方法因此,包括以下步骤:
步骤1:建立无线传感器网络的层级拓扑模型,将传感器网络依次分为层级1,2,…,N;其中,层级1仅包含一个节点、即作为参考节点,相邻层级间进行逐级时钟同步;
步骤2:建立网络节点的时钟模型,设网络中的节点i以周期τ0对其晶振所产生的模拟时钟ci(t)进行采样,则得到离散时钟ci(l):
ci(l)=lτ0+θi(l-1)+[βi(l)-1]τ0,
其中,为时变时钟漂移,ξi为常数、表示节点晶振的归一化频率,B'(l)为标准维纳过程,pi为描述晶振相位噪声的一个参数,通过晶振的RMS周期抖动JPER与中心频率f0计算得到:
为时变时钟偏移,为初始时钟偏差;
定义时钟信息向量xi(l)=[βi(l)θi(l)]T,则得到节点i的时钟的演化模型:
其中,
设定每Δ个时钟周期进行一次时钟同步,则lk=Δk,得到时钟模型方程:
xi(lk)=Axi(lk-1)+wi(lk)+b,
其中, wi(lk)理解为是时钟模型的过程噪声,其为零均值的,且其自相关矩阵为:
步骤3:建立节点间的传输模型,采用发送者-接收者传输方式,设定节点i将时钟同步于节点h;首先在时刻t,节点i发送一条时间戳消息给节点h,并记录下发送时刻T1,t;节点h接受到该消息并记录下接受时刻T2,t,然后在T3,t时刻对节点i发送一条包含有T2,t和T3,t信息的时间戳消息;节点i接收到该消息并记录下接收时刻T4,t;得到节点i的时间戳信息表示为{T1,t,T2,t,T3,t,T4,t},以上时间戳交换过程表示为:
T2,t-θh(t)=T1,t-θi(t)+di,h+Xt,
T3,t-θh(t)=T4,t-θi(t)-di,h-Yt,
其中,di,h表示节点i与节点h间的传输延时中的固定延时部分,Xt与Yt表示传输延时中的随机部分;设并设对t采样得到离散观测方程:
Zl=[0-2][xi(l)-xh(l)]+Vl;
步骤4:进行相邻层级间的点对点时钟同步,将网络中节点标识为Sm,n,其中m∈{1,…,N}表示节点所属的层级,n表示该节点在其所在层级中的编号,根据时钟模型方程和时钟观测方程得节点与节点间的相对时钟模型及观测模型方程组:
其中, C=[0-2];设过程噪声w(lk)的自相关矩阵为Q,则当m=1时Q=Q1,当m≠1时Q=2Q1;
采用H∞估计器对向量x(lk)进行迭代估计,设置初始值与P0以及鲁棒系数在迭代过程j=0,1,2,…中始终满足H∞估计器的存在条件:
其中,I2表示2阶单位矩阵,'>0'表示矩阵正定,且
其中,
计算相对时钟信息向量x的估计为:
其中,
本发明提供一种具有高度鲁棒性的自适应时钟同步方法,首先建立无线传感器网络的拓扑模型,然后建立网络节点的时钟模型以及节点间的传输模型;最后采用H∞估计滤波器对相邻层级的节点对进行相对时钟参数的估计,达到相邻层级的时钟同步,进而达到全局时钟同步。本发明中H∞估计算法是通过最小化目标误差函数的H∞范数得到的,使得H∞估计具有很强的鲁棒性;在多跳网络中,误差累积对高鲁棒性的H∞时钟同步方法所带来的影响极小;同时高鲁棒性的H∞时钟同步方法中,不需要卡尔曼时钟同步方法中必要的时钟模型的噪声以及传输延时自相关矩阵等先验信息。
具体实施方式
下面结合实施例和附图对本发明作进一步详细说明。
本发明提供一种具有高度鲁棒性的自适应时钟同步方法,首先建立无线传感器网络的拓扑模型,将网络节点分作多个层级,后续的时钟同步算法只在相邻层级间进行,通过逐级同步从而最终达到全局时钟同步;然后,建立网络节点的时钟模型以及节点间的传输模型;最后,采用H∞估计滤波器对相邻层级的节点对进行相对时钟参数的估计,达到相邻层级的时钟同步,进而达到全局时钟同步。其详细推到步骤为:
步骤1:建立无线传感器网路偶的层级拓扑模型,将传感器网络依次分为层级1,2,…,N。其中层级1只有一个节点(即参考节点),将网络中的节点标识为Sm,n,其中m∈{1,…,N}表示节点所属的层级,n表示该节点在其所在层级中的编号;层级m+1中的节点同步于它所相邻的上一层级m中的某一节点。
步骤2:建立网络节点的时钟模型。设节点i装备如下晶振:
ρi(t)=cosΦi(t)⑴
这里为瞬时相位,式中的f0为晶振的中心频率,Δfi是由于硬件不理想所造成的频率偏移,Φi(0)为初始相位,为随机相位噪声,其中的B(t)代表标准维纳过程,pi为描述晶振相位噪声的一个参数,可以通过晶振的RMS周期抖动JPER(此参数在晶振手册中可查)计算得到:
据此,该晶振所产生的模拟时钟可以表示为:
若假设时钟可能够用时变时钟漂移和时变时钟偏差以下式表示:
对上式以周期τ0进行采样可以得到:
在(4)中的θi(l)和βi(l)为累积时钟偏差和瞬时时钟漂移。联合(2)、(3)式并微分之后可以得到:
对上式进行采样之后可得显然B'(l)是为高斯白噪声。据此,可以将βi(l)用一下递归公式给出:
βi(l)=βi(l-1)+ui(l)⑹
这里是零均值高斯噪声,它的方差为根据(4)中θi(l)的定义,结合式(6),同样可以将θi(l)用递归的形式表示:
θi(l)=θi(l-1)+τ0βi(l-1)+τ0ui(l)-τ0⑺
如果定义时钟信息向量xi(l)=[βi(l)θi(l)]T,那么结合式(6)、(7)可以得到网络中节点的时钟的演化模型:
这里需要一提的是,由于认为参考节点具有理想时钟,所以参考节点的时钟信息向量为
出于资源节省的考虑,实际的无线传感器网路中的时钟同步操作并不是时时都在进行的,而是每Δ个时钟周期进行一次。设lk=Δk,那么根据式(8)可以得到:
xi(lk)=Axi(lk-1)+wi(lk)+b⑼
这里: 其中,wi(lk)可以理解为是时钟模型的过程干扰,显然它是零均值的,且它的自相关矩阵为:
步骤3:建立节点间的传输模型。这里采用发送者-接收者传输方式,假设节点i需要将时钟同步于节点h。首先,在时刻t,节点i发送一条时间戳消息给节点h,并记录下发送时刻T1,t,节点h接受到该消息并记录下接受时刻T2,t,然后在T3,t时刻对节点i发送一条包含有T2,t和T3,t信息的时间戳消息,节点i接收到该消息并记录下接收时刻T4,t。由于整个信息交换过程耗时极短,可以认为在这个时间内节点i与节点h的时钟参数不变,至此,可以将节点i所得到的时间戳信息表示为{T1,t,T2,t,T3,t,T4,t}。以上时间戳交换过程可以表示为:
T2,t-θh(t)=T1,t-θi(t)+di,h+Xt⑾
T3,t-θh(t)=T4,t-θi(t)-di,h-Yt⑿
其中di,h表示节点i与节点h间的传输延时中的固定延时部分,Xt与Yt表示传输延时中的随机部分。将式(11)、(12)相加,并设 那么在对下标t采样之后可得离散观测方程:
Zl=[0-2][xi(l)-xh(l)]+Vl⒀
步骤4:进行相邻层级间的点对点时钟同步,这里将网络中的节点标识为Sm,n,其中m∈{1,…,N}表示节点所属的层级,n表示该节点在其所在层级中的编号,例如参考节点将被记作S1,1。在本发明中,层级2中的所有节点均同步于参考节点S1,1,层级3中的节点同步于层级2中的节点,依次类推,直至达到全局时钟同步。现考虑两节点与节点之间的时钟同步。根据式(9)中的时钟模型方程以及式(13)中的时钟观测方程可得节点与节点间的相对时钟模型及观测模型方程组:
其中 设过程噪声w(lk)的自相关矩阵为Q,则当m=1时有Q=Q1,当m≠1时Q=2Q1。现在引入H∞估计器对向量x(lk)进行迭代估计,首先需要设置初值与P0以及鲁棒系数(在满足式(15)的情况下尽量小)。在迭代过程j=0,1,2,…中必须始终满足H∞估计器的存在条件:
其中I2表示2阶单位矩阵,'>0'表示矩阵正定,且
这里: 现在,相对时钟信息向量x的估计可由下式给出:
这里
本实施例中具有高度鲁棒性的自适应时钟同步方法,具体过程为:
(1)初始化:各节点传感器进行初始化准备,设定H∞估计器的初值P0=Pinit。同时,还需要设置鲁棒系数
(2)进行节点间数据交换:在第j次迭代时刻lj,根据拓扑层级设置,网路中的每个节点(除参考节点)同它的上一层级中的特定节点进行信息时间戳信息交换并据式(13)得到该节点在时刻lj的观测值Zj;
(3)自适应H∞估计:各节点根据本节点得到的观测值Zj以及所存储的上一次迭代所得的本地估计值和Pj-1,先按照式(16)计算得到Pj,若Pj满足是(15)的存在条件,再根据式(17)计算本次迭代的本地估计向量
(4)估计时钟向量交换:高层级(距离参考节点更近的层级)的节点将其所得的本地估计向量传给它所连接的所有下一层级的节点,低层级节点将该估计向量与本地估计向量相加即可得到全局估计向量,即本节点时钟相对于参考节点时钟的全局时钟偏差与全局时钟漂移此时,根据式(4),节点可计算得到标准时钟:
其中clocal(l)表示该节点的本地时钟;
(5)每Δ个时钟周期跳到2,进行下一次迭代,即下一次时钟同步。
如图1所示为相邻两网络节点间的H∞估计器运行流程,从图中可以看出,H∞估计器并不需要关于观测噪声V的任何先验知识,从另一方面解释,即H∞估计器对不同的噪声具有较强的鲁棒性。
如图2所示为本实施例中分层级无线传感器网络的拓扑示例,当对这个网络进行集中式全局时钟同步时,选节点1作为参考节点,节点2、3、4、5作为第一层级,这四个节点的时钟直接同步于参考节点1,剩余的节点6至25则作为第二层级,分别同步于对应的第一层级中的节点。由于第二层级的节点是通过第一层级间接同步于参考节点,因而它们的同步误差为两级同步误差之和,即存在噪声累积现象,但在本发明方法中,由于H∞估计器本身固有的对噪声的鲁棒性,使得该噪声累积现象对于全局的时钟同步误差的影响极小。
如图3所示为在观测噪声为高斯白噪声的条件下,本发明方法与现有卡尔曼估计方法的估计性能比较,可以看出,本发明方法不管是时钟偏差还是时钟漂移的估计精度都要明显高于卡尔曼估计方法。
如图4所示为在观测噪声为高斯色噪声的条件下,本发明方法与现有卡尔曼估计方法的估计性能比较。对比附图3可以看出,虽然在色噪声条件下两种方法的性能都有变差,但是本发明方法所受的影响明显较卡尔曼估计方法小,具体表现在两种方法收敛速度差距的缩小以及稳态精度差距的增大上。
以上所述,仅为本发明的具体实施方式,本说明书中所公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换;所公开的所有特征、或所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以任何方式组合。