CN109788547B - 一种低通信负载的温度补偿的自适应时间同步方法 - Google Patents

Abstract

本发明提出一种低通信负载的温度补偿的自适应时间同步方法。基于节点双向通信进行温度补偿的待同步节点时钟频移量动态估计，采用Almon函数加权求和的方式对温度数据和频移量数据进行融合，采用Kalman滤波器方法实时更新待同步节点时钟；待同步节点根据频移量估计值和环境温度历史数据对再同步周期进行实时估计，自适应调整再同步周期。本发明最大限度提高节点再同步周期，减少信道负载。

Description

一种低通信负载的温度补偿的自适应时间同步方法

技术领域

本发明属于通信技术领域，特别是一种低通信负载的温度补偿的自适应时间同步方法。

背景技术

无线传感器网络(Wireless Sensor Networks，WSNs)相关应用中要求节点之间具有协同完成特定任务的能力。例如，在分布式网络数据采集系统中，端节点将所采集到的数据上传到数据中心时，数据在网络中以多跳的形式进行传递，如果数据包缺少全局性的时间标签，数据中心将难以区分和对齐数据。WSNs具有能量、带宽、内存和计算能力受限的特点，现有计算机网络的时间同步协议难以适用于WSNs。故，设计适用于WSNs的时间同步算法具有重要的意义。

典型的WSNs时间同步方法为FTSP(Flooding Time Synchronization Protocol)。该方法采用节点之间的双向通信来估计节点之间的时钟偏差，并将所获得的时钟偏差值周期性的纪录下来。实验数据显示短时间内节点间的时钟偏差值随时间呈线性变化。进而，FTSP基于时钟偏差的线性假设，采用最小二乘法对时钟偏差值进行拟合获得时钟偏差变化率，并以此来对时钟偏差进行估计，延长时钟再同步周期。FTSP的缺点在于该方法基于时钟偏差线性假设，在室外环境下难以满足，相应的FTSP的同步误差剧烈增大，再同步周期变短。其次，FTSP为固定周期时钟再同步，缺少对再同步的决策判断，对于室外动态环境，适应性差。

EACS(Environment-aware Clock Skew Estimation Synchronization)考虑了环境温度对晶体频率的影响，引入了一组环境温度和节点同步误差的映射表，根据节点所处环境温度对节点时钟同步误差进行补偿。EACS的缺点在于该方法基于查表法对时间同步进行补偿，当WSNs规模较大、应用环境预先不可知或是环境状态变化频繁时，该方法将难以适用。

发明内容

本发明的目的在于提供一种低通信负载的温度补偿的自适应时间同步方法，通过温度补偿的频移量动态估计和再同步决策的时间同步方法明显地提了高网络时间同步精度，延长了节点再同步周期，减少通信负载。

为了解决上述技术问题，本发明提供一种低通信负载的温度补偿的自适应时间同步方法，步骤如下：

步骤1，在双向同步通信的基础上进行待同步节点频移量估计和环境温度数据采集：

所述双向同步通信是指，待同步节点向时钟参考节点发送一个数据包，数据包记载该数据包的发送时间x₁；时钟参考节点接收到该数据包后，记录其自己接收到该数据包的时间y₁；然后，时钟参考节点向该待同步节点发送一个数据包，数据包记载该数据包的发送时间y₂，以及接收到上个数据包的时间y₁；该待同步节点接收到来自时钟参考节点的数据包，记录数据包接收时间x₂，至此，待同步节点完成一次双向同步通信；等待一段时间后，该待同步节点再向时钟参考节点发送一个数据包，数据包内容为该数据包的发送时间x₃；时钟参考节点接收到该数据包后，记录接收到该数据包的时间y₃；然后，时钟参考节点向待同步节点发送一个数据包，数据包包含该数据包的发送时间y₄，以及接收到上个数据包的时间y₃；待同步节点接收到来自时钟参考节点的数据包，记录接收该数据包的时间x₄，待同步节点完成第二次双向同步通信，至此，待同步节点工完成前后两次双向同步通信并获得x₁,y₁,y₂,x₂,x₃,y₃,y₄,x₄八个时间量；

根据所述八个时间量对，待同步节点的时间频移量δ₁进行估计，估计方法如公式(1)所示，

其中，θ₁和θ₂分别为待同步节进行前后两次双向同步通信时的时间相移量，时间相移量计算方法分别如公式(2)和(3)所示，

假设待同步节点每隔时间Η_θ向时钟参考节点发送一个数据包以完成一次双向通信，则在一段时间内，待同步节点基于连续的N次双向同步通信，可以自身时间频移量变化数据组Φ＝[δ₁,...,δ_N]，以及各次双向同步通信中的时间相移量θ_N；

在待同步节点在进行双向同步通信的同时对其所处的环境温度进行采集，在完成两次双向通信时，待同步节点获得长度为M的温度变化数据K＝[T₁,...,T_M]；

步骤2，温度补偿的频移量动态估计和时钟更新：

按照公式(4)所示方法对下一时刻待同步节点的温度补偿的频移量行动态估计，

δ_N+1＝c+D_Φ(Φ)+D_T(T)+e_t (4)

其中，δ_N+1表示下一时刻待同步节点的频移量；c是一个常数量，通过试验数据拟合得到；e_t表示均值为0、方差为

的随机白噪声，

通过试验数据拟合得到；D_Φ(Φ)和D_T(T)如公式(5)、(6)所示：

D_Φ(Φ)＝α₁δ₁+α₂δ₂+…+α_Nδ_N (5)

其中，A＝[α₁,α₂,...,α_N]为频移量修正系数，通过试验数据拟合得到；B＝[β₁,β₂,...,β_N]为温度量修正系数，通过试验数据拟合得到；k为节点晶振温度系数，为固定常数；T₀表示基准温度；

为温度数据权重函数，用于将高频温度数据和低频频移量数据融合在一起，如公式(7)所示，

其中，参数q用于控制权重函数的复杂度，

是权重因子，根据经验设定和调整；

采用Kalman滤波器对时间频移量δ_N和相移量θ_N进行滤波，并用滤波器输出的状态估计值

和

更新待同步节点时钟，具体如公式(8)所示，

其中，φ_N表示待同步节点的本地时钟；Δt表示待同步节点本地时钟更新周期。

步骤3，待同步节点根据频移量估计值和环境温度历史数据采用公式(9)所示方法对再同步周期进行实时估计，当Δl_N的值小于阈值τ_l时，则进行再同步，阈值τ_l根据试验数据进行设定，Δl_N计算方法如公式(9)所示，

其中，τ_g表示通信保护时间，τ_p表示数据包前导帧传输时间，δ_max,Δl表示当前同步周期内，节点频移量估计值的最大值，

表示当前同步周期内节点所获得环境温度数据的方差，λ为修正系数。

本发明与现有技术相比，其显著优点在于：

(1)本发明建立了温度补偿的节点频移量动态估计模型，根据节点所处环境温度，对节点频移量进行实时估计。因此，相对于FTSP方法，本发明提高了节点频移量的估计精度，进而提高了节点同步精度。相比于EACS方法，本发明提高了时间同步方法的环境适应性；

(2)本发明采用Kalman滤波器进行节点时钟更新，提高了节点时钟同步对频移量估计误差的鲁棒性，进一步提高了节点时间同步精度；

(3)本发明根据环境温度变化和频移量估计值实时决策节点时间再同步，相比于FTSP方法延长了节点再同步周期，提高了时间同步方法的适应性；

(4)本发明中，节点在本地对自身频移量进行估计，并实时更新本地时钟，无需和时间参考节点进行频繁通信，具有较低的通信负载。

附图说明

图1是本发明所述低通信负载的温度补偿的自适应时间同步方法的流程图。

图2是双向通信时间戳交换频移量估计示意图。

图3是节点双向时间同步通信频移量和温度数据采集示意图。

图4是二元Almon函数权重映射曲线图。

图5是FTSP方法时间同步误差随时间变化曲线。

图6是本发明方法时间同步误差随时间变化曲线。

具体实施方式

容易理解，依据本发明的技术方案，在不变更本发明的实质精神的情况下，本领域的一般技术人员可以想象出本发明的多种实施方式。因此，以下具体实施方式和附图仅是对本发明的技术方案的示例性说明，而不应当视为本发明的全部或者视为对本发明技术方案的限制或限定。

在WSNs时间同步方法中，不仅要考虑节点之间的时间同步精度，还需要考虑节点同步通信负载和环境适应性。随着WSNs被广泛用于人们生产生活中的各个环节，WSNs的应用环境逐渐由平和的室内环境向复杂多变的室外环境转变。同时，节点所搭载的晶体振荡器通常具有造价低、精度差、稳定性差的特点。节点晶振的这种特性会对WSNs时间同步产生较大的影响。首先，不同的节点其搭载的晶体振荡器存在着差异，因此两个节点的时钟频率会存在一定的差异。随着时间的推移节点之间的时钟偏差会不断增大。其次，环境温度的变化会对导致晶振频率发生非线性变化，进而导致节点之间的时钟偏差发生非线性的增大，增加了预测难度。现有时间同步方法在室外、大规模、温度变换频繁的场景下表现出了时间同步精度查、再同步周期短，同步通信负载高，缺乏适应性的问题。

针对现有时间同步方法所存在的问题，本发明提出一种低通信负载的温度补偿的自适应时间同步方法，下面结合附图和具体实施例进一步说明本发明。

如图1所示，本发明所述低通信负载的温度补偿的自适应时间同步方法包括以下步骤：

步骤1，节点频移量估计和环境温度数据采集。如图2所示，待同步节点上电后，与时钟参考节点进行双向同步通信，通过交换彼此数据交互过程中的时间量估计自身的时间频移量和相移量。

S1.1，节点双向同步通信。待同步节点向时钟参考节点发送一个数据包，数据包记载的信息包括该数据包的发送时间x₁。时钟参考节点接收到该数据包后，记录其自己接收到该数据包的时间y₁。然后，时钟参考节点向该待同步节点发送一个数据包，数据包包含该数据包的发送时间y₂，以及接收到上个数据包的时间y₁。该待同步节点接收到来自时钟参考节点的数据包，记录下数据包接收时间x₂。至此，待同步节点完成一次双向同步通信。等待一段时间后，该待同步节点再向时钟参考节点发送一个数据包，数据包内容为该数据包的发送时间x₃。时钟参考节点接收到该数据包后，记录接收到该数据包的时间y₃。然后，时钟参考节点向待同步节点发送一个数据包，数据包包含该数据包的发送时间y₄，以及接收到上个数据包的时间y₃。待同步节点接收到来自时钟参考节点的数据包，记录接收该数据包的时间x₄，待同步节点完成第二次双向同步通信，至此，待同步节点工完成前后两次双向同步通信并获得8个时间量，分别为x₁,y₁,y₂,x₂,x₃,y₃,y₄,x₄。基于这些时间量，待同步节点可对自身时间频移量δ₁进行估计，估计方法如公式(1)所示，

其中，θ₁和θ₂分别为待同步节进行两次双向同步通信中的时间相移量，计算方法分别如公式(2)和(3)所示，

假设待同步节点每隔时间Η_θ向时钟参考节点发送一个数据包以完成一次双向通信，则在一段时间内，待同步节点基于连续的N次双向同步通信，可以自身时间频移量变化数据组Φ＝[δ₁,...,δ_N]，以及各次双向同步通信中的时间相移量θ_N。

S1.2，待同步节点节点环境温度数据采集。如图3所示，待同步节点在进行双向同步通信的同时对自身所处的环境温度进行采集，用Η_T表示温度数据的采样周期，在完成两次双向通信时，待同步节点可以获得长度为M的温度变化数据K＝[T₁,...,T_M]。可知，对于一组长度为N的待同步节点频移量变化数据Φ＝[δ₁,...,δ_N]，所对应的温度变化数据的长度为N·M。

步骤2，温度补偿的频移量动态估计和时钟更新。

S2.1，由步骤1可知，待同步节点与时钟参考节点进行N次双向时间同步通信，可以获得频移量变化数据Φ＝[δ₁,...,δ_N]，以及相应的长度为N·M的温度数据K_N＝[[T_1,1,...,T_M,1],[T_1,2,...,T_M,2],...,[T_1,N,...,T_M,N]]。至此，待同步节点停止与时钟参考节点双向通信，并基于上述数据对下一时刻待同步节点的频移量进行动态估计，如公式(4)所示，

δ_N+1＝c+D_Φ(Φ)+D_T(T)+e_t (4)

其中，δ_N+1表示下一个时刻待同步节点的频移量；c是一个常数量，通过试验数据拟合得到；e_t表示均值为0，方差为

的随机白噪声，

通过试验数据拟合得到；D_Φ(Φ)和D_T(T)如公式(5)、(6)所示。

D_Φ(Φ)＝α₁δ₁+α₂δ₂+…+α_Nδ_N (5)

其中，A＝[α₁,α₂,...,α_N]为频移量修正系数，通过试验数据拟合得到；B＝[β₁,β₂,...,β_N]为温度量修正系数，通过试验数据拟合得到；k为节点晶振温度系数，为固定常数；T₀表示基准温度，通常认定为25C^o；

为温度数据权重函数，用于将高频温度数据和低频频移量数据融合在一起，如公式(7)所示，

其中，q参数用于控制权重函数的复杂度，一般情况下令q＝2。

是权重因子，根据经验设定和调整。

节点频移量动态估计方法考虑了节点时钟频移量的自回归特性，即当前时刻的频移量数据与其历史变化情况具有较强的相关性。其次，由于节点晶振之间存在一定的差异性，这种差异性来自于晶振的制造过程，其对节点频移量的影响表现为一个固定的偏置。另外，考虑到环境温度的影响，采用环境温度信息对频移量估计进行补偿。在温度补偿设计过程中涉及到温度数据和频移量数据采样率不匹配的问题，为了不遗失温度数据的细节，采用加权求和的方式将温度和频移量数据进行融合。由于温度数据量较大，导致权重参数维数过高，导致参数选取和计算上的困难。为此，进一步的引入温度权重函数对温度权重参数进行重映射，大大降低了模型的复杂度。图4为q＝2时权重函数权重映射图，可以看到对于长度为30的温度数据，理论上需要30组权重被简化为2个参数，

和

S2.2，由S2.1可以得到待同步节点时钟频移量的实时估计δ_N和时钟偏置θ_N。由于，δ_N和θ_N的量测数据包含一定的噪声，直接用其更新待同步节点时钟具有较大误差。故采用Kalman滤波器对δ_N和θ_N进行一定的滤波，并用滤波器输出的状态估计值

和

更新待同步节点时钟，如公式(8)所示，

其中，φ_N表示待同步节点的本地时钟；Δt表示待同步节点本地时钟更新周期。

步骤3，自适应再同步决策。由步骤2可知，待同步节点停止与参考节点的双向通信，并根据频移量和温度历史数据对节点自身频移量进行实时动态估计，更新自身时钟。此时，待同步节点与参考节点的时钟偏差会随着时间推移逐渐增大，故一定时间后，待同步节点需要再次与时钟参考节点进行时间同步通信(再同步)，更新历史数据，提高时间同步精度。传统方法中采用预置固定再同步周期的方式控制待同步节点的再同步。本发明中，节点根据频移量估计和环境温度变化情况自适应决策再同步周期。待同步节点根据频移量估计值和环境温度历史数据采用公式(9)对再同步周期进行实时估计，当Δl_N的值小于阈值τ_l时，则进行再同步，阈值τ_l根据试验数据进行设定。Δl_N计算公式如下，

其中，τ_g表示通信保护时间，τ_p表示数据包前导帧传输时间，δ_max,Δl表示当前同步周期内，节点频移量估计值的最大值，

表示当前同步周期内节点所获得环境温度数据的方差，λ为修正系数。

仿真实验：

待同步节点上电后，待同步节点以30s一次的频率与时间参考节点进行双向通信，记录所估计的节点频移量和相移量。同时，节点以1s一次的频率对环境温度进行采集，记录所获得的温度数据。当节点所获得频移量估计值达到10个时，此时温度数据达到300个，待同步节点停止与参考节点的通信。节点采用权重函数对温度数据进行加权并求和获得温度补偿数据。进一步的采用10步滞后频移量数据对当前点的节点频移量进行估计。所得频移量数据带入Kalman时钟更新方程对节点当前时钟进行更新。同时，节点计算频移量历史数据的最大值和温度历史数据的方差，进而估计节点的再同步周期值。当所得再同步周期值小于10μs时，节点进行时间再同步。为了展示本发明方法的先进性，以FTSP方法为参照，设定FTSP时间同步周期为100分钟，开展室外环境下时间同步试验。

试验在室外环境下展开，共布置了7个WSNs节点，其中一个节点作为时间参考节点，3个节点作为待同步节点实施FTSP[1]时间同步方法，另外3个节点作为待同步节点实施本发明时间同步方法。实验持续27小时。可以看到节点所处环境温度变化剧烈，相比于FTSP方法，本发明方法的时间同步误差明显降低(FTSP平均时间同步误差为1.98毫秒，本发明方法的平均同步误差为0.18毫秒)。在温度变化剧烈的阶段，FTSP方法的时间同步误差巨大，最大同步误差为25.56毫秒，而本发明方法最大同步误差为0.69毫秒。其次，本发明方法的时间同步周期为324分钟，节点在温度变化剧烈的阶段需要额外的时间同步来保持节点同步精度，同步周期为150分钟。温度变化缓和阶段，节点的同步周期则为900分钟。

可以看出，本发明通过温度补偿的频移量动态估计和再同步决策的时间同步方法明显地提高网络时间同步精度，延长节点再同步周期，减少通信负载。

Claims (1)

1.一种低通信负载的温度补偿的自适应时间同步方法，其特征在于，

步骤1，在双向同步通信的基础上进行待同步节点频移量估计和环境温度数据采集：

所述双向同步通信是指，待同步节点向时钟参考节点发送一个数据包，数据包记载该数据包的发送时间x₁；时钟参考节点接收到该数据包后，记录其自己接收到该数据包的时间y₁；然后，时钟参考节点向该待同步节点发送一个数据包，数据包记载该数据包的发送时间y₂，以及接收到上个数据包的时间y₁；该待同步节点接收到来自时钟参考节点的数据包，记录数据包接收时间x₂，至此，待同步节点完成一次双向同步通信；等待一段时间后，该待同步节点再向时钟参考节点发送一个数据包，数据包内容为该数据包的发送时间x₃；时钟参考节点接收到该数据包后，记录接收到该数据包的时间y₃；然后，时钟参考节点向待同步节点发送一个数据包，数据包包含该数据包的发送时间y₄，以及接收到上个数据包的时间y₃；待同步节点接收到来自时钟参考节点的数据包，记录接收该数据包的时间x₄，待同步节点完成第二次双向同步通信，至此，待同步节点工完成前后两次双向同步通信并获得x₁,y₁,y₂,x₂,x₃,y₃,y₄,x₄八个时间量；

根据所述八个时间量对待同步节点的时间频移量δ₁进行估计，估计方法如公式(1)所示，

其中，θ₁和θ₂分别为待同步节点进行前后两次双向同步通信时的时间相移量，时间相移量计算方法分别如公式(2)和(3)所示，

假设待同步节点每隔时间H_θ向时钟参考节点发送一个数据包以完成一次双向通信，则在一段时间内，待同步节点基于连续的N次双向同步通信，可以获得自身时间频移量变化数据组Φ＝[δ₁,...,δ_N]，以及第N次双向同步通信中的时间相移量θ_N；

在待同步节点在进行双向同步通信的同时对其所处的环境温度进行采集，在完成两次双向通信时，待同步节点获得长度为M的温度变化数据K＝[T₁,...,T_M]；

步骤2，温度补偿的频移量动态估计和时钟更新：

按照公式(4)所示方法对下一时刻待同步节点的温度补偿的频移量行动态估计，

δ_N+1＝c+D_Φ(Φ)+D_T(T)+e_t (4)

其中，δ_N+1表示下一时刻待同步节点的频移量；c是一个常数量，通过试验数据拟合得到；e_t表示均值为0、方差为

的随机白噪声，

通过试验数据拟合得到；D_Φ(Φ)和D_T(T)如公式(5)、(6)所示：

D_Φ(Φ)＝α₁δ₁+α₂δ₂+…+α_Nδ_N (5)

其中，A＝[α₁,α₂,...,α_N]为频移量修正系数，通过试验数据拟合得到；B＝[β₁,β₂,...,β_N]为温度量修正系数，通过试验数据拟合得到；k为节点晶振温度系数，为固定常数；T₀表示基准温度；T_i,N表示长度为N·i的温度数据，i∈M；

为温度数据权重函数，用于将高频温度数据和低频频移量数据融合在一起，如公式(7)所示，

其中，参数q用于控制权重函数的复杂度，

是权重因子，根据经验设定和调整；

采用Kalman滤波器对时间频移量δ_N和相移量θ_N进行滤波，并用滤波器输出的状态估计值

和

更新待同步节点时钟，具体如公式(8)所示，

其中，φ_N表示待同步节点的本地时钟；Δt表示待同步节点本地时钟更新周期；

步骤3，待同步节点根据频移量估计值和环境温度历史数据采用公式(9)所示方法对再同步周期进行实时估计，当Δl_N的值小于阈值τ_l时，则进行再同步，阈值τ_l根据试验数据进行设定，Δl_N计算方法如公式(9)所示，

其中，τ_g表示通信保护时间，τ_p表示数据包前导帧传输时间，δ_max,Δl表示当前同步周期内，节点频移量估计值的最大值，

表示当前同步周期内节点所获得环境温度数据的方差，λ为修正系数。

Images