CN110034839A - 一种电信网络授时方法 - Google Patents
一种电信网络授时方法 Download PDFInfo
- Publication number
- CN110034839A CN110034839A CN201910325258.1A CN201910325258A CN110034839A CN 110034839 A CN110034839 A CN 110034839A CN 201910325258 A CN201910325258 A CN 201910325258A CN 110034839 A CN110034839 A CN 110034839A
- Authority
- CN
- China
- Prior art keywords
- clock
- ellipsoid
- observation
- tracking gate
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04J—MULTIPLEX COMMUNICATION
- H04J3/00—Time-division multiplex systems
- H04J3/02—Details
- H04J3/06—Synchronising arrangements
- H04J3/0635—Clock or time synchronisation in a network
- H04J3/0638—Clock or time synchronisation among nodes; Internode synchronisation
- H04J3/0658—Clock or time synchronisation among packet nodes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04J—MULTIPLEX COMMUNICATION
- H04J3/00—Time-division multiplex systems
- H04J3/02—Details
- H04J3/06—Synchronising arrangements
- H04J3/0635—Clock or time synchronisation in a network
- H04J3/0682—Clock or time synchronisation in a network by delay compensation, e.g. by compensation of propagation delay or variations thereof, by ranging
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Synchronisation In Digital Transmission Systems (AREA)
Abstract
本申请涉及信息技术领域,尤其涉及一种电信网络授时方法,包括如下步骤:从时钟获取主时钟发送数据的时间;通过椭球跟踪门对从时钟的观测值进行挑选;利用卡尔曼滤波算法对挑选出的观测值中的固有时延进行估计;根据获得主时钟发送数据的时间与估计的固有时延,调整本地时钟时间。本申请通过椭球跟踪门对观测值进行挑选,减少有效观测值的数量,并且剔除了出现很大跳动,且维持时间较短的时延,消除了突发时延对观测值的影响;利用卡尔曼滤波算法对挑选出的观测值中的固有时延进行估计,逐渐减小了抖动时延的影响;因此提高了本申请的电信网络授时方法的精度,简化了授时的流程。
Description
技术领域
本申请涉及信息技术领域,尤其涉及一种电信网络授时方法。
背景技术
随着信息技术和互联网的快速发展,在航空、金融、铁路运输、医疗等系统都实现了自动化、网络化,而保障这些系统能够协同工作,必须要有一个统一协调的时间。同时,“互联网+”,数据追溯与分析,物联网,云计算与大数据等信息系统的融合集成与数据交互等都是以精确时间保障为基础的,因此获得统一标准的时间显得越来越重要。
如今使用较多的授时方法大多是基于精确时间同步协议PTP(Precision TimeProtocol),通过发送同步报文交换时间戳,最终从时钟根据得到4个时间戳计算得到主从时钟的时间偏差,最后通过从时钟调整时钟,减小主从时钟间的时间偏差。
网络授时的应用领域十分广泛,各个领域对时间精度的要求是不同的,有些对于时间同步的要求非常高,如:军事指挥系统的授时精度需求优于100ns;信息化装备需要10~20ns的授时精度。但在公路运输,航海,物联网等行业授时需求在1s左右,对时间同步的精度要求不是那么严格。而使用基于PTP协议的网络授时方法,过程较为复杂,因此,对于精度要求不严格的应用场景下,需要一种相对简单的授时方法并提高授时精度。
发明内容
本申请提供了一种电信网络授时方法,以在精度要求不严格的应用场景下,网络授时简单、授时精度较高。
为解决上述技术问题,本申请提供如下技术方案:
一种电信网络授时方法,包括如下步骤:从时钟获取主时钟发送数据的时间;通过椭球跟踪门对从时钟的观测值进行挑选;利用卡尔曼滤波算法对固有时延进行估计;根据获得主时钟发送数据的时间与估计的固有时延,调整本地时钟时间。
如上所述的电信网络授时方法,其中,优选的是,通过椭球跟踪门对从时钟的观测值进行挑选,具体包括如下子步骤:根据卡尔曼滤波器的信号模型,建立时钟同步系统的状态空间模型;在该时钟同步系统的状态空间模型中,确定椭球跟踪门的门限;将不满足椭球跟踪门门限要求的观测值剔除。
如上所述的电信网络授时方法,其中,优选的是,确定椭球跟踪门的门限具体包括:通过计算测量噪声的大小选择椭球跟踪门的门限参数γ;根据椭球跟踪门的门限参数γ和观测值的维度nz得到观测值落入椭球跟踪门的概率PG;根据观测值落入椭球跟踪门的概率PG得到椭球跟踪门的门限d。
如上所述的电信网络授时方法,其中,优选的是,通过公式d=-2ln(1-PG)获得椭球跟踪门的门限d;其中,ln(·)表示以常数e为底数的对数。
如上所述的电信网络授时方法,其中,优选的是,观测向量z[k]椭球门(z[k]-zk(·))TSk -1(z[k]-zk(·))≤d,则观测向量对应的观测值满足椭球跟踪门门限要求;其中,zk(·)为椭球跟踪门的中心;(z[k]-zk(·))T为矩阵(z[k]-zk(·))的转置;为测量余量的协方差矩阵,H为观测矩阵,H=[1 0];P[k+1|k]为k+1时刻协方差预测值;HT为矩阵H的转置;Rk为协方差,为零均值;d为椭球门的门限值。
如上所述的电信网络授时方法,其中,优选的是,观测值的维度nz为4,椭球跟踪门的门限参数γ与落入椭球跟踪门的概率PG之间的关系为:PG=1-(1+γ/2)exp(-γ/2)。
如上所述的电信网络授时方法,其中,优选的是,观测值的维度nz为5,椭球跟踪门的门限参数γ与落入椭球跟踪门的概率PG之间的关系为:其中
如上所述的电信网络授时方法,其中,优选的是,在从时钟获取主时钟发送数据的时间之前,还包括如下步骤:主时钟和从时钟建立连接;主时钟向从时钟发送封装主时钟发送数据的时间数据包;从时钟接收主时钟发送的数据包,若数据包合格,获取数据包中封装的主时钟发送数据的时间。
如上所述的电信网络授时方法,其中,优选的是,时钟同步系统的状态空间模型的从时钟的状态转移方程和观测方程为利用卡尔曼滤波算法对时钟同步系统的状态空间模型进行迭代更新得到k+1时刻的最优估计为其中,状态向量为x[k]=[τ,τ′],τ为固有时延,τ′为抖动时延;A为状态转移矩阵,ΔT为时间片的发送间隔;ω[k]为过程噪声;观测向量为z[k]=[τm],τm为k时刻的网络时延的观测值;H为观测矩阵,H=[1 0];v[k]为观测噪声; 为依据k时刻从时钟的最优估计值x[k|k]预测的k+1时刻从时钟的预测值;K[k+1]为k+1时刻的卡尔曼增益。
如上所述的电信网络授时方法,其中,优选的是,将主时钟发送数据的时间加上估计的固有时延得到调整本地时钟的时间。
相对上述背景技术,本发明所提供的电信网络授时方法,包括如下步骤:从时钟获取主时钟发送数据的时间;通过椭球跟踪门对从时钟的观测值进行挑选;利用卡尔曼滤波算法对挑选出的观测值中的固有时延进行估计;根据获得主时钟发送数据的时间与估计的固有时延,调整本地时钟时间。本申请一方面通过椭球跟踪门对观测值进行挑选,减少有效观测值的数量,并且剔除了出现很大跳动,且维持时间较短的时延,消除了突发时延对观测值的影响;另一方面,利用卡尔曼滤波算法对挑选出的观测值中的固有时延进行估计,逐渐减小了抖动时延的影响;因此提高了本申请的电信网络授时方法的精度,简化了授时的流程,对需大规模授时的应用场景,如智能家居,智能交通等对授时精度要求不严格的应用场景下,还提高了工作效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的电信网络授时方法的流程图之一;
图2是本申请实施例提供的电信网络授时方法的流程图之二;
图3是本申请实施例提供的通过椭球跟踪门对从时钟的观测值进行挑选的流程图;
图4是本申请实施例提供的卡尔曼滤波方法的流程图;
图5是本申请实施例提供的确定椭球跟踪门门限的流程图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
如图1所示,本申请提供了一种电信网络授时方法,包括如下步骤:
步骤S110、从时钟获取主时钟发送数据的时间;
在从时钟获取主时钟发送数据的时间之前,包括如下步骤,如图2所示:
步骤S101、主时钟和从时钟建立连接;
步骤S102、主时钟向从时钟发送数据包;
具体的,在操作系统内核处将发送时间T1封装到数据包中,可以通过发送一次Sync同步报文的形式将包含有发送时间T1的数据包的发送至从时钟。
步骤S103、从时钟接收主时钟发送的数据包,并记录从时钟接收数据的时间T2;
步骤S104、在从时钟处检查接收到的数据包,若数据包合格,则执行步骤S110,获取数据包中封装的主时钟发送数据的时间T1,若数据包不合格,则执行步骤S105,丢弃数据包,返回步骤S101之前。
请继续参阅图1,步骤S120、通过椭球跟踪门对从时钟的观测值进行挑选,以剔除突发时延对从时钟的观测值的影响;
如图2所示,也就是不符合椭球跟踪门的门限的要求,则丢弃数据包,如果符合椭球跟踪门的门限要求,则该观测值受突发延时的影响较小。
在网络授时中,把网络时延分为固有时延、抖动时延、突发时延。固有时延是信号在硬件环境处理、传输过程中固有存在的时延;抖动时延是环境噪声干扰产生的、具有波动性的时延;突发时延是突发因素产生的、具有不确定性的时延。
如果从时钟的观测值出现很大的跳动,且维持时间较短,则从时钟的该观测值受突发时延影响较大,通过椭球跟踪门将受突发时延影响较大的从时钟的观测值剔除。
具体的,通过椭球跟踪门对从时钟的观测值进行挑选,包括如下子步骤,请参阅图3:
步骤S121、根据卡尔曼滤波器的信号模型,建立时钟同步系统的状态空间模型;
定义该时钟同步系统的状态空间模型k时刻从时钟的状态向量为x[k]=[τ,τ′],其中,τ为固有时延,τ′为抖动时延,则从时钟的状态转移方程为:
x[k+1]=Ax[k]+ω[k+1] (1);
在公式(1)中,A为状态转移矩阵,ΔT为时间片的发送间隔;ω[k]为过程噪声,是一个零均值,是白色高斯过程序列,不同时刻的过程噪声是相互独立的;并且ω[k]的协方差为Qk。
定义该时钟同步系统的状态空间模型的从时钟的观测方程为:
z[k+1]=Hx[k+1]+ν[k+1] (2);
在公式(2)中,k时刻从时钟的观测向量为z[k]=[τm],τm为k时刻的网络时延的观测值(包括固有时延、抖动时延和突发时延);H为观测矩阵,H=[1 0];观测噪声v[k]为具有协方差为Rk+1的零均值,是白色高斯高斯过程序列,不同的观测噪声是相互独立的。
根据公式(1)和公式(2)中的k时刻从时钟的过程噪声ω[k]、观测噪声v[k]得到k时刻状态估计的协方差(如图4所示),根据k时刻状态估计的协方差以及k时刻从时钟的状态向量x[k]、k时刻从时钟的观测向量z[k]得到k时刻从时钟的最优估计值x[k|k],然后依据k时刻从时钟的最优估计值x[k|k]预测k+1时刻从时钟的预测值具体公式如下:
根据k时刻的状态估计的协方差预测k+1时刻协方差预测值P[k+1|k],具体公式如下:
P[k+1|k]=AP[k|k]AT+Qk (4);
其中,P[k+1|k]为对应的协方差,P[k|k]为x[k|k]对应的协方差,AT为矩阵A的转置。
请继续参阅图3,步骤S122、在该时钟同步系统的状态空间模型中,确定椭球跟踪门的门限;
具体的,确定椭球跟踪门的门限,包括如下子步骤,如图5所示:
步骤S1221、通过计算测量噪声的大小选择椭球跟踪门的门限参数γ;
步骤S1222、根据椭球跟踪门的门限参数γ得到观测值落入椭球跟踪门的概率PG;
请参阅表1,例如,在观测值的维度nz为4时,椭球跟踪门的门限参数γ与落入椭球跟踪门的概率PG之间的关系为:PG=1-(1+γ/2)exp(-γ/2);还例如,观测值的维度nz为5时,椭球跟踪门的门限参数γ与落入椭球跟踪门的概率PG之间的关系为:其中
表1量测值落入nz维椭球门内的概率PG与参数γ的关系根据得出的椭球跟踪门的门限值γ,根据表1中公式即可得出观测值落入椭球跟踪门的概率PG,例如,γ=2,nz=4,时,得到相应的PG。参阅表2,γ=2,nz=4,时,PG=0.865,从而验证依据表1得到的PG;
表2nz维观测值落入门内的概率PG
步骤S1223、根据观测值落入椭球跟踪门的概率PG得到椭球跟踪门的门限d;
根据椭球跟踪门的门限参数γ得到该情况下的椭球跟踪门的体积,如下:
其中,观测向量zk的维度为nz;detS表示对测量余量的协方差矩阵的行列式;当zk由状态向量xk产生时,(z[k]-zk(·))TSk -1(z[k]-zk(·))服从卡方分布即观测值落入椭球跟踪门门内的区域VG(x,y)的概率为PG。当nz=1,2,3时,系数分别为2,π,
根据得到的观测值落入椭球跟踪门的概率PG获得椭球跟踪门的门限d,具体通过以下公式获得门限d:
d=-2ln(1-PG) (6);
其中,ln(·)表示以常数e为底数的对数。
步骤S123、将不满足椭球跟踪门门限要求的观测值剔除。
另外,将根据公式(2)和(3)定义椭球跟踪门的中心zk(·),具体如下:
其中,H为量测矩阵,为依据k时刻从时钟的最优估计值预测的k+1时刻从时钟的预测值,在椭球跟踪门中,通过使用残差协方差矩阵来计算每个观测向量与预测值之间的归一化距离。如果归一化距离小于某个常数参数,则该观测向量满足椭球门。如z[k]-zk(·)的归一化距离满足以下关系,则观测向量z[k]满足给定轨道的椭球门:
(z[k]-zk(·))TSk -1(z[k]-zk(·))≤d (8);
其中,d为椭球门的门限值;(z[k]-zk(·))T为矩阵(z[k]-zk(·))的转置;为测量余量的协方差矩阵,
对观测值也就是观测向量进行椭球跟踪门处理后,剔除了出现很大跳动,且维持时间较短的时延,即消除了突发时延对观测值的影响。
因为椭球跟踪门能有效的减少有效观测值的数量,如果网络时延(也就是观测值)出现很大的跳变,且维持时间较短,则将它视为突发时延,因此通过椭球跟踪门可以有效的消除突发时延的影响,提高单向授时的时间精度。
请继续参阅图1和图2,步骤S130、利用卡尔曼滤波算法对挑选出的观测值中的固有时延进行估计,以减少时延抖动对网络时延的量测值的影响。
在步骤S120中,建立了时钟同步的空间状态方程,确定了椭球跟踪门的门限,对从时钟的状态转移方程和观测方程再次描述:
状态预测值
最小预测均方误差(也就是根据k时刻的状态估计的协方差预测k+1时刻协方差预测值)
P[k+1|k]=AP[k|k]AT+Qk (11);
时钟同步系统的状态空间模型的逐渐迭代更新过程:
增益矩阵K[k+1]=P[k+1|k]HT[HP[k+1|k]HT+Rk]-1 (12);
状态修正
最小均方矩阵P[k+1]=(1-K[k+1])P[k+1|k] (14);
上式中,K[k+1]为k+1时刻的卡尔曼增益,为k+1时刻的最优估计。
由于在本申请的定义时钟同步系统的状态空间模型的从时钟的观测方程为:
z[k+1]=Hx[k+1]+ν[k+1];并且观测矩阵H=[1 0],因此在迭代更新过程中,状态向量为x[k]=[τ,τ′]中的τ′为抖动时延的影响逐渐减小,从而得到的k+1时刻的最优估计中抖动时延的影响逐渐减小,因此根据得到的受抖动时延影响越来越小的最优估计就可以估计出系统的固有时延τ。
请继续参阅图1和图2,步骤S140、从时钟根据获得主时钟发送数据的时间与估计的固有时延,调整本地时钟时间,从而使对主从时钟的时间偏差减小。
具体的,将主时钟发送数据的时间T1加上估计的固有时延τ得到应该调整本地时钟的时间,根据得到的时间调整本地时钟的时间,实现时间同步误差的校正,使从时钟与主时钟之间时间偏差缩小,在同步的过程中,随着每一次同步的进行,从时钟不断计算与主时钟的偏差,并调整本地时钟,使从时钟与主时钟之间的时间偏差逐渐减小。
另外,本申请提供的电信网络授时方法为单向授时,主时钟仅需发送一次同步报文即可进行网络授时,简化了授时的流程,对需大规模授时的应用场景,如智能家居,智能交通等对授时精度要求不严格的应用场景下,还提高了工作效率。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (10)
1.一种电信网络授时方法,其特征在于,包括如下步骤:
从时钟获取主时钟发送数据的时间;
通过椭球跟踪门对从时钟的观测值进行挑选;
利用卡尔曼滤波算法对挑选出的观测值中的固有时延进行估计;
根据获得主时钟发送数据的时间与估计的固有时延,调整本地时钟时间。
2.根据权利要求1所述的电信网络授时方法,其特征在于,通过椭球跟踪门对从时钟的观测值进行挑选,具体包括如下子步骤:
根据卡尔曼滤波器的信号模型,建立时钟同步系统的状态空间模型;
在该时钟同步系统的状态空间模型中,确定椭球跟踪门的门限;
将不满足椭球跟踪门门限要求的观测值剔除。
3.根据权利要求2所述的电信网络授时方法,其特征在于,确定椭球跟踪门的门限具体包括:
通过计算测量噪声的大小选择椭球跟踪门的门限参数γ;
根据椭球跟踪门的门限参数γ和观测值的维度nz得到观测值落入椭球跟踪门的概率PG;
根据观测值落入椭球跟踪门的概率PG得到椭球跟踪门的门限d。
4.根据权利要求3所述的电信网络授时方法,其特征在于,通过公式d=-2ln(1-PG)获得椭球跟踪门的门限d;其中,ln(·)表示以常数e为底数的对数。
5.根据权利要求2-4任一项所述的电信网络授时方法,其特征在于,观测向量z[k]椭球门(z[k]-zk(·))TSk -1(z[k]-zk(·))≤d,则观测向量对应的观测值满足椭球跟踪门门限要求;
其中,zk(·)为椭球跟踪门的中心;(z[k]-zk(·))T为矩阵(z[k]-zk(·))的转置;为测量余量的协方差矩阵,H为观测矩阵,H=[1 0];P[k+1|k]为k+1时刻协方差预测值;HT为矩阵H的转置;Rk为协方差,为零均值;d为椭球门的门限值。
6.根据权利要求3或4所述的电信网络授时方法,其特征在于,观测值的维度nz为4,椭球跟踪门的门限参数γ与落入椭球跟踪门的概率PG之间的关系为:PG=1-(1+γ/2)exp(-γ/2)。
7.根据权利要求3或4所述的电信网络授时方法,其特征在于,观测值的维度nz为5,椭球跟踪门的门限参数γ与落入椭球跟踪门的概率PG之间的关系为:其中
8.根据权利要求1-4任一项所述的电信网络授时方法,其特征在于,在从时钟获取主时钟发送数据的时间之前,还包括如下步骤:
主时钟和从时钟建立连接;
主时钟向从时钟发送封装主时钟发送数据的时间数据包;
从时钟接收主时钟发送的数据包,若数据包合格,获取数据包中封装的主时钟发送数据的时间。
9.根据权利要求2-4任一项所述的电信网络授时方法,其特征在于,时钟同步系统的状态空间模型的从时钟的状态转移方程和观测方程为利用卡尔曼滤波算法对时钟同步系统的状态空间模型进行迭代更新得到k+1时刻的最优估计为其中,状态向量为x[k]=[τ,τ′],τ为固有时延,τ′为抖动时延;A为状态转移矩阵,ΔT为时间片的发送间隔;ω[k]为过程噪声;观测向量为z[k]=[τm],τm为k时刻的网络时延的观测值;H为观测矩阵,H=[1 0];v[k]为观测噪声; 为依据k时刻从时钟的最优估计值x[k|k]预测的k+1时刻从时钟的预测值;K[k+1]为k+1时刻的卡尔曼增益。
10.根据权利要求1-4任一项所述的电信网络授时方法,其特征在于,将主时钟发送数据的时间加上估计的固有时延得到调整本地时钟的时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910325258.1A CN110034839A (zh) | 2019-04-22 | 2019-04-22 | 一种电信网络授时方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910325258.1A CN110034839A (zh) | 2019-04-22 | 2019-04-22 | 一种电信网络授时方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110034839A true CN110034839A (zh) | 2019-07-19 |
Family
ID=67239686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910325258.1A Pending CN110034839A (zh) | 2019-04-22 | 2019-04-22 | 一种电信网络授时方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110034839A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114427922A (zh) * | 2021-12-20 | 2022-05-03 | 九江学院 | 一种光纤链路实时温度的测量方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103166730A (zh) * | 2013-03-13 | 2013-06-19 | 西北工业大学 | 基于ieee1588协议的无线自组织网络时钟同步方法 |
US20160041266A1 (en) * | 2014-08-11 | 2016-02-11 | Gerard Dirk Smits | Three-dimensional triangulation and time-of-flight based tracking systems and methods |
CN106570536A (zh) * | 2016-11-18 | 2017-04-19 | 中国船舶重工集团公司第七二四研究所 | 一种时差定位系统目标高精度跟踪滤波方法 |
-
2019
- 2019-04-22 CN CN201910325258.1A patent/CN110034839A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103166730A (zh) * | 2013-03-13 | 2013-06-19 | 西北工业大学 | 基于ieee1588协议的无线自组织网络时钟同步方法 |
US20160041266A1 (en) * | 2014-08-11 | 2016-02-11 | Gerard Dirk Smits | Three-dimensional triangulation and time-of-flight based tracking systems and methods |
CN106570536A (zh) * | 2016-11-18 | 2017-04-19 | 中国船舶重工集团公司第七二四研究所 | 一种时差定位系统目标高精度跟踪滤波方法 |
Non-Patent Citations (3)
Title |
---|
刘安龙: "二维相控阵典型信号处理和数据处理算法研究", 《中国优秀硕士论文全文数据库》 * |
邢开亮等: "提高网络授时精度的Kalman滤波方法", 《仪器仪表学报》 * |
陈金广等: "强杂波环境下的LGM-PHDF算法", 《计算机工程与设计》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114427922A (zh) * | 2021-12-20 | 2022-05-03 | 九江学院 | 一种光纤链路实时温度的测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110168396A (zh) | 到达时间(toa)测量 | |
CN112540388B (zh) | 一种卫星通信模组及其上行信号多普勒补偿方法 | |
CN111835656B (zh) | 工业互联网中基于优先级的业务实时编排方法 | |
Giordani et al. | Investigating value of information in future vehicular communications | |
CN108668356A (zh) | 一种水下传感器时间同步方法 | |
CN111813858B (zh) | 基于计算节点自组织分组的分布式神经网络混合同步训练方法 | |
CN107398902B (zh) | 机器人控制方法、机器人控制系统 | |
CN112838904B (zh) | Tsn网络延迟抖动测量装置及方法 | |
CN110034839A (zh) | 一种电信网络授时方法 | |
KR20170048937A (ko) | Tsch 기반 산업 무선 네트워크의 슬롯프레임 가상화 장치 및 방법 | |
Mason et al. | Remote tracking of UAV swarms via 3D mobility models and LoRaWAN communications | |
CN110350996A (zh) | 基于交互式多模型滤波器的时钟漂移率跟踪方法及系统 | |
CN108684074A (zh) | 基于rssi的测距方法及装置 | |
Liu et al. | Fusion of state estimates over long-haul sensor networks under random delay and loss | |
CN112612277B (zh) | 车辆轨迹规划方法、装置、设备和计算机可读介质 | |
CN105071890B (zh) | 一种具有高度鲁棒性的自适应时钟同步方法 | |
Ling et al. | PCM: A positioning calibration mechanism for connected autonomous vehicles | |
CN110312306B (zh) | 基于异步信息的无人机集群合作式定位方法及装置 | |
CN108810840B (zh) | 协作定位中基于efim和距离协作的节点选择方法 | |
CN107343314B (zh) | 一种无线传感器网络的时间同步方法及装置 | |
Nakayama et al. | RAMNe: Realtime animal monitoring over network with age of information | |
CN114449642A (zh) | 一种基于窄带物联网的移动终端设备授时方法 | |
CN109687930A (zh) | 智能电表终端授时方法及系统 | |
CN109061691A (zh) | 基于北斗卫星信号的晶振模块控制系统 | |
Musa et al. | Trading off accuracy, timeliness, and uplink usage in online GPS tracking |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190719 |
|
RJ01 | Rejection of invention patent application after publication |