CN111163011B - 一种基于ptp协议的无线路由器的数据处理方法 - Google Patents

Abstract

本发明涉及一种基于PTP协议的无线路由器的数据处理方法。包括预先在实验箱中测得训练数据集，将训练数据集作为BP神经网络的输入，同时，BP神经网络模型的训练还需要损失函数以及激活函数，确定学习率，初始化权值和偏置值，在服务器中对BP神经网络进行训练，训练结束后将训练好的网络参数保存在服务器中。本发明精度高、能解决延时抖动的问题，PTP协议在无线路由器上进行应用，即在原有无线路由器的基础上使用PTP协议，解决无线同步的低精度、延时抖动问题。

Description

一种基于PTP协议的无线路由器的数据处理方法

技术领域

本发明涉及一种基于PTP协议的无线路由器的数据处理方法，属于路由器数据处理方法技术领域。

背景技术

无线路由器相较有线路由器来说节省了布线的烦恼，成为大部分用户的选择，但是无线路由器比有线路由器的传输延时、抖动大，相对带来设备间通过数据协议交互而进行的时间同步的精度降低，因此无线路由器设备间的时间精度问题成为亟待解决的事情。

网络时钟同步协议包括NTP协议和PTP协议，PTP协议较NTP协议更加满足用户对高精度时钟同步的需求。虽然一些支持PTP协议的工业交换机已经实现，但是还没有支持PTP协议的无线路由器，严重影响时钟同步的发展。

PTP时钟对其输入的时钟频率要求较高，受成本限制，普通恒温晶振受外界温度，湿度等环境因素的影响而使其输出的频率抖动幅度较大，难以满足PTP时钟的精度要求。因此，提高无线路由器中晶振的输出频率精度也成为亟待解决的事情。

发明内容

本发明的目的在于解决上述现有技术存在的不足之处，提供一种精度高、能解决延时抖动问题的基于PTP协议的无线路由器的数据处理方法。

本发明的一种基于PTP协议的无线路由器，其特殊之处在于包括用于采集晶振1周围环境温湿度的温度传感器2、湿度传感器3，温度传感器2、湿度传感器3输出端连接有存储器4，存储器4与服务器5、FPGA6相互通讯连接，FPGA6输出端与晶振1输入端相连接，晶振1输出端与锁相环7相连接，锁相环7还连接有GPS/BD接收模块8以及DP83640芯片9，DP83640芯片9与第一ARM处理器10、鉴相器11、有线以太网络相互通讯连接，第一ARM处理器10与GPS/BD接收模块8、锁相环7通讯连接，鉴相器11输出端连接有显示器12及第二ARM处理器13，第二ARM处理器13连接有报警器14；

所述温度传感器2、湿度传感器3通过A/D转换器15与存储器4相通讯，FPGA6通过D/A转换器26与晶振1相通讯；

所述DP83640芯片9包括相互通讯连接的PTP时钟发生器21、PTP控制器22、PTP数据处理寄存器23、以太网接口收发器24；

所述以太网接口收发器24连接有射频基带芯片25，射频基带芯片25与无线以太网络相通讯。

一种基于PTP协议的无线路由器的数据处理方法，其特殊之处在于包括以下步骤：

1、预先在实验箱中测得训练数据集，将训练数据集作为BP神经网络的输入，同时，BP神经网络模型的训练还需要损失函数以及激活函数，确定学习率，初始化权值和偏置值，在服务器5中对BP神经网络进行训练，训练结束后将训练好的网络参数保存在服务器5中；

2、分布在晶振1周围的温度传感器2和湿度传感器3分别采集晶振1周围环境的温度和湿度的模拟量，通过A/D转换器15将模拟量转换为数字量信息，将其存储在存储器4中，同时，晶振1的切角数字量和老化率数字量预先存储在存储器4中，从服务器5中读取已经训练好的BP神经网络的网络参数，写入存储器4中；

3、FPGA6通过读取存储器4中的这些网络参数和采集与预设的数字量信息，应用BP神经网络算法预测当前时刻的频率，当前时刻的频率与标称频率f0的差值为补偿频率，在FPGA6中利用压控特性可将需要补偿的频率转换成需要补偿的压控电压生成相应的压控电压数据，通过D/A转换器26转化成实际的压控电压，从而使晶振1输出稳定的10MHz频标信号f0；

4、当GPS/BD接收模块8接收到有效的GPS/BD信号时，得到UTC时间信息及1PPS秒信号，晶振输出的10MHz信号由锁相环7产生标准1pps信号和标准25MHz频率信号；

5、标准25MHz频率信号，供给DP83640芯片9的PTP时钟作为其输入时钟信号。

6、DP83640芯片9通过PHY连接有线以太网络或者通过射频基带芯片25连接无线以太网络，通过有线或者无线方式接收外界PTP协议包，同时，DP83640芯片9的PHY与第一ARM处理器10的MAC通过MII接口相连，在物理层对其数据进行处理；

7、通过PTP时钟发生器21产生本地PTP时钟，其基准时间通过第一ARM处理器10进行更新，用于记录数据发送或到达以太网收发器的即时时间戳；

8、PTP控制器22在PTP时钟发生器21的频率控制下通过MDIO接口与第一ARM处理器10进行通信，将数据封包成PTP协议，在第一ARM处理器10中使用PTP代码编写应用程序，接着PTP数据处理寄存器23在数据发送前将数据的发送时间打成时间戳，插入到PTP数据包发送到PHY，PHY通过射频基带芯片25将PTP协议包发送出去；

9、PHY接收到信息时，PTP数据处理寄存器23中记录时间戳，还原出对端设备数据到达时间，PTP数据处理寄存器23与PTP控制器22相连，PTP控制器22通过MDIO接口与第一ARM处理器进行通信对PTP协议解码；

10、通过GPS获取1PPS和UTC时间信号，再转化成PTP时间进行发布，也可通过有线方式获取PTP时间，通过无线路由方式对PTP时间进行发布；

11、PTP数据处理寄存器23的1pps秒信号与锁相环7输出的的1PPS秒信号通过鉴相器11进行比较在显示器12上面显示，同时也将比较的结果传给第二ARM处理器13，当结果大于给定值时进行报警处理，工作人员进行处理。

本发明的DP83640芯片9是一款支持IEEE 1588(PTP)的百兆以太网PHY芯片，其内置高精度PTP时钟，并集成了能够对收发数据包加盖时间戳的硬件，可以在最靠近物理层的位置记录时间戳，避免了执行软件协议过程中的延时。其支持的MAC接口有MII以及RMII，支持的温度范围为-40度～85度，在工业领域有着广泛的应用。DP83640功能模块主要包括PHY以太网物理层接口、PTP数据包检测与处理模块、PTP控制和PTP时钟。DP83640通过MII接口与上层MAC进行通信。DP83640监视由硬件经MII接口发送而来的报文包，当检测到PTP报文时，DP83640将捕获时间戳并且提供给软件。PTP的时钟标记单元，是介于MAC(数据链路层)，与PHY(物理层)之间的，在靠近物理层的位置打上时间戳。

所述BP神经网络算法训练数据集来源：

在实验箱中测量每间隔30分钟不同温度、不同湿度、不同切角下的晶振输出频率值，得到温度值x1、湿度值x2、切角值x3、老化率值x4以及输出频率值y，这些数据即为训练数据(x1，x2，x3，x4，y)，多组训练数据构成训练数据集。

所述BP神经网络算法训练包括以下几个步骤：

1、网络初始化。根据系统输入输出确定网络输入层节点数、隐含层节点数、输出层节点数，初始化输入层、隐含层和输出层神经元之间的连接权值w_ij、w_jk，初始化隐含层偏置值a_i、输出层偏置值b_k，给定学习速率η、神经元激励函数和损失函数及设定误差，具体如下：

因目前考虑到的影响晶振频率的因素有切角、温度、老化率、湿度四个，输出为晶振频率。所以确定BP神经网络的输入节点是4个，输出节点是1个；根据输入数据的形式和问题复杂情况，发现设置一层隐含层即可满足需要，所以本发明中取单隐含层BP神经网络，即三层BP神经网络。由于隐含层的节点数会影响模型的预测性能，根据下面的经验公式确定隐含层的节点数；

其中n_i为输入层节点数，n_o为输出层节点数，a为1至10之间的常数。隐含层的节点数范围为[3,13]，经过多次试验，确定误差最小的隐含层节点数为10。所以本发明的BP神经网络的拓扑结构最终确定为4:10:1。

权重和偏置设定为不相等的一组数值，且该组数据随机选取。

学习率的范围在0-1之间，学习率越大，权重变化越大，收敛越快，但学习率过大，可能错过最优解，学习率数值偏小，则会放慢迭代速度，且迭代过程耗时偏长，通过实验，选取学习率为0.06。

隐藏层选用的激活函数是sigmoid函数，输出层选用纯线性函数。

sigmoid函数公式为：

纯线性函数公式为：

purelin(x)＝x

BP神经网络选用的损失函数是均方误差函数，如下：

式中，N为训练样本总数。

当损失函数(MSE)越小,说明预测模型的精度越高。

期望误差的选取根据实际情况最后确定为0.036。

2、隐含层输出计算。根据输入向量，输入层和隐含层间的连接权值w_ij，以及隐含层偏置值，计算隐含层输出。

式中，f为隐含层激活函数，n为输入层节点数，L为隐含层节点数。

3、输出层输出计算。根据隐含层输出，隐含层和输出层间的连接权值w_jk，以及输出层偏置值，计算输出层输出。

式中，f为输出层激活函数，m为输出层节点数。

4、误差计算。根据网络输出y和预期输出，计算网络预测误差。

e_k＝Y_k-O_k k＝1,2,...,m

式中，Y为期望输出，O为预测输出。

5、权值更新。根据网络预测更新网络连接权值。

w_jk＝w_jk+ηH_je_k j＝1,2,...,l；k＝1,2,...,m

6、偏置值更新。根据网络预测误差更新网络节点偏置值。

b_k＝b_k+e_k k＝1,2,...,m

7、判断算法迭代是否结束。若没有结束，返回步骤2。

8、网络训练直到小于设定的全局误差时，网络收敛。

本发明的一种基于PTP协议的无线路由器的数据处理方法，具有以下有益效果

1、PTP协议在无线路由器上进行应用，即在原有无线路由器的基础上使用PTP协议，解决无线同步的低精度、延时抖动问题；

2、无线路由器内嵌GPS/BD接收模块并且使用锁相环，提高了晶振输出频率的精度；

3、采用BP神经网络算法对影响晶振频率的因素进行训练，并使用外界服务器实现算法训练的功能，使用算法校正后的晶振频率作为频率源，保证频率源的精度；

4、无线路由器可做无线时间发布，也可做无线时间接收。

附图说明

图1：本发明一种基于PTP协议的无线路由器的结构框图；

图2：BP神经网络拓扑结构图；

图3：BP神经网络算法流程图。

图中：1、晶振；2、温度传感器；3、湿度传感器；4、存储器；5、服务器；6、FPGA；7、锁相环；8、GPS/BD接收模块；9、DP83640芯片；10、第一ARM处理器；11、鉴相器；12、显示器；13、第二ARM处理器；14、报警器；15、A/D转换器；21、PTP时钟发生器；22、PTP控制器；23、PTP数据处理寄存器；24、以太网接口收发器；25、射频基带芯片；26、D/A转换器。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

请参阅图1-3,本实施例的一种基于PTP协议的无线路由器，包括用于采集晶振1周围环境温湿度的温度传感器2、湿度传感器3，温度传感器2、湿度传感器3输出端连接有存储器4，存储器4与服务器5、FPGA6相互通讯连接，FPGA6输出端与晶振1输入端相连接，晶振1输出端与锁相环7相连接，锁相环7还连接有GPS/BD接收模块8以及DP83640芯片9，DP83640芯片9与第一ARM处理器10、鉴相器11、有线以太网络相互通讯连接，第一ARM处理器10与GPS/BD接收模块8、锁相环7通讯连接，鉴相器11输出端连接有显示器12及第二ARM处理器13，第二ARM处理器13连接有报警器14；其中，温度传感器2、湿度传感器3通过A/D转换器15与存储器4相通讯，FPGA6通过D/A转换器26与晶振1相通讯。

DP83640芯片9包括相互通讯连接的PTP时钟发生器21、PTP控制器22、PTP数据处理寄存器23、以太网接口收发器24。DP83640芯片9通过以太网接口收发器连接有线以太网络或者通过射频基带芯片25连接无线以太网络，通过有线或者无线方式接收外界PTP协议包。PTP时钟发生器21用于产生本地PTP时钟，其基准时间通过第一ARM处理器10进行更新，用于记录数据发送或到达以太网收发器的即时时间戳。PTP控制器22在PTP时钟发生器21的频率控制下通过MII接口与第一ARM处理器10进行通信，将数据封包成PTP协议，接着PTP数据处理寄存器23在数据发送前将数据的发送时间打成时间戳，插入到PTP数据包发送到以太网接口收发器24，以太网接口收发器24通过射频基带芯片25将PTP协议包发送出去。以太网接口收发器24接收到信息时，PTP数据处理寄存器23中记录时间戳，还原出对端设备数据到达时间，PTP数据处理寄存器23与通过PTP控制器22相连，PTP控制器22通过MII接口与第一ARM处理器10进行通信对PTP协议解码。

以太网接口收发器24连接有射频基带芯片25，射频基带芯片25与无线以太网络相通讯。

工作时，分布在晶振1周围的温度传感器2和湿度传感器3分别采集晶振1周围环境的温度和湿度的模拟量，通过A/D转换器15将模拟量转换为数字量信息，将其存储在存储器4中。同时，晶振1的切角数字量和老化率数字量预先存储在存储器4中。从服务器5中读取已经训练好的BP神经网络的网络参数，写入存储器4中。FPGA6通过读取存储器4中的这些网络参数和采集与预设的数字量信息，应用BP神经网络算法生成相应的压控电压数据，通过D/A转换器26转化成实际的压控电压，来调整晶振1的精度，输出稳定的10MHz频标信号。当GPS/BD接收模块8接收到有效的GPS/BD信号时，得到UTC时间信息及1PPS秒信号。晶振1输出的10MHz信号由锁相环7产生标准1pps信号和标准25MHz频率信号。标准25MHz频率信号供给DP83640的PTP时钟发生器作为其输入时钟信号。

ARM时间处理流程如下：通过GPS获取1PPS和UTC时间信号，再转化成PTP时间进行发布。也可通过有线方式获取PTP时间，通过无线路由方式对PTP时间进行发布。

测试显示部分：PTP数据处理寄存器23的1pps秒信号与锁相环7的1PPS秒信号通过鉴相器11进行比较在显示器12上面显示，同时也将比较的结果传给第二ARM处理器13，当结果大于给定值时进行报警处理，工作人员进行处理。

实施例2

本实施例的一种基于PTP协议的无线路由器的数据处理方法，参考附图图1-3，包括以下步骤：

1、预先在实验箱中测得训练数据集，将训练数据集作为BP神经网络的输入，同时，BP神经网络模型的训练还需要损失函数以及激活函数，确定学习率，初始化权值和偏置值，在服务器5中对BP神经网络进行训练，训练结束后将训练好的网络参数保存在服务器5中；

2、分布在晶振1周围的温度传感器2和湿度传感器3分别采集晶振1周围环境的温度和湿度的模拟量，通过A/D转换器15将模拟量转换为数字量信息，将其存储在存储器4中，同时，晶振1的切角数字量和老化率数字量预先存储在存储器4中，从服务器5中读取已经训练好的BP神经网络的网络参数，写入存储器4中；

3、FPGA6通过读取存储器4中的这些网络参数和采集与预设的数字量信息，应用BP神经网络算法预测当前时刻的频率，当前时刻的频率与标称频率f0的差值为补偿频率，在FPGA6中利用压控特性可将需要补偿的频率转换成需要补偿的压控电压生成相应的压控电压数据，通过D/A转换器26转化成实际的压控电压，从而使晶振1输出稳定的10MHz频标信号f0；

4、当GPS/BD接收模块8接收到有效的GPS/BD信号时，得到UTC时间信息及1PPS秒信号，晶振输出的10MHz信号由锁相环7产生标准1pps信号和标准25MHz频率信号；

5、标准25MHz频率信号，供给DP83640芯片9的PTP时钟作为其输入时钟信号。

6、DP83640芯片9通过PHY连接有线以太网络或者通过射频基带芯片25连接无线以太网络，通过有线或者无线方式接收外界PTP协议包，同时，DP83640芯片9的PHY与第一ARM处理器10的MAC通过MII接口相连，在物理层对其数据进行处理；

7、通过PTP时钟发生器21产生本地PTP时钟，其基准时间通过第一ARM处理器10进行更新，用于记录数据发送或到达以太网收发器的即时时间戳；

8、PTP控制器22在PTP时钟发生器21的频率控制下通过MDIO接口与第一ARM处理器10进行通信，将数据封包成PTP协议，在第一ARM处理器10中使用PTP代码编写应用程序，接着PTP数据处理寄存器23在数据发送前将数据的发送时间打成时间戳，插入到PTP数据包发送到PHY，PHY通过射频基带芯片25将PTP协议包发送出去；

9、PHY接收到信息时，PTP数据处理寄存器23中记录时间戳，还原出对端设备数据到达时间，PTP数据处理寄存器23与PTP控制器22相连，PTP控制器22通过MDIO接口与第一ARM处理器进行通信对PTP协议解码；

10、通过GPS获取1PPS和UTC时间信号，再转化成PTP时间进行发布，也可通过有线方式获取PTP时间，通过无线路由方式对PTP时间进行发布；

11、PTP数据处理寄存器23的1pps秒信号与锁相环7输出的的1PPS秒信号通过鉴相器11进行比较在显示器12上面显示，同时也将比较的结果传给第二ARM处理器13，当结果大于给定值时进行报警处理，工作人员进行处理。

本实施例的DP83640芯片9是一款支持IEEE 1588(PTP)的百兆以太网PHY芯片，其内置高精度PTP时钟，并集成了能够对收发数据包加盖时间戳的硬件，可以在最靠近物理层的位置记录时间戳，避免了执行软件协议过程中的延时。其支持的MAC接口有MII以及RMII，支持的温度范围为-40度～85度，在工业领域有着广泛的应用。DP83640功能模块主要包括PHY以太网物理层接口、PTP数据包检测与处理模块、PTP控制和PTP时钟。DP83640通过MII接口与上层MAC进行通信。DP83640监视由硬件经MII接口发送而来的报文包，当检测到PTP报文时，DP83640将捕获时间戳并且提供给软件。PTP的时钟标记单元，是介于MAC(数据链路层)，与PHY(物理层)之间的，在靠近物理层的位置打上时间戳。

BP神经网络算法训练数据集来源：

在实验箱中测量每间隔30分钟不同温度、不同湿度、不同切角下的晶振输出频率值，得到温度值x1、湿度值x2、切角值x3、老化率值x4以及输出频率值y，这些数据即为训练数据(x1，x2，x3，x4，y)，多组训练数据构成训练数据集。

BP神经网络算法训练包括以下几个步骤：

1、网络初始化。根据系统输入输出确定网络输入层节点数、隐含层节点数、输出层节点数，初始化输入层、隐含层和输出层神经元之间的连接权值w_ij、w_jk，初始化隐含层偏置值a_i、输出层偏置值b_k，给定学习速率η、神经元激励函数和损失函数及设定误差，具体如下：

因目前考虑到的影响晶振频率的因素有切角、温度、老化率、湿度四个，输出为晶振频率。所以确定BP神经网络的输入节点是4个，输出节点是1个；根据输入数据的形式和问题复杂情况，发现设置一层隐含层即可满足需要，所以本发明中取单隐含层BP神经网络，即三层BP神经网络。由于隐含层的节点数会影响模型的预测性能，根据下面的经验公式确定隐含层的节点数；

其中n_i为输入层节点数，n_o为输出层节点数，a为1至10之间的常数。隐含层的节点数范围为[3,13]，经过多次试验，确定误差最小的隐含层节点数为10。所以本发明的BP神经网络的拓扑结构最终确定为4:10:1。

权重和偏置设定为不相等的一组数值，且该组数据随机选取。

学习率的范围在0-1之间，学习率越大，权重变化越大，收敛越快，但学习率过大，可能错过最优解，学习率数值偏小，则会放慢迭代速度，且迭代过程耗时偏长，通过实验，选取学习率为0.06。

隐藏层选用的激活函数是sigmoid函数，输出层选用纯线性函数。

sigmoid函数公式为：

纯线性函数公式为：

purelin(x)＝x

BP神经网络选用的损失函数是均方误差函数，如下：

式中，N为训练样本总数。

当损失函数(MSE)越小,说明预测模型的精度越高。

期望误差的选取根据实际情况最后确定为0.036。

2、隐含层输出计算。根据输入向量，输入层和隐含层间的连接权值w_ij，以及隐含层偏置值，计算隐含层输出。

式中，f为隐含层激活函数，n为输入层节点数，L为隐含层节点数。

3、输出层输出计算。根据隐含层输出，隐含层和输出层间的连接权值w_jk，以及输出层偏置值，计算输出层输出。

式中，f为输出层激活函数，m为输出层节点数。

4、误差计算。根据网络输出y和预期输出，计算网络预测误差。

e_k＝Y_k-O_k k＝1,2,...,m

式中，Y为期望输出，O为预测输出。

5、权值更新。根据网络预测更新网络连接权值。

w_jk＝w_jk+ηH_je_k j＝1,2,...,l；k＝1,2,...,m

6、偏置值更新。根据网络预测误差更新网络节点偏置值。

b_k＝b_k+e_k k＝1,2,...,m

7、判断算法迭代是否结束。若没有结束，返回步骤2。

8、网络训练直到小于设定的全局误差时，网络收敛。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (2)

1.一种基于PTP协议的无线路由器的数据处理方法，其特征在于包括以下步骤：

1)、预先在实验箱中测得训练数据集，将训练数据集作为BP神经网络的输入，同时，BP神经网络模型的训练还需要损失函数以及激活函数，确定学习率，初始化权值和偏置值，在服务器中对BP神经网络进行训练，训练结束后将训练好的网络参数保存在服务器中；

在实验箱中测量每间隔30分钟不同温度、不同湿度、不同切角下的晶振输出频率值，得到温度值x1、湿度值x2、切角值x3、老化率值x4以及输出频率值y，这些数据即为训练数据(x1，x2，x3，x4，y)，多组训练数据构成训练数据集；

2)、分布在晶振周围的温度传感器和湿度传感器分别采集晶振周围环境的温度和湿度的模拟量，通过A/D转换器将模拟量转换为数字量信息，将其存储在存储器中，同时，晶振的切角数字量和老化率数字量预先存储在存储器中，从服务器中读取已经训练好的BP神经网络的网络参数，写入存储器中；

3)、FPGA6通过读取存储器中的这些网络参数和采集与预设的数字量信息，应用BP神经网络算法预测当前时刻的频率，当前时刻的频率与标称频率f0的差值为补偿频率，在FPGA中利用压控特性可将需要补偿的频率转换成需要补偿的压控电压生成相应的压控电压数据，通过D/A转换器转化成实际的压控电压，从而使晶振输出稳定的10MHz频标信号f0；

4)、当GPS/BD接收模块接收到有效的GPS/BD信号时，得到UTC时间信息及1PPS秒信号，晶振输出的10MHz信号由锁相环产生标准1pps信号和标准25MHz频率信号；

5)、标准25MHz频率信号，供给DP83640芯片的PTP时钟作为其输入时钟信号；

6)、DP83640芯片通过PHY连接有线以太网络或者通过射频基带芯片连接无线以太网络，通过有线或者无线方式接收外界PTP协议包，同时，DP83640芯片的PHY与第一ARM处理器的MAC通过MII接口相连，在物理层对其数据进行处理；

7)、通过PTP时钟发生器产生本地PTP时钟，其基准时间通过第一ARM处理器进行更新，用于记录数据发送或到达以太网收发器的即时时间戳；

8)、PTP控制器在PTP时钟发生器的频率控制下通过MDIO接口与第一ARM处理器进行通信，将数据封包成PTP协议，在第一ARM处理器中使用PTP代码编写应用程序，接着PTP数据处理寄存器在数据发送前将数据的发送时间打成时间戳，插入到PTP数据包发送到PHY，PHY通过射频基带芯片将PTP协议包发送出去；

9)、PHY接收到信息时，PTP数据处理寄存器中记录时间戳，还原出对端设备数据到达时间，PTP数据处理寄存器与PTP控制器相连，PTP控制器通过MDIO接口与第一ARM处理器进行通信对PTP协议解码；

10)、通过GPS获取1PPS和UTC时间信号，再转化成PTP时间进行发布，也可通过有线方式获取PTP时间，通过无线路由方式对PTP时间进行发布；

11)、PTP数据处理寄存器的1pps秒信号与锁相环输出的1PPS秒信号通过鉴相器进行比较在显示器上面显示，同时也将比较的结果传给第二ARM处理器，当结果大于给定值时进行报警处理，工作人员进行处理。

2.按照权利要求1所述的一种基于PTP协议的无线路由器的数据处理方法，其特征在于所述BP神经网络算法训练包括以下几个步骤：

1)、网络初始化

根据系统输入输出确定网络输入层节点数、隐含层节点数、输出层节点数，初始化输入层、隐含层和输出层神经元之间的连接权值w_ij、w_jk，初始化隐含层偏置值a_j、输出层偏置值b_k，给定学习速率η、神经元激励函数和损失函数及设定误差e_k，具体如下：

因目前考虑到的影响晶振频率的因素有切角、温度、老化率、湿度四个，输出为晶振频率，所以确定BP神经网络的输入节点是4个，输出节点是1个；根据输入数据的形式和问题复杂情况，发现设置一层隐含层即可满足需要，所以取单隐含层BP神经网络，即三层BP神经网络，由于隐含层的节点数会影响模型的预测性能，根据下面的经验公式确定隐含层的节点数；

其中n为输入层节点数，m为输出层节点数，a为1至10之间的常数，隐含层的节点数范围为[3,13]，经过多次试验，确定误差最小的隐含层节点数为10，所以BP神经网络的拓扑结构最终确定为4:10:1；

权重和偏置设定为不相等的一组数值，且该组数值随机选取；

学习率的范围在0-1之间，学习率越大，权重变化越大，收敛越快，但学习率过大，可能错过最优解，学习率数值偏小，则会放慢迭代速度，且迭代过程耗时偏长，通过实验，选取学习率为0.06；

隐藏层选用的激活函数是sigmoid函数，输出层选用纯线性函数；

sigmoid函数公式为：

纯线性函数公式为：

purelin(x)＝x

BP神经网络选用的损失函数是均方误差函数，如下：

式中，N为训练样本总数；

当损失函数(MSE)越小,说明预测模型的精度越高；

期望误差的选取根据实际情况最后确定为0.036；

2)、隐含层输出计算

根据输入向量，输入层和隐含层间的连接权值w_ij，以及隐含层偏置值，计算隐含层输出；

式中，f为隐含层激活函数，n为输入层节点数，L为隐含层节点数；

3)、输出层输出计算

根据隐含层输出，隐含层和输出层间的连接权值w_jk，以及输出层偏置值，计算输出层输出；

式中，f为输出层激活函数，m为输出层节点数；

4)、误差计算

根据网络输出y和预期输出，计算网络预测误差；

e_k＝Y_k-O_k k＝1,2,...,m

式中，Y为期望输出，O为预测输出；

5)、权值更新

根据网络预测更新网络连接权值；

w_jk＝w_jk+ηH_je_k j＝1,2,...,L；k＝1,2,...,m

6)、偏置值更新

根据网络预测误差更新网络节点偏置值。

b_k＝b_k+e_k k＝1,2,...,m

7)、判断算法迭代是否结束

若没有结束，返回步骤2)；

8)、网络训练直到小于设定的全局误差时，网络收敛。

Images