CN114828200B - 基于5g-tsn的电力设备时间同步方法 - Google Patents

Abstract

本发明公开了一种基于5G‑TSN的电力设备时间同步方法，主要解决现有智能电网中难以实现时间信息快速同步的问题。其实现方案为：5G基站向电力设备发送参考时间信息，电力设备进行SIB9消息接收并获取时间信息；然后，电力设备生成定位参考信号PRS，发送该信号至基站用于执行到达时间TOA测量；基站检测PRS信号，并进行时延估计，通过最大化混合相关值，对最强的相关峰进行判决估计整数时延，并通过在频域进行有限迭代估计小数时延；然后，基站用TA命令调整或反馈估计时延给电力设备，电力设备接收反馈并调整时间信息以完成同步；本发明提高了时间同步的精度，保证时间域的快速形成，可用于智能电网中的时间同步。

Description

基于5G-TSN的电力设备时间同步方法

技术领域

本发明涉及电力设备时间同步技术领域，具体是一种基于5G-TSN的电力设备时间同步方法。

背景技术

近年来，国家电网积极推进智能电网建设。随着电力信息采集、配电自动化等技术的迅速发展，对实时、可靠、高效的新型通信技术提出了迫切的需求。故障保护方面，对通信性能要求最高，可靠性>99.99％，时延<10ms。此外，电力系统中的各设备之间的需要时钟同步，同步误差<20μs才能保证智能电网有效地正常运行。

当前的智能电网的数据交换和故障保护主要通过有线网络来实现，但是随着5G移动通信系统的不断发展，5G智能电网得到了业界的广泛关注。5G智能电网可以实现分布式配电、变电站作业监护及电网态势感知等多中新型应用，通过5G智能电网，电力工作人员可以利用超高清摄像头监控输电线路和配电设施，能够及时发现故障隐患，节省80％的现场巡检人力物力。通过5G技术的超低时延和超高可靠性，电网线路故障能够快速定位、隔离和恢复。

为了满足智能电网快速定位、隔离和恢复的需求，需要考虑基于5G的智能电网时间同步技术。2020年7月冻结的R16版本支持时间敏感网络TSN和 5G相集成。TSN与5G的融合，可以为各种工业场景带来显著的好处，支持智能电网中的确定性传输、时间同步以及网络的动态配置。R17将进一步加强与 IEEE TSN的整合，要求电力终端和无线接入网络之间的时间同步误差不超过 450ns。R18定义了5G智能电网端到端标准体系架构，但是对5G-TSN网络中精确同步的研究还不够深入，因此需要开展基于5G-TSN的智能电网同步技术的研究。5G-TSN有两个不同的时间同步进程并行运行。第一个是内部5G系统同步进程，基站和用户设备UE都需要与5G系统内的顶级时钟保持时间同步，以使5G系统正常运行。第二个是TSN同步进程，需要完成TSN时间域内设备的同步。在5G系统时间域与TSN时间域之间会使用网络端TSN转换器NW-TT 和设备端TSN转换器DS-TT进行同步。

在基于5G的电力系统中，基站和电力设备之间的无线链路容易受到传播延迟的影响，传播时延估计的不确定性对电力系统的时间误差有较大影响，影响电力系统的协调运作，因此需要精准的估计传播时延并做出补偿，才能保证各电力终端的时间同步精度满足正常运行的要求。

ZL 201980076062.1专利公开了一种由无线设备传送外部时域信息的方法。该方法包括：在无线设备所使用的5G时域中接收消息，该消息包括外部时域信息；基于外部时域信息，确定关于TSN时域的信息。该方法给出了相应的以太网帧结构，能够完成5G时域与TSN时域的时间同步，但其并为给出具体的传播时延补偿方案来减少时间同步过程中的误差。

公布号CN 113056880 A专利文献公开了一种多径时延估计方法和装置。该方法利用DMRS获取各子载波对应的频域上的信道估计值，然后将频域上的去噪后的信道估计值进行时域变换，最后在时域上进行时域多径搜索。该方法能够在多径时延估计过程中对非多径的噪声进行滤除，提高时延估计准确性。但该方法需要高精度的进行信道估计，此外容易出现搜索错误。

发明内容

有鉴于此，本发明针对现有技术的不足，提供的一种基于5G-TSN的电力设备时间同步方法，通过时间信息的分发、接收以及时延的估计与补偿来减小时间同步误差，完成时间信息的同步，可实现各个电力设备间的同步数据包交换。

为解决上述技术问题，本发明所采取的技术方案是：基于5G-TSN的电力设备时间同步方法，包括以下步骤：

S1：5G基站向电力设备发送参考时间信息；

S2：电力设备进行9号系统消息块SIB9消息接收，获取时间信息；

2a)电力设备解码物理广播信道PBCH获取主信息块MIB消息；

2b)电力设备从MIB消息中获取1号系统消息块SIB1消息并根据SIB1 指示发送SIB9请求消息；

2c)基站接收到电力设备的SIB9请求消息后，发送SIB9消息；

2d)电力设备接收基站反馈的SIB9消息并从SIB9中获取时间信息；

S3：电力设备生成定位参考信号PRS，并发送该定位参考信号PRS至5G 基站，用于执行到达时间TOA测量；

3a)电力设备生成伪随机序列；

3b)电力设备根据伪随机序列，生成PRS参考信号序列；

3c)电力设备发送PRS信号；

S4：5G基站检测定位参考信号PRS，并进行时延估计；

4a)待估计传播时延量表示为：

τ＝τ_c+τ_f＝α·T_s+τ_f

其中，T_s＝T/N为采样间隔，T为系统的采样周期，τ_c和τ_f分别表示整数倍采样间隔和小数倍采样间隔，α为一个整数；基站对第γ个接收信号的采样可以表示为：

其中，h为信道冲击响应，为卷积操作，x(kT_s)为发送信号，n(γT_s)为高斯噪声；

4b)计算定时度量函数，定时度量函数计算方式为：

其中，d_PRS为本地生成的PRS，θ′为待估计的同步点；P_ac(θ′)为PRS周期相关项，表示当前周期PRS所占OFDM符号与下一周期PRS所占OFDM符号的相关值：

其中，为当前PRS周期与下一PRS周期间隔的信号样本数；

能量项P(θ′)为：

因此，待判决的混合相关值为：

4c)通过最大化混合相关值，对最强的相关峰进行判决，利用相关峰强度与位置可获得检测结果，通过y(γT_s)中的信号相关操作后可估计出α：

估计出后，可以得到时域整数倍粗估计为/>

4d)时域估计出之后，只包含小数倍时延的信号可表示为：

对y(kT_s)做FFT变换可以得到y(kT_s)对应的频域信号；

4e)采用有限迭代提高估计精度；对于第L次估计即L-1此迭代，假设第 i次估计得到的小数时延为1≤i≤L，迭代结束后，计算接收信号后小数时延：

因此，可得到最终估计时延为

S5：5G基站发送一个控制信号，例如随机接入响应RAR，用TA命令调整或反馈估计时延给电力设备；

S6：电力设备根据接收到的TA命令调整本设备的当前时间信息；

S7：各电力设备之间数据通信时，附着当前时间戳在数据包中，其它电力设备接收到数据包时提取时间戳信息，记录数据包的发送时间，根据时间信息进行其它业务操作。

进一步地，S1中，5G基站向用户设备电力设备发送参考时间信息，该参考时间信息使用特定于5G无线电接口的RRC和SIB9消息转发到电力设备；在基于5G的智能电网中，电力设备可内置5G通信模块来作为与基站通信的UE， 5G系统充当位于TSN和电力设备之间虚拟网桥；基于5G-TSN高精度的时间同步，可保证智能电网端到端极低时延和高可靠性的数据传输与控制；

5G-TSN中基站只需要与5G GM时钟同步，保证无线接入网功能正常，5G 同步进程不受外部gPTP同步进程的影响，电力设备可通过直接或间接与基站完成同步，内置5G通信模块的电力设备可直接与基站同步，间接方式为通过 UE与DS-TT完成同步；

基于SIB/RRC参考时间分发模型中，主时钟的时间会通过基站、Uu接口分发至电力设备；主要的时间误差有：时钟到基站的误差、基站和电力设备在接口之间的误差以及电力设备在从无线电时间推导电力设备可用主时钟时间的的误差。

进一步地，2a)中，电力设备解码PBCH获取MIB消息，在5G无线接入网络中MIB消息是电力设备与网络进行初始接入和切换过程中需读取的基本消息；MIB内容在80ms周期内相同,相同的MIB在SS突发集内的所有SSB上传输。

进一步地，3a)中，电力设备生成伪随机序列c(n)，公式如下：

伪随机序列由长度为31的Gold序列定义，长度为M_PN的输出序列c(n)定义为：

c(n)＝(x₁(n+N_C)+x₂(n+N_C))mod2

x₁(n+31)＝(x₁(n+3)+x₁(n))mod2

x₂(n+31)＝(x₂(n+3)+x₂(n+2)+x₂(n+1)+x₂(n))mod2

其中，n＝0,1,...,M_PN-1，N_C＝1600；第1个m序列x₁应该初始化为 x₁(0)＝1,x₁(n)＝0,n＝1,2,...,30；第2个m序列x₂应该初始化为

进一步地，4d)中，对y(kT_s)做FFT变换可以得到对应的频域信号，以矩阵形式表示为：

Y＝αGX+n

其中，G＝diag{1,exp(-j2πτ_f/NT_s),...,exp(-j2πτ_f(N-1)/NT_s)},X表示频域发送信号，X＝[x₀,x₁,...,x_N-1]，n＝[n₀,n₁,...,n_N-1]^T,其中n_i(i＝0,...,N-1)是均值为0，方差为σ²的复高斯白噪声，(·)^T表示转置操作；

为了便于估计τ_f，定义Z为：

其中，R＝[1,1,...,1]^T，假设x_i的模值为1，则是均值为0，方差为σ²的复高斯白噪声；

首先假设在τ_f给定的情况下估计α'，参数α'的最大似然估计可以表示为：

将Z代入上式，因此参数τ_f的最大似然估计可以表示为：

令可以利用Q(τ)来估计τ_f。为了简化处理，不考虑噪声影响，则此时

Z＝α[1,exp(-j2πτ_f/NT_s),...,exp(-j2πτ_f(N-1)/NT_s)]^T

将上式代入Q(τ)，则有：

根据三角函数特性有(0.5-t)Sa(π(0.5-t))＝(0.5+t)Sa(π(0.5+t))，可知：

因此有：

由上式可以得到，τ_f的估计精度与τ_f大小有关，当τ_f为0时，估计精度最高，当τ_f越大时，估计误差较大。

进一步地，4e)中，采用有限迭代提高估计精度，方法如下：

对于第L次估计即L-1此迭代，假设第i次估计得到的小数时延为1≤i≤L，则迭代过程中Z⁽ⁱ⁾的校正值为：

迭代结束后，计算接收信号后小数时延：

因此，得到最终估计时延为

与现有技术相比，本发明的有益效果如下：

1.本发明利用5G-TSN的机制保证分布式UE或电力设备的时间一致性，能通过在电力设备嵌入5G通信模块完成同步及数据通信，可替代现有的有线网络，支持高度灵活的配置，适应各种电力设备的同步。

2.本发明采用5G的信令以及时延估计机制，通过时间信息的分发以及时延的校准可快速完成时间信息的同步，保证时间域内各设备快速建立同步关系并通过插入时间戳完成同步数据包的交换。

附图说明

图1为本发明的总流程图；

图2为本发明的5G-TSN时间域示意图；

图3为本发明中的时间分发示意图；

图4为本发明中的传播时延估计示意图；

图5为本发明中电力设备接收SIB9消息的过程；

图6为本发明中的传播时延估计流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。

参照图1，本实例基于5G-TSN的电力设备时间同步方法，其实现步骤如下：

步骤1、基站分发参考时间信息。

5G基站向用户设备UE发送参考时间信息，该参考时间信息使用特定于5G 无线电接口的无线资源控制信令RRC和9号系统消息块SIB9消息转发到UE；在基于5G的智能电网中，电力设备可内置5G通信模块来作为与基站通信的 UE，5G系统充当位于TSN和电力设备之间虚拟网桥；基于5G-TSN高精度的时间同步，可保证智能电网端到端极低时延和高可靠性的数据传输与控制；

参考图2，5G-TSN时间同步系统中，5G系统与TSN域分属两个不同的同步系统，两个同步系统之间彼此独立；5G系统作为逻辑TSN网桥，5G主时钟GM 与UE、基站、网络端TSN转换器NW-TT和设备端TSN转换器DS-TT实现了时间同步；5G系统边缘的TSN转换器器需要支持IEEE 802.1 AS的相关功能用于TSN系统和5G系统之间的互通；基站只需要与5G GM时钟同步，保证无线接入网功能正常，5G同步进程不受外部通用精确时间协议gPTP同步进程的影响，电力设备可通过直接或间接与基站完成同步，内置5G通信模块的电力设备可直接与基站同步，间接方式为通过UE与DS-TT完成同步。

参考图3，基于SIB/RRC参考时间分发模型中，主时钟的时间t₀会通过基站、空中接口即Uu接口分发至电力设备。其中，t_M为基站可用的主时钟时间，该时间由基站从系统主时钟t₀接收。t_R′为UE可用的无线电时钟时间。向UE传递时间信息的准确性可以被评估为主时钟t₀和由UE时钟t_M′导出的主时钟时间之间的误差。主要的时间误差有：时钟到基站的误差、基站和UE在接口之间的误差以及UE在从无线电时间推导UE可用主时钟时间的误差。

为减少基站和UE在Uu接口之间的误差需要充分考虑多径传播下的时延以做正确的补偿，从而保证时间信息的正确传递。在5G接入网中分配定时信息并在设备之间建立同步的一种方法是使用定时提前TA机制。5G系统使用TA 来补偿各工业设备的空中传播延迟OTA的影响，即无线信道中的传输时间和设备中的处理时间的总和。基站响应一个控制信号，例如随机接入响应RAR，用 TA命令调整每个设备的传输时间。

参考图4，Uu接口之间分别为基站与电力设备，为了满足电力或工业环境中的高可靠性和低延迟要求，估计每个UE至基站的传播时延是至关重要的。为估计时延，可利用定位参考信号PRS作为TOA信号估计时延。设是所有工业设备的集合，这些工业设备具有与基站进行通信的能力。在无线电传播环境中，假定电磁波的速度是恒定的。因此，根据蜂窝系统的码元时间周期 Ts，由基站形成一组TA bin集合为/>设t_i为TA bin的中心，其中i＝{0，1，2，3...N}，/>是实际传播时延T_act的估计值，每个工业设备都有其独立的传播时延。根据工业设备所在位置，会为第k^th个设备分配第n^th个TA bin值。基站采用TA机制来报告每个电力设备各自的传播延迟,每个设备会根据其分配TA值调整其参考时间，以减轻传播时延的误差。

步骤2、电力设备接收参考时间信息。

电力设备进行SIB9消息接收，SIB9包含与GPS时间和协调世界时UTC相关的信息，SIB9被映射到广播控制信道BCCH逻辑信道，并且在下行链路共享信道DL-SCH上定期广播或按需广播；

参考图5，电力设备接收SIB9的步骤为：

2.1)电力设备解码PBCH获取MIB消息；

在5G无线接入网络中MIB消息是电力设备与网络进行初始接入和切换过程中需读取的基本消息；MIB内容在80ms周期内相同，相同的MIB在SS突发集内的所有SSB上传输。

2.2)电力设备从MIB消息中获取SIB1消息并根据SIB1指示发送SIB9请求；

2.3)基站接收到电力设备的SIB9请求后，发送SIB9消息；

2.4)电力设备接收基站反馈的SIB9消息并从中获取时间信息；

步骤3、电力设备生成并发送PRS信号。

电力设备生成定位参考信号PRS，发送该信号至基站用于执行TOA测量，供基站估计空中传播时延；PRS信号生成步骤为：

3.1)电力设备生成伪随机序列c(n)：

伪随机序列由长度为31的Gold序列定义，长度为M_PN的输出序列c(n)定义为：

c(n)＝(x₁(n+N_C)+x₂(n+N_C))mod2

x₁(n+31)＝(x₁(n+3)+x₁(n))mod2

x₂(n+31)＝(x₂(n+3)+x₂(n+2)+x₂(n+1)+x₂(n))mod2

其中，n＝0,1,...,M_PN-1，N_C＝1600；第1个m序列x₁应该初始化为 x₁(0)＝1,x₁(n)＝0,n＝1,2,...,30；第2个m序列x₂应该初始化为

3.2)电力设备按照如下公式生成PRS参考信号序列：

其中，伪随机序列c(n)应该初始化为：

其中，为时隙号,下行PRS序列ID由上层参数DL-PRS-SequenceId给出，取值范围为/>该序列映射到时隙内的第l个OFDM符号中；

3.3)电力设备周期性发送PRS信号；

步骤4、基站估计时延并反馈时延。

参考图6，基站接收并检测PRS信号，并进行时延估计，估计结束后发送 TA命令告知电力设备估计结果，所述时延估计步骤为：

4.1)待估计传播时延量表示为：

τ＝τ_c+τ_f＝α·T_s+τ_f，

其中，T_s＝T/N为采样间隔，T为系统的采样周期，τ_c和τ_f分别表示整数倍时延和小数倍时延，α为一个整数；基站对第γ个接收信号的采样可以表示为：

其中，h为信道冲击响应，为卷积操作，x(kT_s)为发送信号，n(γT_s)为高斯噪声；

4.2)计算定时度量函数，定时度量函数计算方式为：

其中，d_PRS为本地生成的PRS，θ′为待估计的同步点；P_ac(θ′)为PRS周期相关项，表示当前周期PRS所占OFDM符号与下一周期PRS所占OFDM符号的相关值：

其中，为当前PRS周期与下一PRS周期间隔的信号样本数；

能量项P(θ′)计算方式为：

因此，待判决的混合相关值为：

4.3)通过最大化混合相关值，对最强的相关峰进行判决，利用相关峰强度与位置可获得检测结果估计出α：

估计出后，可以得到时域整数倍粗估计为/>

4.4)时域估计出之后，只包含小数倍时延的信号可表示为：

对y(kT_s)做FFT变换可以得到y(kT_s)对应的频域信号，以矩阵形式表示为：

Y＝αGX+n

其中G＝diag{1,exp(-j2πτ_f/NT_s),...,exp(-j2πτ_f(N-1)/NT_s)},X表示频域发送信号，X＝[x₀,x₁,...,x_N-1]。n＝[n₀,n₁,...,n_N-1]^T,其中n_i(i＝0,...,N-1)是均值为0，方差为σ²的复高斯白噪声，(·)^T表示转置操作。

为了便于估计τ_f，定义Z为：

其中R＝[1,1,...,1]^T，假设x_i的模值为1，则是均值为0，方差为σ²的复高斯白噪声。

首先假设在τ_f给定的情况下估计α'，参数α'的最大似然估计可以表示为：

将Z代入上式，因此参数τ_f的最大似然估计可以表示为：

令可以利用Q(τ)来估计τ_f。为了简化处理，不考虑噪声影响，则此时

Z＝α[1,exp(-j2πτ_f/NT_s),...,exp(-j2πτ_f(N-1)/NT_s)]^T

将上式代入Q(τ)，则有：

根据三角函数特性有(0.5-t)Sa(π(0.5-t))＝(0.5+t)Sa(π(0.5+t))，可知：

因此有：

由上式可以得到，τ_f的估计精度与τ_f大小有关，当τ_f为0时，估计精度最高，当τ_f越大时，估计误差较大。

4.5)可以采用有限迭代提高估计精度。对于第L次估计即L-1此迭代，假设第i次估计得到的小数时延为1≤i≤L，则迭代过程中Z⁽ⁱ⁾的校正值为：

迭代结束后，计算接收信号后小数时延：

因此，可得到最终估计时延为基站发送一个控制信号，例如随机接入响应RAR，用TA命令调整或反馈估计时延/>给电力设备；

步骤5、电力设备接收反馈并调整时间信息，完成同步。

电力设备根据接收到的TA命令调整本设备的当前时间信息,更新时间信息为至此，完成5G-TSN系统中电力设备的时间同步，智能电网中的其它电力设备可按步骤1至步骤6各自完成时间同步；

步骤6、各电力设备数据包插入时间戳并进行数据交换。

各电力设备之间数据通信时，附着其当前时间戳，其它电力设备接收到数据包时提取其时间戳信息，记录数据包的发送时间，可根据时间信息进行其它业务操作。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (9)

1.基于5G-TSN的电力设备时间同步方法，其特征在于，包括以下步骤：

S1：5G基站向电力设备发送参考时间信息；

S2：电力设备进行9号系统消息块SIB9消息接收，获取时间信息；

S3：电力设备生成定位参考信号PRS，并发送该定位参考信号PRS至5G基站，用于执行到达时间TOA测量；

S4：5G基站检测定位参考信号PRS，并进行时延估计；

S5：5G基站发送一个随机接入响应RAR的控制信号，用TA命令调整或反馈估计时延给电力设备；

S6：电力设备根据接收到的TA命令调整本设备的当前时间信息；

S7：各电力设备之间数据通信时，附着当前时间戳在数据包中；

S2中，电力设备进行9号系统消息块SIB9消息接收，获取时间信息的方法为：

2a)电力设备解码物理广播信道PBCH获取主信息块MIB消息；

2b)电力设备从MIB消息中获取1号系统消息块SIB1消息并根据SIB1指示发送SIB9请求消息；

2c)基站接收到电力设备的SIB9请求消息后，发送SIB9消息；

2d)电力设备接收基站反馈的SIB9消息并从SIB9中获取时间信息。

2.如权利要求1所述的基于5G-TSN的电力设备时间同步方法，其特征在于：S1中，5G基站向电力设备发送参考时间信息，该参考时间信息使用特定于5G无线电接口的RRC和SIB9消息转发到电力设备。

3.如权利要求1所述的基于5G-TSN的电力设备时间同步方法，其特征在于：S3中，电力设备生成定位参考信号PRS，并发送该定位参考信号PRS至5G基站的方法为：

3a)电力设备生成伪随机序列；

3b)电力设备根据伪随机序列，生成PRS参考信号序列；

3c)电力设备发送PRS信号。

4.如权利要求1所述的基于5G-TSN的电力设备时间同步方法，其特征在于：S4中，5G基站检测定位参考信号PRS，并进行时延估计的方法为：

4a)待估计传播时延量表示为：

τ＝τ_c+τ_f＝α·T_s+τ_f

其中，T_s＝T/N为采样间隔，T为系统的采样周期，τ_c和τ_f分别表示整数倍采样间隔和小数倍采样间隔，α为一个整数；基站对第γ个接收信号的采样可以表示为：

其中，h为信道冲击响应，为卷积操作，x(kT_s)为发送信号，n(γT_s)为高斯噪声；

4b)计算定时度量函数，定时度量函数计算方式为：

其中，d_PRS为本地生成的PRS，θ′为待估计的同步点；P_ac(θ′)为PRS周期相关项，表示当前周期PRS所占OFDM符号与下一周期PRS所占OFDM符号的相关值：

其中，为当前PRS周期与下一PRS周期间隔的信号样本数；

能量项P(θ′)为：

因此，待判决的混合相关值为：

4c)通过最大化混合相关值，对最强的相关峰进行判决，利用相关峰强度与位置可获得检测结果，通过y(γT_s)中的信号相关操作后可估计出α：

估计出后，可以得到时域整数倍粗估计为/>

4d)时域估计出之后，只包含小数倍时延的信号可表示为：

对y(kT_s)做FFT变换可以得到y(kT_s)对应的频域信号；

4e)采用有限迭代提高估计精度；对于第L次估计即L-1此迭代，假设第i次估计得到的小数时延为迭代结束后，计算接收信号后小数时延：

因此，可得到最终估计时延为

5.如权利要求1所述的基于5G-TSN的电力设备时间同步方法，其特征在于：2a)中，电力设备解码PBCH获取MIB消息，在5G无线接入网络中MIB消息是电力设备与网络进行初始接入和切换过程中需读取的基本消息；MIB内容在80ms周期内相同，相同的MIB在SS突发集内的所有SSB上传输。

6.如权利要求3所述的基于5G-TSN的电力设备时间同步方法，其特征在于：3a)中，电力设备生成伪随机序列c(n)，公式如下：

伪随机序列由长度为31的Gold序列定义，长度为M_PN的输出序列c(n)定义为：

c(n)＝(x₁(n+N_C)+x₂(n+N_C))mod2

x₁(n+31)＝(x₁(n+3)+x₁(n))mod2

x₂(n+31)＝(x₂(n+3)+x₂(n+2)+x₂(n+1)+x₂(n))mod2

其中，n＝0,1,...,M_PN-1，N_C＝1600；第1个m序列x₁应该初始化为x₁(0)＝1,x₁(n)＝0,n＝1,2,...,30；第2个m序列x₂应该初始化为

7.如权利要求4所述的基于5G-TSN的电力设备时间同步方法，其特征在于：4d)中，对y(kT_s)做FFT变换可以得到对应的频域信号，以矩阵形式表示为：

Y＝αGX+n

其中，G＝diag{1,exp(-j2πτ_f/NT_s),…,exp(-j2πτ_f(N-1)/NT_s)},X表示频域发送信号，X＝[x₀,x₁,…,x_N-1]，n＝[n₀,n₁,…,n_N-1]^T，其中n_i(i＝0,…,N-1)是均值为0，方差为σ²的复高斯白噪声，(·)^T表示转置操作；

为了便于估计τ_f，定义Z为：

其中，R＝[1,1,…,1]^T，假设x_i的模值为1，则是均值为0，方差为σ²的复高斯白噪声；

首先假设在τ_f给定的情况下估计α'，参数α'的最大似然估计可以表示为：

将Z代入上式，因此参数τ_f的最大似然估计可以表示为：

令可以利用Q(τ)来估计τ_f，为了简化处理，不考虑噪声影响，则此时

Z＝α[1,exp(-j2πτ_f/NT_s),…,exp(-j2πτ_f(N-1)/NT_s)]^T

将上式代入Q(τ)，则有：

根据三角函数特性有(0.5-t)Sa(π(0.5-t))＝(0.5+t)Sa(π(0.5+t))，可知：

因此有：

由上式可以得到，τ_f的估计精度与τ_f大小有关，当τ_f为0时，估计精度最高，当τ_f越大时，估计误差较大。

8.如权利要求4所述的基于5G-TSN的电力设备时间同步方法，其特征在于：4e)中，采用有限迭代提高估计精度，方法如下：

对于第L次估计即L-1次迭代，假设第i次估计得到的小数时延为则迭代过程中Z⁽ⁱ⁾的校正值为：

迭代结束后，计算接收信号后小数时延：

因此，得到最终估计时延为

9.如权利要求1所述的基于5G-TSN的电力设备时间同步方法，其特征在于：S7中，各电力设备之间数据通信时，附着当前时间戳在数据包中，其它电力设备接收到数据包时提取时间戳信息，记录数据包的发送时间，根据时间信息进行其它业务操作。