一种基于增广卡尔曼神经网络的精确时钟同步参数跟踪方法

本发明涉及一种基于增广卡尔曼神经网络的精确时钟同步参数跟踪方法，属于时间同步领域。该方法面向环境温度变化和链路传输时延非对称的多跳网络场景，考虑多跳网络中的累积非对称链路传输时延对时钟同步精度的影响，获得含有累积非对称链路延迟的多跳网络时钟观测方程，基于温度和时钟频率偏移的二次多项式模型建立时钟频率偏移与温度变化的递归型状态方程；将累积非对称延迟和未知温度系数的演化过程建模为一阶线性差分方程，并增广到时钟参数跟踪状态空间模型，利用增广卡尔曼神经网络算法实现从节点的时钟相偏和时钟频偏的联合跟踪。该方法采用数据与模型联合驱动的思想进行时钟相偏和频偏的联合跟踪，提高了时钟参数跟踪的准确性和鲁棒性。