[发明专利]一种多基准时钟加权合成方法

说明书

本发明公开了一种多基准时钟加权合成方法，解决了组合时钟精度和稳定度差的问题，所述方法包括以下步骤：从多个时钟源获得时钟信号；对所述时钟信号进行去除噪声合成，得到去除噪声的时钟信号；对所述去除噪声的时钟信号，先利用KNN分类算法进行分类，再对分类后的信号进行加权合成，得到时钟合成信号。在对所述时钟信号进行去除噪声合成，得到去除噪声的时钟信号之前，对所述时钟信号进行异常信号检测，去除所述时钟信号中的奇异点。本发明所实现的频率基准信号频率准确度在n×E‑14量级，优于高品质单个铯钟1～2个数量级；本发明可以同时改善时钟源的短期和长期稳定性。

技术领域

本发明涉及卫星导航系统，特别涉及一种多基准时钟加权合成方法。

背景技术

在卫星导航系统中需要应用高精度时钟进行导航和定位，而时钟的时间/频率精度是由原子钟的物理特性决定的，目前大多采用时钟合成的方法来提高时间/频率精度。现有技术中采用的时间合成方法包括：加权平均算法，Kalman滤波算法和小波分解算法，加权平均算法得到的时钟合成信号短期稳定性改善效果较差，Kalman滤波算法和小波分解算法得到的时钟合成信号对时钟准确度方面改善不明显。

发明内容

本发明提供一种多基准时钟加权合成方法，解决了组合时钟精度和稳定度差的问题。

一种多基准时钟加权合成方法，包括以下步骤：从多个时钟源获得时钟信号；对所述时钟信号进行去除噪声合成，得到去除噪声的时钟信号；对所述去除噪声的时钟信号，先利用KNN分类算法进行分类，再对分类后的信号进行加权合成，得到时钟合成信号。在对所述时钟信号进行去除噪声合成，得到去除噪声的时钟信号之前，对所述时钟信号进行异常信号检测，去除所述时钟信号中的奇异点。

优选地，对所述时钟信号进行异常信号检测，去除所述时钟信号中的奇异点，进一步包含：选取所述异常信号检测的测试参考信号，所述测试参考信号为所述时钟信号的任一历史输出值；将所述时钟信号与所述测试参考信号进行比较，得到比较差值；对所述比较差值进行判断，当所述比较差值大于奇异点判断阈值时，所述时钟信号为奇异点。

优选地，对所述时钟信号进行异常信号检测，去除所述时钟信号中的奇异点，进一步包含：将所述时钟信号进行两两比对，并计算得到两两比对差值；根据所述两两比对差值将所述时钟信号分为两类，当所述两两比对差值大于奇异点判断阈值时，判定两个时钟信号为不同类别，当所述两两比对差值不大于所述奇异点判断阈值时，判定两个时钟信号为相同类别；根据所述时钟信号的分类情况，将信号个数少的一类时钟信号判定为奇异点。

进一步地，对所述时钟信号进行去除噪声合成，得到去除噪声的时钟信号，进一步包含：对所述时钟信号进行小波函数分解，得到小波分解细节系数对所述小波分解细节系数进行硬阈值判断筛选，得到筛选后的小波分解细节系数，所述硬阈值判断筛选为，当小波分解细节系数小于小波分解硬阈值时，将该小波分解细节系数置0，当小波分解细节系数大于或等于所述小波分解硬阈值时，保留该小波分解细节系数，根据所述筛选后的小波分解细节系数，对所述时钟信号进行重构。

优选地，对所述时钟信号进行去除噪声合成，得到去除噪声的时钟信号，进一步包含：对所述时钟信号进行小波函数分解，得到小波分解细节系数；

对所述小波分解细节系数根据设定的软阈值筛选比例进行软阈值判断筛选，得到筛选后的小波分解细节系数，所述软阈值判断筛选为，当小波分解细节系数小于小波分解硬阈值时，将该小波分解细节系数置0，当小波分解细节系数大于或等于所述小波分解硬阈值时，将该小波分解细节系数减去阈值得到新的小波分解细节系数小波分解细节系数小波分解细节系数小波分解细节系数；

根据所述筛选后小波分解细节系数，对所述时钟信号进行重构。