[发明专利]一种无线传感器网络的时钟同步方法、装置、设备和介质

权利要求书

1.一种无线传感器网络的时钟同步方法，其特征在于，包括：

基于目标节点的时钟参数和量测参数，建立目标节点的系统模型；其中，所述系统模型用于计算目标节点的频率和偏移；所述目标节点为无线传感器网络中所有节点中的任意一个节点；

利用加权平均算法，对所述系统模型以及所述无线传感器网络对应的权重矩阵进行迭代处理，以确定出所述无线传感器网络的通用频率和通用偏移；

依据所述通用频率和通用偏移，调整所述目标节点的频率和偏移。

2.根据权利要求1所述的无线传感器网络的时钟同步方法，其特征在于，所述基于目标节点的时钟参数和量测参数，建立目标节点的系统模型包括：

利用所述目标节点的时钟参数包括的初始时钟频率、时钟初始偏移、目标节点自身的振荡器参数以及设定的采样周期和状态噪声，建立目标节点的频率和偏移对应的状态模型；

利用所述量测参数包括的量测矩阵和量测噪声，建立所述目标节点的量测模型；

将所述目标节点的频率和偏移对应的状态模型以及所述目标节点的量测模型作为所述目标节点的系统模型。

3.根据权利要求2所述的无线传感器网络的时钟同步方法，其特征在于，所述利用所述目标节点的时钟参数包括的初始时钟频率、时钟初始偏移、目标节点自身的振荡器参数以及设定的采样周期和状态噪声，建立目标节点的频率和偏移对应的状态模型包括：

调用时钟卡尔曼状态模型，对所述目标节点的初始时钟频率、时钟初始偏移、目标节点自身的振荡器参数以及设定的采样周期和状态噪声进行处理，以得到所述目标节点的频率和偏移的状态模型；所述时钟卡尔曼状态模型对应的计算公式为：

X_n(k)＝Φ_nX_n(k-1)+ω_n(k)+b_n；

其中，X_n(k)＝[α_n(k)β_n(k)]^T，α_n(k)＝α_n(k-1)+δ_n(k)，β_n(k)＝β_n(k-1)+τα_n(k-1)+τδ_n(k)-τ，

α_n(k)表示节点n在当前时刻k的时钟频率状态，α_n(k-1)表示节点n在上一时刻k-1的时钟频率状态，δ_n(k)表示状态噪声，β_n(k)表示节点n在当前时刻k的时钟偏移状态，β_n(k-1)表示表示节点n在上一时刻k-1的时钟偏移状态，τ表示采样周期，Φ_n表示状态转移矩阵，ω_n(k)表示通用状态噪声。

4.根据权利要求1所述的无线传感器网络的时钟同步方法，其特征在于，所述利用加权平均算法，对所述系统模型以及所述无线传感器网络对应的权重矩阵进行迭代处理，以确定出所述无线传感器网络的通用频率和通用偏移包括：

根据所述无线传感器网络对应的权重矩阵以及各节点对应的状态参数，确定出目标节点与相邻节点的状态变化模型；其中，所述相邻节点为所述无线传感器网络中除所述目标节点外的任意一个节点；

利用加权平均算法，对所述系统模型和所述状态变化模型进行迭代处理，以确定出所述无线传感器网络的通用频率和通用偏移。

5.根据权利要求4所述的无线传感器网络的时钟同步方法，其特征在于，所述根据所述无线传感器网络对应的权重矩阵以及各节点对应的状态参数，确定出目标节点与相邻节点的状态变化模型包括：

调用迭代平均共识算法公式，对所述无线传感器网络对应的权重矩阵以及各节点对应的状态参数进行处理，以得到目标节点与相邻节点的状态变化模型；所述迭代平均共识算法公式为：

其中，x_i(t+1)表示节点i在下一时刻的状态，w_ij(t)表示节点i和节点j对应的权重，x_j(t)表示节点j在当前时刻的状态，N_i表示节点i的邻居集合。