[发明专利]一种基于神经网络的频标频率漂移预测方法

说明书

本发明公开了一种基于神经网络的频标频率漂移预测方法，在参考源缺失的情况下，预测晶振频标源的频率漂移，从而为后续频率补偿以达到高精度守时的性能提供必要支持。本发明所述方法包括三个步骤：首先，对样本数据通过平滑滤波进行预处理；然后，建立神经网络模型，对样本数据进行训练；最后，用训练好的神经网络模型做频率漂移预测。本发明有效捕获频标频率漂移的变化特征，取得较好的预测效果。

技术领域

本发明涉及时频统一领域，具体为一种基于神经网络的频标频率漂移预测 方法。

背景技术

时频统一系统又称时频统一系统，主要用来为测控系统提供统一标准时间 信号和频率信号，其应用领域相当广泛，比如智慧城市、通信、交通、航空航 天等，只要与时间有关，都离不开时频统一，尤其是高精度时频统一系统。在 时频统一系统中，参考源负责提供高精度的频率标准信号，除此以外，频标源 负责在参考源丢失或不可用时提供频率标准信号，而守时工作是指在失去参考 源或参考源不可用的情况下，频标源在一段时间内可继续保持一定时间精度。 由此可见，守时功能在时频统一系统中扮演着十分基础和重要的角色。

如图1所示，GPS信号具有超高精度和原子频率标准，通常作为参考源， 锁相倍频模块对参考源信号进行倍频处理，形成高频参考信号输入高精度相位 测量模块。晶体振荡器(Oven Controlled Crystal Oscillator，OCXO)具有较长 寿命、较高的精度和准确度且价格适中，通常用来作为频标源，同样经过锁相 倍频模块处理，输出高频频标信号到高精度相位测量模块。高精度相位测量模 块对输入的参考源信号和频标源信号测量相位差，从而实现频标源归一化。在 参考源丢失或不可用情况下，系统进入守时过程。由于OCXO会受到温度、老 化等因素的影响从而导致频标源信号产生频率漂移，严重影响守时性能。若能对频标源频率漂移准确预测并进行补偿，则可达到较好守时效果。

现有的频率漂移预测方法大多采用最小二乘法对频率波形进行拟合，但拟 合的多项式次数难以事先确定，且拟合后的预测效果并不理想，守时精度无法 得到很好的保证。

因此，设计实现一种频标频率漂移预测方法是非常有必要的。

发明内容

本发明的目的在于提供一种频标频率漂移预测方法，以解决上述背景技术 中提出的问题，方法包括以下步骤：

步骤1、对频标源和参考源的相位差样本利用Savitzky-Golay方法进行平滑 滤波；

首先，将输入信号样本窗口设为2m+1,其中m0,用k-1阶多项式对数据进 行拟合，矩阵运算表示为：

X_(2m+1)×1＝T_(2m+1)×k·A_k×1+E_(2m+1)×1 (1)

其中X为样本的先验估计向量，T为采样时间矩阵，A为拟合参数向量，E 为误差向量。然后，利用最小二乘法计算可得：

A＝(T^T·T)^-1·T^T·X (2)

其中T^T为T的转置矩阵。

最后，计算滤波后得到的平滑值：

Y＝T·(T^T·T)^-1·T^T·X (3)

步骤2、将步骤1所得到的平滑信号样本输入一个三层神经网络，利用神 经网络计算损失；

首先，构建一个三层径向基神经网络，如图3所示，包含输入层、隐藏层 和输出层，其中输入层由r个神经元组成，隐藏层由h个神经元组成，每个神 经元采用高斯核函数作为激活函数，输出层由n个神经元组成，隐藏层到输出 层采用权重矩阵W进行线性变换。