基于时间同步模型的计算机系统、装置及可读存储介质

技术领域

本发明涉及网络通信技术领域，尤其涉及一种基于时间同步模型的计算机系统、装置及可读存储介质。

背景技术

对于编队组网用户，时间同步包括主动式同步方式和被动式同步方式。

主动式同步方式，是待同步用户通过与网络时间基准(Network TimeReference，NTR)单元或其它入网用户单元交换往返计时(Round-Trip Time，RTT)消息，用于修正用户与NTR单元的时钟误差，实现网内时间同步。主动式同步算法中假定了往返计时询问(Round-Trip Time Inquiry，RTT-I)消息与往返计时应答(Round-Trip Time Response，RTT-R)消息的传播时间相同，但在实际环境中，由于实际应用环境的复杂及变化迅速，一般两者并不相等，这样就在同步的过程中产生了比较大的同步误差。

被动式时间同步方式，是待同步用户通过获得精确参与定位与识别(PreciseParticipant Location and Identification，PPLI)消息中其它平台的位置信息以及通过平台导航系统获得的自身的位置信息，待同步用户可以估算出消息的传输时延。通过比较接收消息的实际到达时间以及估算到达时间，从而使待同步用户消除信息传输时延误差，完成时间同步。被动式同步一般在无线电静默模式下使用，如果此时组网用户的平台导航信息中未给出位置信息，则无法按被动式时间同步方式实现时间同步。

因此，如何可靠的实现编队组网用户的时间同步是一个急需解决的技术问题。

发明内容

本发明实施例提供一种基于时间同步模型的计算机系统、装置及可读存储介质，有利于实现编队组网用户的时间同步。

本发明实施例一方面提供了一种基于时间同步模型的计算机系统，所述计算机系统包括存储器和处理器，所述存储器存储有计算机程序，所述处理器被配置成执行所述计算机程序时实现以下步骤：

获取当前时刻接收到的观测信息，以及对所述观测信息进行预处理，得到观测向量；

调用采用卡尔曼滤波算法的时间同步模型，根据所述观测向量、系统预设的初始状态向量和初始估计误差方差阵迭代计算时间钟差，以及基于所述时间钟差进行系统时钟校正，使得系统中编队组网用户时间同步。

可选的，还包括：

获取当前时刻的平台导航信息，以及对所述平台导航信息预处理，得到初始状态向量和初始估计误差方差阵；

调用采用卡尔曼滤波算法的时间同步模型，根据所述初始状态向量、初始估计误差方差阵和所述观测向量迭代计算时间钟差，以及基于所述时间钟差进行系统时钟校正，使得系统中编队组网用户时间同步。

可选的，所述调用采用卡尔曼滤波算法的时间同步模型，根据所述观测向量、系统预设的初始状态向量和初始估计误差方差阵计算时间钟差，包括：

基于一步预测方程、上一时刻的后验估计状态向量和估计误差方差阵确定当前时刻的先验估计状态向量和中间变量，上一时刻的后验估计状态向量和估计误差方差分别为系统预设的初始状态向量和初始估计误差方差阵经卡尔曼滤波算法迭代得到；

基于滤波增益方程和所述中间变量确定当前时刻的滤波增益；

基于估计方程、当前时刻的所述滤波增益、所述观测向量、所述先验估计状态向量和所述中间变量确定当前时刻的后验估计状态向量和估计误差方差阵；

令所述当前时刻等于所述上一时刻，进行迭代计算；

在所述后验估计状态向量中包括的估计时间钟差收敛时，将所述估计时间钟差确定为时间钟差。

可选的，所述一步预测方程包括状态一步预测方程和中间变量一步预测方程，所述基于一步预测方程、上一时刻的后验估计状态向量和估计误差方差阵确定当前时刻的先验估计状态向量和中间变量，包括：

基于所述状态一步预测方程和上一时刻的后验估计状态向量确定当前时刻的先验估计状态向量，以及基于所述中间变量一步预测方程确定当前时刻的中间变量；

所述状态一步预测方程为：X

可选的，所述滤波增益方程为：

可选的，所述估计方程包括状态估计方程和误差方差估计方程，所述基于估计方程、当前时刻的所述滤波增益、所述观测向量、所述先验估计状态向量和所述中间变量确定当前时刻的后验估计状态向量和估计误差方差阵，包括：

基于所述状态估计方程、当前时刻的所述滤波增益、所述观测向量和所述先验估计状态向量确定当前时刻的后验估计状态向量，以及基于所述误差方差估计方程、当前时刻的所述滤波增益和所述中间变量确定当前时刻的估计误差方差阵；

所述状态估计方程为：X

可选的，所述状态估计方程基于用于表示状态向量与观测向量关系的观测方程确定，所述观测方程为：Z

可选的，所述观测信息包括k时刻的PPLI消息，k时刻的状态向量X

本发明实施例一方面提供了一种时间同步装置，所述装置包括：

预处理单元，用于获取当前时刻接收到的观测信息，以及对所述观测信息进行预处理，得到观测向量；

同步单元，用于调用采用卡尔曼滤波算法的时间同步模型，根据所述观测向量、系统预设的初始状态向量和初始估计误差方差阵迭代计算时间钟差，以及基于所述时间钟差进行系统时钟校正，使得系统中编队组网用户时间同步。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序被至少一个处理器执行时实现上述实施方式所述的基于时间同步模型的计算机系统的功能。

本发明提供的多个实施方式中，通过获取当前时刻接收到的观测信息以及对该观测信息进行预处理，得到观测向量；然后调用采用卡尔曼滤波算法的时间同步模型，根据该观测向量、系统预设的初始状态向量和初始估计误差方差阵迭代计算时间钟差，以及基于该时间钟差进行系统时钟校正，使得系统中编队组网用户时间同步。由于用于进行校正时间钟差的数据为当前时刻接收到的观测信息，没有用到RTT消息，因此即使RTT消息异常也可以实现系统中编队组网用户的时间同步；同时，接收到的观测信息可以不包括本平台导航信息，亦即不包括本用户的位置信息，因此，即使缺乏位置信息也可以实现系统中编队组网用户的时间同步。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1A是本发明实施例提供的一种编队组网系统的网络架构示意图；

图1B是本发明实施例提供的一种估计时间钟差的计算值收敛过程示意图；

图2是本发明实施例提供的一种基于时间同步模型的计算机系统实现的步骤的流程示意图；

图3是本发明实施例提供的一种基于卡尔曼滤波算法计算时间钟差方法的流程示意图；

图4是本发明实施例提供的另一种基于时间同步模型的计算机系统实现的步骤的流程示意图；

图5是本发明实施例提供的一种时间同步装置的结构示意图；

图6是本发明实施例提供的一种计算机设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

随着科学的发展，工作环境和任务需求变得越来越复杂，单一智能体由于功能简单，自身局限性大，在这种情况下往往显得无能为力。受自然界中生物群落之间协作现象的启发，多智能体之间的协同控制逐渐受到了学者的广泛关注。多智能体编队组网是其中的热点之一，时间同步是实现编队组网用户高度协同的基础。

对于编队组网用户，时间同步包括主动式同步方式和被动式同步方式。

主动式同步方式，是待同步用户通过与NTR单元或其它入网用户单元交换RTT消息，用于修正用户与NTR单元的时钟误差，实现网内时间同步。主动式同步算法中假定了RTT-I消息与往返计时应答RTT-R消息的传播时间相同，但在实际环境中，由于实际应用环境的复杂及变化迅速，一般两者并不相等，这样就在同步的过程中产生了比较大的同步误差。

被动式时间同步方式，是待同步用户通过获得精确参与定位与识别PPLI消息中其它平台的位置信息以及通过平台导航系统获得的自身的位置信息，待同步用户可以估算出消息的传输时延。通过比较接收消息的实际到达时间以及估算到达时间，从而使待同步用户消除信息传输时延误差，完成时间同步。被动式同步一般在无线电静默模式下使用，如果此时组网用户的平台导航信息中未给出位置信息，则无法按被动式时间同步方式实现时间同步。

在实际环境中，当RTT消息异常或在无线电静默模式且平台导航信息中缺失位置信息时，编队组网用户之间的时间同步精度很难保持在一定的水平且可靠性面临极大的挑战，继而影响其相对位置精度。针对上述技术问题，本发明提供了一种基于时间同步模型的计算机系统、装置及可读存储介质。

多智能体编队组网中的智能体可以包括车辆、船舶、飞行器等，其构成编队组网系统中的用户。智能体上装载有导航终端机，导航终端机是指输出导航信息的终端机，其可以包括放在车辆、船舶、飞行器中用来输出导航信息的专用导航设备，还可以包括驱动导航应用程序的智能设备等各种方式或类型的导航装置，智能设备例如可以为手机、平板电脑、笔记本电脑、掌上电脑、移动互联网设备(mobile internet device,MID)、可穿戴设备(例如智能手表、智能手环等)。

导航信息可以包括惯性导航信息、纯惯性导航信息和相对导航信息等。

其中，惯性导航信息是通过惯性测量单元(Inertial measurement unit，IMU)直接测量得到的信息和/或基于该直接测量得到的信息间接计算得到的信息。IMU通常包含陀螺仪(Gyroscope)、加速度计(Accelermeters)，有的还包含磁力计(Magnetometers)。陀螺仪用来测量三轴的角度/角速度，加速度计用来测量三轴的加速度，磁力计提供磁场朝向信息。因此，直接得到的信息包括物体三轴姿态角以及加速度等信息。间接测量得到的信息例如可以包括对时间积分得到的航迹、当前位置、当前的姿态等信息。

与惯性导航信息不同的是，纯惯性导航信息利用的惯性导航系统不依赖于任何外部信息，它只使用初始条件和内部传感器的数据来计算物体的位置、姿态和速度等信息。惯导和纯惯导的主要差别在于是否使用外部信息来校正误差。惯导通常会结合其他导航系统，如卫星导航系统、无线电导航系统、地磁导航系统等，来提高精度和可靠性。纯惯导则完全依赖于内部传感器的质量和初始条件的准确性，因此只适用于短时间或高精度的应用场合。

相对导航信息包括相对导航网络的位置基准和时间基准以及相对导航网络中的PPLI信息和到达时间(Time of Arrival，TOA)信息等。PPLI消息是指一个用户向其他各用户广播的消息元素的综合，可以包括该用户利用自身传感器搜集整理当前的位置信息、速度信息、加速度信息、编队状况等等。TOA消息是通过TOA定位方法获得的信息。TOA定位是一种利用信号传播时延来估计目标位置的方法。在TOA定位中，接收器通过记录信号接收的时间来计算目标与接收器之间的距离。然而，由于信号在传播过程中可能会遭受到一系列的干扰和误差影响，因此需要对TOA信息进行伪距修正。伪距修正一般是指对TOA信息中测得的距离进行校正，以减小误差并提高定位精度。

请参见图1A，图1A是本发明实施例提供的一种编队组网系统的网络架构示意图。该网络架构可以包括至少两个编队组网用户100。每个编队组网用户100包括至少一个导航终端机110以及每个导航终端机110至少对应连接的一个交换机120，每个导航终端机110至少包括一个板卡111。每个编队组网用户100可以通过有线或无线的网络130连接方式进行信息传输。该板卡111可以是基于x86架构的，可以是基于arm架构的，也可以是基于mips架构的，还可以是基于其他架构的，在此不作限定。

编队组网系统的运行原理如下：导航终端机110按照一定频率下发导航信息给arm板卡111，该导航信息包括惯性导航信息、组合导航信息、本导航终端机其他传感器的轨迹信息等等，此外，导航终端机110还可以收到PPLI信息，其中PPLI信息可以是本导航终端机通过其数字信号处理器(Digital SignalProcessor，DSP)中运行网控程序，接收其他导航终端机发来的；arm板卡111中运行相对导航程序，对接收到的惯性导航信息、组合导航信息、其他传感器的轨迹消息、其它导航终端机110发送的PPLI信息等进行导航解算，得到本导航终端机110的PPLI信息。在收到本导航终端机110以固定周期发送的PPLI提取指令时，arm板卡111将本导航终端机110的PPLI信息打包好上报给本导航终端机110；本导航终端机110打包好该PPLI信息通过射频网络130广播给其他导航终端机110。

如图1A所示，具体包括4个通过射频网络130连接的编队组网用户100a、编队组网用户100b、编队组网用户100c和编队组网用户100d。编队组网用户100a包括导航终端机110a及其包括的arm板卡111a和连接的交换机120a，编队组网用户100b包括导航终端机110b及其包括的arm板卡111b和连接的交换机120b，编队组网用户100c包括导航终端机110c及其包括的arm板卡111c和连接的交换机120c，编队组网用户100d包括导航终端机110d及其包括的arm板卡111d和连接的交换机120d。

四个编队组网用户100a、编队组网用户100b、编队组网用户100c和编队组网用户100d初始位置呈正方形分布，该正方形的边长为10km，即相距10km。其中三个编队组网用户100(例如为编队组网用户100a、编队组网用户100b和编队组网用户100c)的导航终端机110作为定位基准点，提供组合导航信息，初始运动速度为10m/s，节点均做转弯运动，转弯半径为1km；第四个编队组网用户(例如为编队组网用户100d)的导航终端机110为待定位节点，静默状态，不提供位置信息，其初始运动速度为3m/s，做转弯运动，转弯半径为500m。根据上述各编队组网用户的轨迹描述信息可以搭建一个实施例场景。

上述场景中，PPLI信息可以是导航终端机110a、110b、110c以固定周期向系统内的用户进行广播，导航终端机110d的DSP中运行网控程序接收该观测信息，然后下发至arm板卡111d，arm板卡111d对其进行预处理，得到观测向量。

具体的，预处理过程例如可以是首先建立直角坐标系，以编队组网用户100a的初始位置作为坐标原点，以该点的地球切平面上指向地理北和地理东以及垂直该平面指向天空的三个坐标轴建立坐标系。根据编队组网用户100a、100b、100c的初始平台导航信息和各编队组网用户的初始位置关系，预处理后可以得到各编队组网用户100的初始位置信息；根据初始平台导航信息中的航向信息将速度和加速度沿着建立的坐标系进行分解，则可以得到各编队组网用户100的初始速度信息和初始加速度信息。将上述预处理后得到的位置信息、速度信息和加速度信息合并为一个一维向量，用于表示初始状态向量。

在工程代码的实现中，例如可以将状态向量定义为一个十维数组，即doubleX[10]。数组中，X[0]～X[2]为用户三维位置、X[3]～X[5]为用户三维速度、X[6]～X[8]为用户三维加速度，X[9]为用户时间钟差。

状态量预测代码如下：

matmul("NN",10,1,10,1.0,F,x_previous,0.0,x_predict)；

其中，matmul为矩阵乘法运算函数，x_previous为前一时刻的状态向量，x_predict为预测状态向量，F阵为状态转移矩阵，10、1等数字表示向量的维度。

协方差预测代码例如可以为：

matcpy(P_predict,Q,10,10)；

matmul("NN",10,10,10,1.0,F,P_previous,0.0,F_P_temp)；

matmul("NT",10,10,10,1.0,F_P_temp,F,1.0,P_predict)；

其中，matcpy为矩阵的复制操作函数，P_predict为预测协方差矩阵，P_previous为前一时刻的协方差矩阵，F_P_temp为矩阵运算中间生成的矩阵，Q阵为运动噪声协方差阵。

对于观测部分，若设H阵为观测矩阵，R阵为观测噪声协方差阵，dim为观测量维数，则有P_H_temp＝P_predict*H'，S＝H*P_H_temp+R，然后做如下代码运算：

matinv(S,dim)；

matmul("NN",10,dim,dim,1.0,P_H_temp,S,0.0,K)；

matmul("NN",10,1,dim,1.0,K,y,0.0,K_y)；

matmul("NN",10,10,dim,1.0,K,H,0.0,K_H)；

matmul("NN",10,10,10,1.0,K_H,P_predict,0.0,K_H_P)；

其中，matinv表示矩阵的求逆运算函数，K、K_y、K_H和K_H_P均为中间的矩阵变量。

再通过下述运算即可得到更新的观测量及其协方差矩阵：

x_hat＝x_predict+K_y；

P_hat＝P_predict-K_H_P。

根据本发明实施例和上述工程代码进行计算，可以得到估计时间钟差。如图1B所示，图1B是本发明实施例提供的一种估计时间钟差的计算值收敛过程示意图。

在本发明的其中一种实施例中，arm板卡111d调用卡尔曼滤波算法根据PPLI观测向量计算时间钟差，并不用到上述平台导航信息。在计算时，通过收到其它编队组网用户的PPLI观测信息、系统预设的初始状态向量和初始估计误差方差阵迭代计算时间钟差，以及基于该时间钟差进行系统时钟校正，使得系统中编队组网用户时间同步。

在本发明的另外一种实施例中，arm板卡111d同样对该平台导航信息预处理，得到初始状态向量、初始估计误差方差阵和观测向量；然后调用卡尔曼滤波算法根据该状态向量、估计误差方差阵和观测向量迭代计算时间钟差，以及基于该时间钟差进行系统时钟校正，使得系统中编队组网用户时间同步。

第一个实施例中，由于使用的是系统预设的初始状态向量和初始估计误差方差阵，因此，可能的迭代次数较大，才会收敛，得到时间钟差；而第二个实施例中，由于使用的是平台导航信息预处理后得到的初始状态向量和初始估计误差方差阵，可能更贴近真实值，因此迭代次数可能较少，就会得到收敛的时间钟差，从而计算速度更快。具体选用哪种方法，可以根据实际获取到的观测信息进行确定。

请参阅图2，图2是本发明实施例提供的一种基于时间同步模型的计算机系统实现的步骤的流程示意图。所述计算机系统包括存储器和处理器，所述存储器存储有计算机程序，所述处理器被配置成执行所述计算机程序时实现以下步骤。

步骤201：获取当前时刻接收到的观测信息，以及对所述观测信息进行预处理，得到观测向量。

在一些情况下，该观测信息可以是其他导航终端机以固定周期或非固定周期向编队组网系统内用户进行广播，本平台导航终端机接收该广播的观测信息获取到的，其他导航终端机的数量可以是一台或者多台，在此，均不做限定。

在一些情况下，预处理操作包括将观测信息进行处理，使其得到的数据格式符合本平台导航终端机中运行的相对导航程序所要求的格式。例如，如果该观测信息包括惯性导航信息，该惯性导航信息包括位置信息和速度信息，则所述观测向量

在一些情况下，预处理操作还包括对观测信息进行筛选，例如，可能得到的信息不仅仅是位置信息和速度信息，可能还包括其他不需要的信息，如加速度信息，那么则需要将该加速度信息剔除掉。在另外一些情况下，即使得到的信息为所需要的位置信息和速度信息，也需要对该位置信息和速度信息进行验证和筛选。

在一些情况下，所述观测信息包括来自多个源的位置信息和速度信息，所述方法还包括：确定每个位置信息对应的位置向量和每个速度信息对应的速度向量；确定每个位置向量的模和每个速度向量对应的模；若所述位置向量对应的模大于或等于第一阈值，和/或，所述速度向量对应的模大于或等于第二阈值，则将所述位置向量和/或速度向量剔除，基于剩余的位置向量和速度向量确定观测向量。

其中，第一阈值可以是根据位置向量对应的模的平均值确定，例如为平均值的1倍、1.05倍、1.1倍等等，同样，第二阈值也可以是速度向量对应的模的平均值确定，例如为平均值的1倍、1.05倍、1.1倍等等，在此不做限定。

在一些情况下，所述观测信息包括来自多个源的位置信息和速度信息，所述方法还包括：确定每个位置信息对应的位置向量和每个速度信息对应的速度向量；确定每个位置向量对应的方差和每个速度向量对应的方差；若所述位置向量对应的方差大于或等于第三阈值，和/或，所述速度向量对应的方差大于或等于第四阈值，则将所述位置向量和/或速度向量剔除，基于剩余的位置向量和速度向量确定观测向量。

其中，第三阈值可以是根据位置向量对应的方差确定，例如为方差的1倍、1.05倍、1.1倍等等，同样，第四阈值也可以是速度向量对应的方差确定，例如为平均值的1倍、1.05倍、1.1倍等等，在此不做限定。

通过位置向量和速度向量的模或方差对源数据进一步筛选，有利于防止某些位置向量和速度向量偏离真实值太大，从而造成计算结果不准确或者导致计算时收敛速度太慢从而影响计算效率。

在一些情况下，若剩余的位置向量和/或速度向量小于或等于第五阈值，则重新获取当前时刻接收到的观测信息。

其中，第五阈值基于计算精度确定，计算精度越高，所要求的数量越多，第五阈值越大。在低于第五阈值时，重新获取，有利于防止数量太少计算不出准确的计算结果。

步骤202：调用采用卡尔曼滤波算法的时间同步模型，根据所述观测向量、系统预设的初始状态向量和初始估计误差方差阵迭代计算时间钟差，以及基于所述时间钟差进行系统时钟校正，使得系统中编队组网用户时间同步。

其中，卡尔曼滤波(Kalman filtering)是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。卡尔曼滤波在测量方差已知的情况下能够从一系列存在测量噪声的数据中，估计动态系统的状态。由于它便于计算机编程实现，并能够对现场采集的数据进行实时的更新和处理，卡尔曼滤波是目前应用最为广泛的滤波方法，在通信，导航，制导与控制等多领域得到了较好的应用。

在一些情况下，在基于所述时间钟差进行系统时钟校正之后，所述步骤还包括：将状态向量中的估计时间钟差同步清零，以完成算法的重置，方便进行下一次运算。

具体地，请参阅图3，图3是本发明实施例提供的一种基于卡尔曼滤波算法计算时间钟差方法的流程示意图。所述调用采用卡尔曼滤波算法的时间同步模型，根据所述观测向量、系统预设的初始状态向量和初始估计误差方差阵计算时间钟差，包括：

步骤2021：基于一步预测方程、上一时刻的后验估计状态向量和估计误差方差阵确定当前时刻的先验估计状态向量和中间变量，上一时刻的后验估计状态向量和估计误差方差分别为系统预设的初始状态向量和初始估计误差方差阵经卡尔曼滤波算法迭代得到。

其中，所述一步预测方程包括状态一步预测方程和中间变量一步预测方程，所述基于一步预测方程、上一时刻的后验估计状态向量和估计误差方差阵确定当前时刻的先验估计状态向量和中间变量，包括：

基于所述状态一步预测方程和上一时刻的后验估计状态向量确定当前时刻的先验估计状态向量，以及基于所述中间变量一步预测方程确定当前时刻的中间变量；

所述状态一步预测方程为：X

在一些情况下，所述状态向量包括位置信息[x

其中，系统预设的初始状态向量例如其中元素均可以设置为0，或者是其他值，在此不做限定。系统预设的估计误差方差阵例如可以为取值较大的对角矩阵，或者是其他矩阵，在此不做限定。然后根据系统预设的初始状态向量进行卡尔曼滤波算法迭代得到上一时刻的后验估计状态向量，根据初始估计误差方差阵进行卡尔曼滤波算法迭代得到上一时刻的估计误差方差。

其中，Φ

步骤2022：基于滤波增益方程和所述中间变量确定当前时刻的滤波增益；

其中，所述滤波增益方程为：

步骤2023：基于估计方程、当前时刻的所述滤波增益、所述观测向量、所述先验估计状态向量和所述中间变量确定当前时刻的后验估计状态向量和估计误差方差阵;

其中，所述估计方程包括状态估计方程和误差方差估计方程，所述基于估计方程、当前时刻的所述滤波增益、所述观测向量、所述先验估计状态向量和所述中间变量确定当前时刻的后验估计状态向量和估计误差方差阵，包括：

基于所述状态估计方程、当前时刻的所述滤波增益、所述观测向量和所述先验估计状态向量确定当前时刻的后验估计状态向量，以及基于所述误差方差估计方程、当前时刻的所述滤波增益和所述中间变量确定当前时刻的估计误差方差阵；

所述状态估计方程为：X

可选的，所述状态估计方程基于用于表示状态向量与观测向量关系的观测方程确定，所述观测方程为：Z

在一些情况下，所述观测信息包括惯性导航信息，所述惯性导航信息包括位置信息

在一些情况下，所述观测信息包括k时刻的PPLI消息，k时列的状态向量X

其中，观测矩阵H

在一些情况下，所述传感器接收到的信息包括惯性导航信息，所述观测信息包括传感器接收到的消息和PPLI消息，则所述观测方程为：

其中，Z

在一些情况下，可以将系统量测模型建立为序贯滤波模型，将高维量测更新降低为多个低维量测更新进行滤波解算，有利于减少滤波的计算量和增强数值计算的稳定性。

在一些情况下，所述方法还包括：确定编队组网用户和/或传感器的定位精度，基于该定位精度确定传感器接收到的消息和/或PPLI消息的权重，基于该权重确定观测向量。

在一些情况下，所述方法还包括：确定待测编队组网用户所处的环境，基于该环境确定传感器接收到的消息和/或PPLI消息的位置精度；基于该位置精度确定传感器接收到的消息和/或PPLI消息对应的观测向量的权重，基于该观测向量的权重确定融合后的观测向量。

在一些情况下，所述方法还包括：基于传感器和/或发送PPLI消息的编队组网用户所处的环境确定传感器接收到的消息和/或PPLI消息对应的观测向量的权重，基于该观测向量的权重确定融合后的观测向量。

在另外一些情况下，还可以是结合待测编队组网用户所处的环境，和传感器和/或发送PPLI消息的编队组网用户所处的环境共同确定每个观测信息的权重。在实际社会生活中，编队组网用户可能是相同的也可能是不同的终端，因此，每个终端发送的频率或者其本身在定位上的精度就是不同的，例如有的定位精度可以达到厘米级，有的定位只能达到米级，因此需要赋予其不同的权重以使得计算出的时间钟差更准确或者收敛速度更快；另外，即使是相同的传感器，由于其所处的环境不同，也会导致定位的精度有差别。以手机举例，同一个手机在地下室还是在开阔的环境下，在农村还是在城市，其信号是差别很大的，因此也有必要对其相关的观测向量赋予不同的权重，以使得计算出的时间钟差更准确或者收敛速度更快。

步骤2024：确定所述后验估计状态向量中包括的估计时间钟差是否收敛；

在一些情况下，可以通过将计算值与真实值比较，通过判断两者的差值是否在预设误差范围内进行确认收敛；还可以是设定迭代步数，执行完设定的迭代步数则确认收敛。

步骤2025：若收敛，则将所述估计时间钟差确定为时间钟差；步骤2026：若不收敛，则令所述当前时刻等于所述上一时刻，进行迭代计算。

具体的，不收敛时，令k＝k+1，则X

可以看出，在本发明提供的实施方式中，通过获取当前时刻接收到的观测信息以及对该观测信息进行预处理，得到观测向量；然后调用卡尔曼滤波算法根据该观测向量、系统预设的初始状态向量和初始估计误差方差阵迭代计算时间钟差，以及基于该时间钟差进行系统时钟校正，使得系统中编队组网用户时间同步。由于用于进行校正时间钟差的数据为当前时刻接收到的观测信息，没有用到RTT消息，因此即使RTT消息异常也可以实现系统中编队组网用户的时间同步；同时，接收到的观测信息中可以不包括本平台导航信息，亦即不包括本用户的位置信息，因此，即使缺乏位置信息也可以实现系统中编队组网用户的时间同步。

请参阅图4，图4是本发明实施例提供的另一种基于时间同步模型的计算机系统实现的步骤的流程示意图。所述计算机系统包括存储器和处理器，所述存储器存储有计算机程序，所述处理器被配置成执行所述计算机程序时实现以下步骤。

步骤401：获取当前时刻的平台导航信息和接收到的观测信息，对所述平台导航信息预处理，得到初始状态向量和初始估计误差方差阵，以及对所述观测信息进行预处理，得到观测向量；

步骤402：调用采用卡尔曼滤波算法的时间同步模型，根据所述初始状态向量、初始估计误差方差阵和观测向量计算时间钟差，以及基于所述时间钟差进行系统时钟校正，使得系统中编队组网用户时间同步。

图4实施例中各步骤的实现方式可以参照上述图3实施例中各步骤的具体实施方式，在此不再重复赘述。需要说明的是，图3实施例中，由于使用的是系统预设的初始状态向量和初始估计误差方差阵，因此，可能的迭代次数较大，才会收敛，得到时间钟差；而图4实施例中，由于使用的是平台导航信息预处理后得到的初始状态向量和初始估计误差方差阵，可能更贴近真实值，因此迭代次数可能较少，就会得到收敛的时间钟差，从而计算速度更快。具体选用哪种方法，可以根据实际获取到的观测信息进行确定。

请参阅图5。图5是本发明实施例提供的一种时间同步装置的结构示意图。所述装置可以包括：

预处理单元501，用于获取当前时刻接收到的观测信息，以及对所述观测信息进行预处理，得到观测向量；

同步单元502，用于调用采用卡尔曼滤波算法的时间同步模型，根据所述观测向量、系统预设的初始状态向量和初始估计误差方差阵迭代计算时间钟差，以及基于所述时间钟差进行系统时钟校正，使得系统中编队组网用户时间同步。

请参阅图6，图6是本发明实施例提供的一种计算机设备的结构示意图，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述任一实施方式中的基于时间同步模型的计算机系统的功能。

本申请实施方式还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被计算机执行时使得，该计算机执行上述任一实施方式中的基于时间同步模型的计算机系统的功能。

本申请实施方式还提供一种包含指令的计算机程序产品，该指令被计算机执行时使得计算机执行上述任一实施方式中的基于时间同步模型的计算机系统的功能。

可以理解，本申请中的具体的示例只是为了帮助本领域技术人员更好地理解本申请实施方式，而非限制本发明的范围。

可以理解，在本申请中的各种实施方式中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施方式的实施过程组成任何限定。

可以理解，本申请中描述的各种实施方式，既可以单独实施，也可以组合实施，本申请实施方式对此并不限定。

除非另有说明，本申请实施方式所使用的所有技术和科学术语与本申请的技术领域的技术人员通常理解的含义相同。本申请中所使用的术语只是为了描述具体的实施方式的目的，不是旨在限制本申请的范围。本申请所使用的术语“和/或”包括一个或多个相关的所列项的任意的和所有的组合。在本申请实施方式和所附权利要求书中所使用的单数形式的“一种”、“上述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

可以理解，本申请实施方式的处理器可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法实施方式的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、现成可编程门阵列(Field Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施方式中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施方式所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

可以理解，本申请实施方式中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(EEPROM)或闪存。易失性存储器可以是随机存取存储器(RAM)。应注意，本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。

本领域普通技术人员可以意识到，结合本文中所公开的实施方式描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施方式中的对应过程，在此不再赘述。

在本申请所提供的几个实施方式中，应所述理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。

另外，在本申请各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的部分可以以软件产品的形式体现出来，所述计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。