[發明專利]一種基于PTP協議的無線路由器的數據處理方法

有效

• 申請號: 202010062435.4
• 申請日: 2020-01-19
• 公開（公告）號: CN111163011B
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 王波;苗自云;涂桂旺;范國棟;王慧;朱智林;孫鈺凱
• 申請（專利權）人: 煙臺持久鐘表有限公司
• 主分類號: H04L45/60
• 分類號: H04L45/60;H04J3/06;G06N3/04;G06N3/08
• 代理公司: 煙臺雙聯專利事務所(普通合伙) 37225
• 代理人: 牟曉丹

1.一種基于PTP協議的無線路由器的數據處理方法，其特征在于包括以下步驟：

1)、預先在實驗箱中測得訓練數據集，將訓練數據集作為BP神經網絡的輸入，同時，BP神經網絡模型的訓練還需要損失函數以及激活函數，確定學習率，初始化權值和偏置值，在服務器中對BP神經網絡進行訓練，訓練結束后將訓練好的網絡參數保存在服務器中；

在實驗箱中測量每間隔30分鐘不同溫度、不同濕度、不同切角下的晶振輸出頻率值，得到溫度值x1、濕度值x2、切角值x3、老化率值x4以及輸出頻率值y，這些數據即為訓練數據(x1，x2，x3，x4，y)，多組訓練數據構成訓練數據集；

2)、分布在晶振周圍的溫度傳感器和濕度傳感器分別采集晶振周圍環境的溫度和濕度的模擬量，通過A/D轉換器將模擬量轉換為數字量信息，將其存儲在存儲器中，同時，晶振的切角數字量和老化率數字量預先存儲在存儲器中，從服務器中讀取已經訓練好的BP神經網絡的網絡參數，寫入存儲器中；

3)、FPGA6通過讀取存儲器中的這些網絡參數和采集與預設的數字量信息，應用BP神經網絡算法預測當前時刻的頻率，當前時刻的頻率與標稱頻率f0的差值為補償頻率，在FPGA中利用壓控特性可將需要補償的頻率轉換成需要補償的壓控電壓生成相應的壓控電壓數據，通過D/A轉換器轉化成實際的壓控電壓，從而使晶振輸出穩定的10MHz頻標信號f0；

4)、當GPS/BD接收模塊接收到有效的GPS/BD信號時，得到UTC時間信息及1PPS秒信號，晶振輸出的10MHz信號由鎖相環產生標準1pps信號和標準25MHz頻率信號；

5)、標準25MHz頻率信號，供給DP83640芯片的PTP時鐘作為其輸入時鐘信號；

6)、DP83640芯片通過PHY連接有線以太網絡或者通過射頻基帶芯片連接無線以太網絡，通過有線或者無線方式接收外界PTP協議包，同時，DP83640芯片的PHY與第一ARM處理器的MAC通過MII接口相連，在物理層對其數據進行處理；

7)、通過PTP時鐘發生器產生本地PTP時鐘，其基準時間通過第一ARM處理器進行更新，用于記錄數據發送或到達以太網收發器的即時時間戳；

8)、PTP控制器在PTP時鐘發生器的頻率控制下通過MDIO接口與第一ARM處理器進行通信，將數據封包成PTP協議，在第一ARM處理器中使用PTP代碼編寫應用程序，接著PTP數據處理寄存器在數據發送前將數據的發送時間打成時間戳，插入到PTP數據包發送到PHY，PHY通過射頻基帶芯片將PTP協議包發送出去；

9)、PHY接收到信息時，PTP數據處理寄存器中記錄時間戳，還原出對端設備數據到達時間，PTP數據處理寄存器與PTP控制器相連，PTP控制器通過MDIO接口與第一ARM處理器進行通信對PTP協議解碼；

10)、通過GPS獲取1PPS和UTC時間信號，再轉化成PTP時間進行發布，也可通過有線方式獲取PTP時間，通過無線路由方式對PTP時間進行發布；

11)、PTP數據處理寄存器的1pps秒信號與鎖相環輸出的1PPS秒信號通過鑒相器進行比較在顯示器上面顯示，同時也將比較的結果傳給第二ARM處理器，當結果大于給定值時進行報警處理，工作人員進行處理。

2.按照權利要求1所述的一種基于PTP協議的無線路由器的數據處理方法，其特征在于所述BP神經網絡算法訓練包括以下幾個步驟：

1)、網絡初始化

根據系統輸入輸出確定網絡輸入層節點數、隱含層節點數、輸出層節點數，初始化輸入層、隱含層和輸出層神經元之間的連接權值w_ij、w_jk，初始化隱含層偏置值a_j、輸出層偏置值b_k，給定學習速率η、神經元激勵函數和損失函數及設定誤差e_k，具體如下：

因目前考慮到的影響晶振頻率的因素有切角、溫度、老化率、濕度四個，輸出為晶振頻率，所以確定BP神經網絡的輸入節點是4個，輸出節點是1個；根據輸入數據的形式和問題復雜情況，發現設置一層隱含層即可滿足需要，所以取單隱含層BP神經網絡，即三層BP神經網絡，由于隱含層的節點數會影響模型的預測性能，根據下面的經驗公式確定隱含層的節點數；

其中n為輸入層節點數，m為輸出層節點數，a為1至10之間的常數，隱含層的節點數范圍為[3,13]，經過多次試驗，確定誤差最小的隱含層節點數為10，所以BP神經網絡的拓撲結構最終確定為4:10:1；

權重和偏置設定為不相等的一組數值，且該組數值隨機選??；

學習率的范圍在0-1之間，學習率越大，權重變化越大，收斂越快，但學習率過大，可能錯過最優解，學習率數值偏小，則會放慢迭代速度，且迭代過程耗時偏長，通過實驗，選取學習率為0.06；

隱藏層選用的激活函數是sigmoid函數，輸出層選用純線性函數；

sigmoid函數公式為：

純線性函數公式為：

purelin(x)＝x

BP神經網絡選用的損失函數是均方誤差函數，如下：

式中，N為訓練樣本總數；

當損失函數(MSE)越小,說明預測模型的精度越高；

期望誤差的選取根據實際情況最后確定為0.036；

2)、隱含層輸出計算

根據輸入向量，輸入層和隱含層間的連接權值w_ij，以及隱含層偏置值，計算隱含層輸出；

式中，f為隱含層激活函數，n為輸入層節點數，L為隱含層節點數；

3)、輸出層輸出計算

根據隱含層輸出，隱含層和輸出層間的連接權值w_jk，以及輸出層偏置值，計算輸出層輸出；

式中，f為輸出層激活函數，m為輸出層節點數；

4)、誤差計算

根據網絡輸出y和預期輸出，計算網絡預測誤差；

e_k＝Y_k-O_k k＝1,2,...,m

式中，Y為期望輸出，O為預測輸出；

5)、權值更新

根據網絡預測更新網絡連接權值；

w_jk＝w_jk+ηH_je_k j＝1,2,...,L；k＝1,2,...,m

6)、偏置值更新

根據網絡預測誤差更新網絡節點偏置值。

b_k＝b_k+e_k k＝1,2,...,m

7)、判斷算法迭代是否結束

若沒有結束，返回步驟2)；

8)、網絡訓練直到小于設定的全局誤差時，網絡收斂。