[發明專利]一種利用GPS信號馴服晶振頻率的方法、系統及介質

有效

• 申請號: 202010523171.8
• 申請日: 2020-06-10
• 公開（公告）號: CN111711446B
• 公開（公告）日: 2023-08-15
• 發明（設計）人: 李輝;潘華;張孝軍;毛文奇;黎剛;周挺;彭鋮;韓忠暉;歐陽帆;朱維鈞;余斌;梁文武;嚴亞兵;徐浩;李剛;臧欣;王善諾;尹超勇;吳晉波;洪權;劉志豪;許立強
• 申請（專利權）人: 國網湖南省電力有限公司;國網湖南省電力有限公司電力科學研究院;國家電網有限公司
• 主分類號: H03L7/18
• 分類號: H03L7/18;H03L7/085
• 代理公司: 湖南兆弘專利事務所(普通合伙) 43008
• 代理人: 譚武藝

1.一種利用GPS信號馴服晶振頻率的方法，其特征在于，該方法的步驟包括：

1)根據GPS秒信號、晶振信號的誤差特性建立兩者的頻差數學模型；

2)根據頻差數學模型對頻差信號進行常規的擴展卡爾曼濾波處理，從而消除隨機誤差和晶振頻率非線性漂移引起的誤差；所述根據頻差數學模型對頻差信號進行常規的擴展卡爾曼濾波處理的步驟包括：

2.1)建立頻差的狀態方程和觀測方程的函數表達式如式(4)所示；

上式中，x(k+1)表示k+1時刻的頻差狀態向量，x(k)表示k時刻的頻差狀態向量，f和h分別表示狀態函數和量測函數，z(k+1)表示k+1時刻的量測值；ω(k)表示k時刻的過程噪聲向量，其協方差矩陣為Q；γ(k)表示k時刻的量測噪聲向量，其協方差矩陣為R；

2.2)令k時刻到k+1時刻的狀態轉移矩陣F(k+1,k)、k時刻的觀測矩陣H(k)的函數表達式如式(5)所示；

上式中，f表示狀態函數，表示k時刻頻差狀態向量的估計，h表示量測函數，x(k)表示k時刻的頻差狀態向量；

2.3)建立常規擴展卡爾曼濾波模型的預測方程如式(6)～(8)所示、更新方程如式(9)～(10)所示，其中過程噪聲如式(11)所示，過程噪聲方差如式(12)所示；

式(6)中，表示基于k時刻預測值的k+1時刻頻差狀態向量預測值，f表示狀態函數，表示k時刻頻差狀態向量的最優估計值；

p(k+1,k)＝F(k+1,k)p(k,k)F^T(k+1,k)+Q(k)????????(7)

式(7)中，p(k+1,k)表示k+1時刻的協方差向量預測值，F(k+1,k)表示k時刻到k+1時刻的狀態轉移矩陣，p(k,k)表示k時刻的協方差向量預測值，F^T(k+1,k)表示k時刻到k+1時刻的狀態轉移矩陣的轉置，Q(k)表示k時刻的過程噪聲方差；

K(k+1)＝p(k+1,k)H^T(k+1)[H(k+1)p(k+1,k)H^T(k+1)+R(k+1)]^-1????(8)

式(8)中，K(k+1)表示k+1時刻卡爾曼濾波增益矩陣，p(k+1,k)表示k+1時刻的協方差向量預測值，H^T(k+1)表示k+1時刻的觀測矩陣H(k+1)的轉置，p(k+1,k)表示k+1時刻的協方差向量預測值，R(k+1)表示k+1時刻的觀測噪聲方差向量；

式(9)中，表示k+1時刻頻差狀態向量的最優估計值，表示k+1時刻頻差狀態向量的預測值，K(k+1)表示k+1時刻卡爾曼濾波增益矩陣，z(k+1)表示k+1時刻的量測值，表示由k+1時刻頻差狀態向量預測值得到的k+1時刻量測向量預測值；

p(k+1)＝[I-K(k+1)H(k+1)]p(k+1,k)??????????(10)

式(10)中，p(k+1)表示k+1時刻更新的協方差向量估計值，I表示維數與K(k+1)H(k+1)相同的單位矩陣，K(k+1)表示k+1時刻卡爾曼濾波增益矩陣，H(k+1)表示k+1時刻的觀測矩陣，p(k+1,k)表示k+1時刻的協方差向量預測值；

式(11)中，ω(k+1)表示k+1時刻的過程噪聲，表示k+1時刻頻差狀態向量的最優估計值，z(k+1)表示k+1時刻的量測值；

Q_k+1＝var(ω(k+1))???????????????(12)

式(12)中，Q_k+1表示k+1時刻的過程噪聲方差，ω(k+1)表示k+1時刻的過程噪聲，var表示求過程噪聲方差的操作；

3)引入差分進化算法對常規的擴展卡爾曼濾波處理中的過程噪聲進行動態調整以減少其對于頻差信號濾波結果的影響；

4)整合新息序列加權到完成過程噪聲動態調整后的擴展卡爾曼濾波處理中以減少跳變野值對于頻差信號濾波結果的影響；且整合新息序列加權到完成過程噪聲進行動態調整后的擴展卡爾曼濾波處理中后，得到的擴展卡爾曼濾波處理的更新方程的函數表達式如下式(17)～(21)所示；

D_k+1＝P(k+1,k)+R_k+1??????????????(21)

式(17)～(21)中，表示調整后的k+1時刻頻差狀態向量的最優估計值，表示k+1時刻頻差狀態向量預測值，K(k+1)表示k+1時刻卡爾曼濾波增益矩陣，φ_k+1表示修正函數，τ_k+1表示衡量k+1時刻量測誤差大小的變量，e_k+1表示k+1時刻的量測誤差，z(k+1)表示k+1時刻頻差向量的量測值，表示k+1時刻量測向量的預測值，τ_k+1服從χ²分布，當出現野值時τ_k+1增大、φ_k+1(·)減小；C_k+1為選取的門限值或常數序列，λ_k+1為矩陣的最大特征值，K_k+1表示k+1時刻的卡爾曼濾波增益，D_k+1表示k+1時刻衡量量測誤差大小的權矩陣，P(k+1,k)表示k+1時刻的協方差預測值，R_k+1表示k+1時刻的量測噪聲方差。