本发明涉及同步信号的控制，尤其涉及一种基于北斗系统的高精度时间频率同步优化方法。
背景技术：
1、随着全球定位系统（gps）、北斗卫星导航系统（bds）、伽利略系统（galileo）等全球卫星导航系统（gnss）的广泛应用，卫星授时技术已成为实现全球范围内高精度时间同步的重要手段。特别是在通信、金融、电力系统、航空航天等领域，高精度的时间同步是确保系统正常运行、提高效率和安全性的重要基础。然而，由于卫星信号在传播过程中受到大气层、电离层、多路径效应、频率漂移等多种因素的影响，导致卫星授时精度难以稳定维持在极高的水平，特别是在复杂环境下，误差进一步加大。
2、目前的时间频率同步技术主要依赖单颗卫星或单一的时间数据源进行授时校准，这种方式在信号受干扰、信号路径受阻或时间漂移出现时容易产生较大的时间误差，难以满足某些关键领域对时间同步的高精度要求。尤其是在城市、高海拔、极地等复杂地理环境下，卫星信号容易受到大气层变化、天气影响等因素的干扰，传统的时间同步方法无法实时应对这些干扰，导致同步精度下降。
技术实现思路
1、本发明为解决上述技术问题，提出了一种基于北斗系统的高精度时间频率同步优化方法，以解决至少一个上述技术问题。
2、本技术提供了一种基于北斗系统的高精度时间频率同步优化方法，包括以下步骤：
3、步骤s1：从两个或两个以上的北斗卫星接收初始时间数据，并根据初始时间数据进行卫星时间矩阵构建，得到北斗卫星时间矩阵数据；
4、步骤s2：根据北斗卫星时间矩阵数据进行时间偏移计算，得到北斗卫星时间偏移矩阵数据；
5、步骤s3：获取接收方位置数据，根据接收方位置数据以及北斗卫星时间偏移矩阵数据进行空间路径延迟处理，得到时间延迟处理矩阵数据；
6、步骤s4：根据时间延迟处理矩阵数据进行信号传播误差反演处理，得到时间延迟反演矩阵数据；
7、步骤s5：根据时间延迟反演矩阵数据进行频率漂移校正，得到时间延迟校正数据，并对时间延迟校正数据进行频率时钟调优，得到时间频率同步数据，以进行北斗系统高精度时间频率同步优化作业。
8、本发明中通过对多个卫星的时间数据进行矩阵化分析和校正，从多个维度提升时间同步的精确度，能够达到纳秒级时间同步精度。通过对接收方的精确位置数据结合北斗卫星时间偏移矩阵进行空间路径延迟处理，能够有效消除由于卫星与接收设备之间的距离、位置变化以及大气层（电离层、对流层）引入的信号延迟误差。空间路径延迟处理通过多重修正，优化了信号传播的时间延迟校正，进一步提升了时间同步的准确性，特别是在复杂环境下，如城市区域或地形变化较大的地方。通过步骤s4的信号传播误差反演处理，能够有效识别并修正传播中的误差源，如多路径效应、电离层干扰等，能够通过迭代优化过程对误差进行实时修正，减少了复杂环境对信号传播的干扰。通过步骤s5中的频率漂移校正和频率时钟调优，动态修正卫星信号中的频率漂移误差，不仅保证了时间同步的准确性，还确保了频率的一致性，避免由于时钟漂移导致的同步失效或不准确。
9、优选地，其中北斗卫星时间矩阵数据包括协同时间矩阵数据以及分层时间矩阵数据，步骤s1具体为：
10、步骤s11：从两个或两个以上的北斗卫星接收初始时间数据；
11、步骤s12：根据初始时间数据进行协同时间矩阵构建，得到协同时间矩阵数据；
12、步骤s13：根据初始时间数据进行分层时间矩阵构建，得到分层时间矩阵数据。
13、本发明中协同时间矩阵通过对多个北斗卫星的时间信号进行协同处理，可以统合各卫星之间的时间数据，消除单个卫星信号中的不稳定因素，增强了系统授时的稳定性和一致性。分层时间矩阵将时间数据按不同处理层次分层，使得每一层的数据经过不同程度的校正，特别是误差修正、时空延迟校正、频率漂移校正等多层处理能够确保时间同步的高精度。有了这两种时间矩阵的结合，系统不仅能依赖多源数据进行优化，还能通过分层处理减少数据中的各类误差，从而得到比单一信号更精确的授时结果。由于协同时间矩阵基于多个卫星的时间数据，任何单个卫星信号的失真或干扰可以通过其他卫星的数据进行补偿，从而增强了时间数据的鲁棒性和抗干扰能力。通过协同时间矩阵，能够高效地利用来自多个北斗卫星的时间数据，而不仅仅依赖单一卫星信号，采用多卫星协同授时的方式，提升了整个系统的授时能力，特别是在卫星信号被部分遮挡、信号质量波动时，依然能够保持高效的时间同步。
14、优选地，其中协同时间矩阵构建具体为：
15、根据初始时间数据进行矩阵初始化，得到初始时间矩阵数据；
16、对初始时间矩阵数据进行时间段比较，得到初始时间比较矩阵数据；
17、对初始时间比较矩阵数据进行协同频率特征提取，得到协同频率特征数据；
18、获取北斗卫星对应的历史协同数据，并根据历史协同数据进行协同产出特征提取，得到协同产出特征数据；
19、根据协同频率特征数据以及协同产出特征数据对初始时间比较矩阵数据进行加权处理，得到协同时间矩阵数据。
20、本发明中基于比较的处理方式能有效检测出卫星信号中的微小误差或偏移，使系统在数据层面上更好地校正时间同步偏差。协同频率特征提取通过提取卫星信号中的频率特征，能够帮助系统捕捉到卫星信号的细微变化，使得频率特征更加稳定，从而提高授时的精确度。协同频率特征提取和协同产出特征提取这两个步骤通过分析实时信号和历史数据相结合，使系统具备自适应能力。系统能够动态适应不同卫星信号的频率变化，并结合历史数据做出最优的校正决策。历史协同数据的使用能够提供更稳健的校正基础。历史数据能够揭示卫星信号的长期特征，例如周期性变化或长期漂移趋势。通过结合历史数据进行校正，系统可以更好地预测并修正未来的时间漂移。系统通过多个北斗卫星信号的协同处理，消除了单一卫星信号中的随机误差和局部异常。每个卫星信号的时间数据都参与到矩阵的协同处理和加权分析中，能够形成更加稳健的协同时间矩阵。通过协同频率特征提取，系统能够从时间数据中提取出更为稳定的频率特征。频率特征对外界环境的干扰（如大气、电磁干扰等）相对敏感度较低，因此提取出的特征数据能够有效提升抗干扰能力。加权处理步骤通过对协同频率特征数据和协同产出特征数据进行分析，确保了时间矩阵中不同卫星信号数据的有效权重分配。
21、优选地，其中初始时间比较矩阵数据包括第一初始时间比较矩阵数据以及第二初始时间比较矩阵数据，时间段比较具体为：
22、对初始时间矩阵数据进行定时事件点排序，得到定时事件点排序数据；
23、对定时事件点排序数据进行扫描线遍历，得到定时事件遍历数据；
24、根据定时事件遍历数据对初始时间矩阵数据进行协同时间计算，得到第一初始时间比较矩阵数据；
25、对初始时间矩阵数据以及预设的误差时间阈值进行区间树构建，得到初始时间矩阵区间树数据；
26、对初始时间矩阵区间树数据进行重叠矩阵查询，得到初始时间矩阵重叠数据；
27、根据初始时间矩阵重叠数据对初始时间矩阵数据进行协同时间矩阵更新，得到第二初始时间比较矩阵数据。
28、本发明中定时事件点排序和扫描线遍历的步骤通过对初始时间矩阵数据中的事件进行细致排序和遍历，能够确保时间数据的顺序和精度，为后续的协同时间计算奠定了良好基础，减少了时间数据中的无序性或错乱。协同时间计算和区间树构建进一步增强了时间数据的精确性，通过协同处理和误差范围的校准，将多卫星时间数据进行整合和优化，提升了最终时间同步的精度和稳定性。扫描线遍历和区间树构建步骤通过高效的数据结构和算法处理大规模的时间数据，能够快速遍历和分析时间数据，尤其在处理多个北斗卫星的复杂时间矩阵时，可以显著减少计算复杂度和时间消耗。通过对时间数据的重叠进行分析和校正，能够发现和纠正数据中的潜在偏差或冲突，提高了系统对时间数据异常情况的检测和处理能力，确保即使在数据出现偏差或干扰时，系统依然能够维持高效的时间同步。误差时间阈值的设定使系统能够更灵活地处理不同精度要求的应用场景，在误差范围内进行校准，有效减少过度修正和误差累积，提高了系统的容错能力。通过事件点的精确排序和遍历，系统能够快速发现时间数据的异步现象并进行实时校正。通过区间树构建和重叠矩阵查询的高效算法，系统能够在更短的时间内处理大量卫星时间数据，使其适用于需要高实时性授时的场景（如移动通信、金融交易、电网同步等）。
29、优选地，其中协同频率特征提取具体为：
30、对初始时间比较矩阵数据进行协同事件分类，得到初始时间协同事件分类矩阵数据；
31、对初始时间协同事件分类矩阵数据进行跨尺度特征提取，得到协同事件跨尺度特征数据；
32、对协同事件跨尺度特征数据进行频域转换，得到协同事件频域数据；
33、对协同事件频域数据进行凝聚层次聚类处理，得到协同频率特征数据。
34、本发明中通过对初始时间比较矩阵数据进行事件分类，有助于精确识别多个卫星时间数据中的关键协同事件，能够有效捕捉不同卫星时间信号间的关联，确保系统在同步过程中能够快速发现时间异常或偏移的情况。能够从不同时间尺度上提取协同事件中的重要特征。通过分析短时间内的快速变化和长时间内的趋势，系统能够更加深度地理解时间数据的动态变化。多尺度特征提取增强了系统对时间信号中频率漂移、周期性变化等特征的感知能力，从而提高了整体时间同步的精度和系统对不同时间频率变化的响应能力。频域转换通过将协同事件跨尺度特征数据从时域转换到频域，能够更清晰地展示出时间数据中的频率特征。频域数据能帮助系统识别出时间数据中的规律性频率变化，如周期性漂移或谐波干扰。凝聚层次聚类处理通过将协同事件频域数据进行聚类，可以将多个频率特征进行分组处理，确保不同卫星的时间数据频率能够有效协同，能够识别出相似频率特征，消除频率噪声和无关频率变化。
35、优选地，其中分层时间矩阵构建具体为：
36、根据初始时间数据进行原始时间矩阵构建，得到第一分层时间矩阵数据；
37、获取北斗卫星信号配置数据，并根据北斗卫星信号配置数据对第一分层时间矩阵数据进行时间加权，得到第二分层时间矩阵数据；
38、获取北斗卫星信号传输距离数据；
39、根据北斗卫星信号传输距离数据进行大气层路径模拟，得到大气层路径模拟数据；
40、根据大气层路径模拟数据以及预设的大气层分层数据进行路径延迟模拟，得到大气层路径延迟模拟数据；
41、根据大气层路径延迟模拟数据对第二分层时间矩阵数据进行路径修正，得到第三分层时间矩阵数据；
42、将第一分层时间矩阵数据、第二分层时间矩阵数据以及第三分层时间矩阵数据进行整合，得到分层时间矩阵数据。
43、本发明中通过处理原始时间数据和加权北斗卫星信号配置数据，确保了时间数据的基础精度和卫星信号的可靠性。通过模拟信号在大气层中的传输路径，有效地修正了因大气层（特别是电离层和对流层）引起的时间延迟，系统能够对每颗卫星信号在大气层中的传播进行精确模拟，从而提高了系统对信号延迟的修正能力。利用传输距离和大气层模拟结果，对分层时间矩阵进行修正，通过模拟信号的真实传播路径，使系统能够动态适应不同的卫星信号传播情况（如不同轨道高度、不同环境条件下的信号传输）。多层数据整合步骤将第一分层、第二分层和第三分层时间矩阵数据进行统一整合，确保各层数据相互补充与协同工作，多层次的整合机制可以减少不同层次数据处理中的误差累积，并通过多重校正提升整体时间同步的稳健性。
44、优选地，其中北斗卫星时间偏移矩阵数据包括北斗卫星协同时间偏移矩阵数据以及北斗卫星分层时间偏移矩阵数据，步骤s2具体为：
45、步骤s21：对协同时间矩阵数据进行多源时间偏移计算，得到多源时间偏移数据；
46、步骤s22：对多源时间偏移数据进行协同时间偏移校正，得到协同时间偏移校正数据；
47、步骤s23：根据协同时间偏移校正数据进行协同误差补偿计算，得到协同误差补偿时间数据；
48、步骤s24：根据协同误差补偿时间数据生成北斗卫星协同时间偏移矩阵数据；
49、步骤s25：根据分层时间矩阵数据进行分层时间偏移计算，得到分层时间偏移数据；
50、步骤s26：根据分层时间偏移数据进行分层时间偏移校正，得到分层时间偏移校正数据；
51、步骤s27：根据分层时间偏移校正数据进行分层误差补偿计算，得到分层误差补偿时间数据；
52、步骤s28：根据分层误差补偿时间数据进行投票计算，得到北斗卫星分层时间偏移矩阵数据。
53、本发明中能够有效检测和校正多个卫星信号中的误差偏移。通过针对不同卫星信号进行误差补偿，系统能够减小多卫星之间的时间差异，从而提高了时间同步的精度。通过对分层时间矩阵数据的分析，逐层处理时间偏移数据，从而可以更精确地识别和校正各层数据中的时间偏移，分层处理能够保证每个层级的数据得到充分的处理和优化，减少了单一处理过程中出现的误差积累。分层误差补偿计算能够进一步增强分层数据的精度，通过在不同层级上对误差进行独立校正，使得误差不会在后续计算中被放大，提升了最终的时间同步精度。投票计算是一个通过多个时间偏移校正结果来做出最终决策的过程。在这一过程中，系统能够识别和排除异常时间数据，减少异常数据对整体同步精度的影响，提升系统的容错能力，避免因单一卫星信号异常而导致的同步失败或误差扩大。投票计算能够在多源数据中寻找最可靠的时间偏移值，确保生成的北斗卫星分层时间偏移矩阵数据能够反映整体系统的最优时间偏移结果。
54、优选地，步骤s3具体为：
55、步骤s31：获取接收方位置数据；
56、步骤s32：根据接收方位置数据以及北斗卫星时间偏移矩阵数据对应的北斗卫星位置数据进行空间距离计算，得到相对空间距离数据；
57、步骤s33：获取接收方位置数据对应的接收方天气数据；
58、步骤s34：根据相对空间距离数据以及接收方天气数据进行信号传播延迟计算，得到信号传播延迟数据；
59、步骤s35：根据相对空间距离数据以及信号传播延迟数据进行大气层延迟校正，得到大气层延迟校正数据；
60、步骤s36：根据大气层延迟校正数据以及北斗卫星时间偏移矩阵数据进行延迟处理，得到时间延迟处理矩阵数据。
61、本发明中通过获取接收方位置数据和空间距离计算，系统可以根据实际的接收设备位置和北斗卫星位置精确计算出信号的传播路径。根据实时天气数据进行信号传播延迟计算，使系统能够动态适应不同的气象条件，并对因天气引起的信号传播速度变化进行精确修正。通过相对空间距离数据结合接收方天气数据进行信号传播延迟计算，能够细致地分析信号从卫星到接收设备的传播延迟，包括电离层、对流层的影响。大气层延迟校正是对信号在大气层中传播时受电离层、对流层等影响所引起的延迟进行补偿。通过结合天气数据和相对空间距离数据，系统能够更准确地计算大气层对信号的干扰，从而减少大气层对时间同步精度的影响。
62、优选地，步骤s4具体为：
63、步骤s41：根据时间延迟处理矩阵数据进行多路径效应反演处理，得到多路径效应反演数据；
64、步骤s42：对多路径效应反演数据进行电离层异常处理，得到电离层异常处理数据；
65、步骤s43：对电离层异常处理数据进行误差迭代估计，得到信号传播误差迭代数据；
66、步骤s44：根据信号传播误差迭代数据得到时间延迟反演矩阵数据。
67、本发明中多路径效应反演处理可以识别信号在传输过程中因反射、折射、散射等因素引起的路径延迟。通过对时间延迟处理矩阵数据进行多路径效应反演，能够有效校正卫星信号因地面建筑物、山体或其他物体反射而造成的干扰。通过分析电离层数据，修正信号在穿越电离层时的非线性传播误差，从而确保时间同步的稳定性。误差迭代估计是一个逐步优化误差估计的过程，通过多次迭代修正传播误差，减少误差累积。信号在大气层、电离层、多路径效应等干扰下产生不同类型的误差，迭代估计过程能够针对这些误差进行反复计算，获得精确的传播时间数据。多路径效应反演处理和电离层异常处理使系统能够应对多种复杂环境，如城市高楼、大山遮挡、太阳活动或电离层扰动等。在这些环境中，传统的时间同步算法可能会因信号干扰而产生较大的误差，而本方法通过反演和校正能有效应对这些干扰。
68、优选地，步骤s5具体为：
69、步骤s51：根据时间延迟反演矩阵数据进行频率漂移检测，得到频率漂移检测数据；
70、步骤s52：对频率漂移检测数据进行频率漂移校正并时延反演校正生成，得到时间延迟校正数据；
71、步骤s53：根据时间延迟校正数据进行频率时钟调优，得到时间频率同步数据，以进行北斗系统高精度时间频率同步优化作业。
72、本发明中通过分析时间延迟反演矩阵数据，能够精确检测到卫星信号中的频率漂移，降低由卫星时钟不稳定、外部环境干扰等因素引起的误差，及时检测并修正这些漂移对于高精度的时间同步至关重要。通过对检测到的频率漂移数据进行实时修正，有效消除信号传播过程中引入的频率漂移误差，确保了信号在到达接收端时的频率更加稳定，使接收设备能够获取准确的时间数据。在时间同步系统中，累积误差是一个严重的问题，特别是在涉及长时间信号传输的场景中。通过时延反演校正生成，系统能够动态修正频率漂移对时间延迟的影响，减少了累积误差的发生。频率漂移和信号时延是影响时间同步稳定性的主要因素。通过频率漂移检测、校正和时延反演校正，能够快速、实时地识别并修正这些因素带来的误差，从而增强了系统在复杂环境中的鲁棒性和稳定性。调优机制使系统能够应对因设备时钟漂移、信号质量下降等引发的时间偏差，确保时钟与北斗系统的信号保持同步，减少了外界干扰对授时系统的影响。
73、本发明的有益效果在于：基于卫星时间矩阵和接收方位置数据，能够从多个维度（时间、空间和频率）校正时间偏移。不同于传统单一的时间同步机制，本方法通过多源数据（多个卫星信号）的协同分析，进行空间、时间、频率的精确建模，使得系统能够精细化地处理复杂的时间偏移问题。大气层路径延迟的模拟与校正通过基于物理模型的反演处理，将卫星信号的路径延迟与大气层干扰因素精准结合。系统能够自动识别和修正复杂的环境条件（如电离层干扰、太阳风、雷暴等）对信号传播的影响，确保在复杂的外部环境下依然能够提供高精度的授时结果。信号传播误差反演结合多路径效应和大气层延迟进行综合校正，通过迭代误差估计，对传播中的微小误差进行多轮校正，使得生成的时间延迟反演矩阵数据具有极高的精度。频率漂移校正结合时间延迟反演矩阵数据，能够精准检测并修正由卫星时钟漂移或接收端设备时钟漂移引起的频率误差。通过对频率漂移的精细化检测与动态校正，系统确保了卫星信号在频率层面的稳定性。通过分层时间矩阵和协同时间矩阵构建的多层次校正方式，在每个步骤中进行精细化的时间数据处理，从时间偏移计算到空间路径延迟处理，再到误差反演和漂移校正，每一层次的处理都为下一级数据的校正提供支持。逐层校正的设计极大减少了误差累积的可能性，避免了传统方法中不同阶段校正之间产生的不一致性，使得最终的同步数据更加精确和一致。
1.一种基于北斗系统的高精度时间频率同步优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，其中北斗卫星时间矩阵数据包括协同时间矩阵数据以及分层时间矩阵数据，步骤s1具体为：
3.根据权利要求2所述的方法，其特征在于，其中协同时间矩阵构建具体为：
4.根据权利要求3所述的方法，其特征在于，其中初始时间比较矩阵数据包括第一初始时间比较矩阵数据以及第二初始时间比较矩阵数据，时间段比较具体为：
5.根据权利要求3所述的方法，其特征在于，其中协同频率特征提取具体为：
6.根据权利要求2所述的方法，其特征在于，其中分层时间矩阵构建具体为：
7.根据权利要求2所述的方法，其特征在于，其中北斗卫星时间偏移矩阵数据包括北斗卫星协同时间偏移矩阵数据以及北斗卫星分层时间偏移矩阵数据，步骤s2具体为：
8.根据权利要求1所述的方法，其特征在于，步骤s3具体为：
9.根据权利要求1所述的方法，其特征在于，步骤s4具体为：
10.根据权利要求1所述的方法，其特征在于，步骤s5具体为：
