买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆邮电大学申请的专利一种基于粒子滤波的免时间戳同步时钟参数跟踪方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115643632B 。

龙图腾网通过国家知识产权局官网在2025-11-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211260013.3，技术领域涉及：H04W56/00；该发明授权一种基于粒子滤波的免时间戳同步时钟参数跟踪方法是由王恒;郭曦;王方诗;王平设计研发完成，并于2022-10-14向国家知识产权局提交的专利申请。

本一种基于粒子滤波的免时间戳同步时钟参数跟踪方法在说明书摘要公布了：本发明涉及一种基于粒子滤波的免时间戳同步时钟参数跟踪方法，属于无线传感器网络技术领域。该方法包括：S1：根据一阶高斯马尔可夫模型和时钟模型建立状态方程，再根据时钟瞬时偏移的观测模型结合免时间戳同步建立观测方程；S2：利用自适应高斯混合扩展卡尔曼粒子滤波算法，联合跟踪时钟频偏和时钟相偏，实现任意随机时延下待同步节点与时钟参考节点之间的时钟同步。本发明考虑了随机时延模型的多样性，利用改进的粒子滤波算法联合跟踪时钟同步参数，对任意随机时延具有鲁棒性，更符合实际的应用场景，且整个时钟同步参数跟踪过程无需传递任何时间戳，显著降低了节点的能量消耗。

本发明授权一种基于粒子滤波的免时间戳同步时钟参数跟踪方法在权利要求书中公布了：1.一种基于粒子滤波的免时间戳同步时钟参数跟踪方法，其特征在于，该方法包括以下步骤： S1：根据一阶高斯马尔可夫模型和时钟模型建立状态方程，再根据时钟瞬时偏移的观测模型结合免时间戳同步建立观测方程； S2：利用自适应高斯混合扩展卡尔曼粒子滤波算法，联合跟踪时钟频偏和时钟相偏，实现任意随机时延下待同步节点与时钟参考节点之间的时钟同步； 自适应高斯混合扩展卡尔曼粒子滤波算法具体包括以下步骤： S21：用混合高斯模型拟合任意分布的随机时延模型，具体如下： 将驱动噪声表示为： 其中，表示k时刻的驱动噪声概率密度函数，表示每一个高斯组件所占的比例，表示的高斯组件数量，且；表示每一个的高斯组件都服从均值为，方差为的高斯分布；表示均值为0，方差为的高斯驱动噪声； 同理，将观测噪声表示为： 其中，和分别表示和的高斯组件数量，表示第k个采样时刻相位偏移的观测噪声，表示第k个采样时刻频率偏移的观测噪声；和分别表示每一个组件在混合高斯模型中所占的比例；表示每一个的高斯组件都服从均值为，方差为的高斯分布；表示每一个的高斯组件都服从均值为，方差为的高斯分布； S22：用扩展卡尔曼滤波预测样本的均值和均方差，具体公式如下： 其中，是与之间的映射关系，，和分别表示第k个采样时刻待同步节点S相对于时钟参考节点的时钟相偏和时钟频偏，i表示轮次；表示更新系数矩阵，和分别表示驱动噪声和观测噪声的雅可比矩阵，，，为一个固定值；表示第k个采样时刻的雅可比矩阵，和分别表示均方差和卡尔曼增益，表示预测的均方差；，是时钟瞬时偏移的观测值，是第k个采样时刻的观测值；，，表示第i个同步轮次中时钟参考节点M的响应时间；下角标pre表示预测； S23：利用步骤S22中预测得到的均值和均方差更新第i个粒子，具体公式如下： 其中，，，L表示中的高斯组件数，表示每个高斯组件数的权重，表示的后验分布，表示采样的1~k个粒子； S24：利用步骤S22中更新的均方差计算下一轮采样粒子数目，具体公式如下： 其中，表示采样的粒子数目，表示置信度，表示置信度为时的置信区间；为避免方差过大或过小，设置采样粒子数目的上限和下限，当时，更新下一轮采样的粒子数目，否则，采样粒子数目不变； S25：对样本点计算均值作为其输出，具体公式如下： 其中，，表示服从的概率分布。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。