基于神经网络的高精度守时算法研究

摘要

石英晶振作为重要的频率源器件,其频率稳定度至关重要.为了在无外界授时情况下长时间保持精确的频率输出,考虑到温度和老化是产生频率漂移的主要因素,提出了一种基于神经网络的晶振频率预测算法.该算法利用晶振频率的以往测量值训练神经网络模型,刻画出晶振频率漂移的规律,提高晶振频率的预测精度.建立神经网络模型,获取预测值后,利用该值对本地频标进行修改,从而使本地频标输出高精度的频率,实现高精度守时功能.通过仿真分析发现,RBF神经网络相比BP神经网络预测精度更高,具有更优的预测能力.