[发明专利]一种嵌入式软件系统运行中让日历时钟数据可靠稳定运行的方法

权利要求书

1.一种嵌入式软件系统运行中让日历时钟数据可靠稳定运行的方法，其特征在于：在系统模型准确的情况下，利用Kalman滤波程序准确地估计出下一秒的系统观测值，从理论上证明用一定量的日历时钟数据预测下一秒的日历及时钟，从而可以修正实际运行中时钟崩溃的现象，具体步骤如下：

S1、设置Kalman滤波的基本概念：

Kalman估计就是根据测量得出的与状态X(t)有关的数据Z(t)＝h[X(t)]+V(t)解算出X(t)的计算值其中随机向量为测量误差，称为X的估计，Z称为X的量测；因为是根据Z(t)确定的，所以是Z(t)的函数；若是Z的线性函数，则称作X的线性估计；

设在[t0，t1]时间段内的量测为Z，相应的估计为则

当t＝t1时，称为X(t)的估计；

当tt1时，称为X(t)的预测；

当tt1时，称为X(t)的平滑；

最优估计是指某一指标函数达到最值时的估计；

S2、采用Kalman滤波中的预测方法；其中，离散系统Kalman最优预测方程如下：

假若系统方程与观测方程分别如下：

X(k+1)＝Φ(k+1,k)X(k)+Γ(k+1,k)W(k)    (4.1)

Z(k)＝H(k)X(k)+V(k)                  (4.2)

式中W(k)与V(k)都是均值为零的白噪声序列，W(k)与V(k)互相独立；若Q(k)为系统噪声误差方差阵，R(k)为观测噪声误差方差阵，给定初始时刻的X(0),P(0)：

则最优预测估计方程为：

最优增益矩阵方程如下：

K(k)＝Φ(k+1,k)P(k|k-1)H^T(k)[H(k)P(k|k-1)H^T(k)+R(k)]^-1(4.4)

估计误差方差阵的递推方程如下：

P(k+1|k)＝Φ(k+1,k)P(k|k-1)Φ^T(k+1,k)-Φ(k+1,k)P(k|k-1)H^T(k)

[H(k)P(k|k-1)H^T(k)+R(k)]^-1H(k)P(k|k-1)Φ^T(k+1,k)

+Γ(k+1,k)Q(k)Γ^T(k+1,k)                                         (4.5)。

2.根据权利要求1所述的一种嵌入式软件系统运行中让日历时钟数据可靠稳定运行的方法，其特征在于：源程序：如下