准确的根据时刻同步是当今无线接入网 (RAN) 功能和安稳性的柱石 。无论是成高协作多点 (CoMP) 传输 、低时延调度，精度仍是时刻基站间同步 ，无线基础设施都高度依赖于准确的同步频率与相位对齐 。 曩昔 ，根据无线 RAN 时刻同步需经过全球导航卫星体系 (GNSS) 、成高准确时刻协议 (PTP) 和同步 。精度以太网
。时刻(SyncE) 协议来完成 。同步但是根据
，当 GNSS。成高 信号
。精度因城市峡谷效应 、时刻室内布置 、同步搅扰或诈骗进犯而中止时
，体系需求切换至坚持形式 (ho。ldo。ver) ，这往往会导致准确性下降 、颤动加重和服务中止等多重问题 。 AI 。增强型坚持形式 ： 使用
。机器学习 。猜测
。时钟。漂移。 Altera。创新地引入了由 AI 驱动的时刻坚持 ，经过选用经过训练的多层感知器 (MLP) 和长短期回忆 (LSTM) 。 神经网络 。，可实时辨认并猜测时钟漂移形式。这些模型可以直接布置于 Agilex 7 SoC 。 FPGA 。上，然后可在 GNSS 信号丢失时以更低时延进行调整 。 经过依据环境行为学习动态调整数字锁相环 (DPLL) ，这种办法可以
： 在 GNSS 信号中止期间保持安稳的频率同步； 给功耗与保护需求带来高达 90% 的降幅； 依据温度 、电压及 。振荡器
。老化导致的漂移而进行调整； 为新一代 RAN 布置供给更精准的
。实时时钟 。校对 。 助力敞开与边际 RAN 提高弹性 。 这款解决方案依据 。 MATLAB
。开发 ，经过 Altera 的 FPGA AI 套件 、 。Quartus。Prime 软件及 PTP Servo IP 完成 ，并经过多日漂移 。模仿 。验证和环境变量压力测验 。即便在非抱负布置环境下 ，也能继续供给安稳的时刻同步弹性 ，十分合适敞开 RAN 、
。5G。专网及长途边际布置等 GNSS 信号无法保证的场景。 FPGAi：精准布置 。智能 。技能 。 跟着网络向边际进一步延伸 ，时刻同步方面的应战也日益动态多变 ，FPGAi 让体系架构师可以将智能技能嵌入到硬件中 ，以完成自主习惯 。这种 AI 原生同步解决方案很好地表现了可 。编程。逻辑与神经推理怎么协同作业 ，以提高 RAN 可靠性并下降整体具有本钱 (TCO) 。
| 
