摘要
本发明涉及时钟模块精度控制技术领域,具体涉及一种基于GRU模型预测的时钟模块精度提高方法。包括:获取若干组同型号晶振的频率漂移数据与温度数据;对得到的频率漂移数据进行小波变化滤波;利用滤波后的频率漂移曲线与温度变化曲线,构建GRU神经网络模型并进行训练;通过测试集验证预测模型效果;获取晶振实时频率和温度数据并计算得频率漂移预测值;根据频率预测值补偿晶振电压。该技术方案能够解决现有高精度时钟模块功耗高、成本高的问题,同时实现在各种环境下高精度的时间参考。
技术关键词
GRU模型
时钟模块
GRU神经网络
曲线
温度控制设备
数据
滤波
Softmax函数
sigmoid函数
精度控制技术
评估预测模型
监测环境温度
频率计
神经网络结构
高精度时钟
数模转换器
频率源
电压