(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211262589.3 (22)申请日 2022.10.14 (71)申请人 成都爱旗科技有限公司 地址 610094 四川省成 都市中国 （四川） 自 由贸易试验区成都高新区天华二路 219号C12栋17层 (72)发明人 不公告发明人 　 (74)专利代理 机构 北京知迪知识产权代理有限 公司 11628 专利代理师 王胜利 (51)Int.Cl. H03K 3/011(2006.01) G06N 20/00(2019.01) (54)发明名称 一种基于机器学习的时钟校准方法、 系统及 设备 (57)摘要 本发明公开一种基于机器学习的时钟校准 方法、 系统及设备， 本发 明涉及时钟技术领域， 用 于解决现有技术中随环境 温度变化， 弛张振荡器 输出频率变化较大的问题。 方法包括： 获取弛张 振荡器的多个电容调谐 阵列值以及温度传感器 采集的多个温度数据； 基于多个电容调谐阵列值 以及多个温度数据， 对机器学习模型进行训练， 得到目标模 型； 基于机器学习模 型自动根据变化 的温度值， 输入对应的电容调谐阵列值， 对弛张 振荡器的输入 频率进行调整， 不需要针对弛张振 荡器的每一次输入频率， 再额外采用晶体振荡器 以及基带频率综合器对弛张振荡器的频率进行 校准。 能保证弛张振荡器的频率不随温度变化产 生较大误差， 通过机器自学习实现时刻具有高精 度的弛张振荡器 。 权利要求书2页 说明书10页 附图5页 CN 115549645 A 2022.12.30 CN 115549645 A 1.一种基于 机器学习的时钟校准方法， 其特 征在于， 方法包括： 获取弛张振荡器的多个电容调谐阵列值以及温度传感器采集的多个温度 数据； 多个所 述电容调谐阵列值以及多个所述温度数据是在所述弛张振荡器的频率误差小于预设误差 阈值时记录的； 基于多个所述电容调谐阵列值以及多个所述温度数据， 对机器学习模型进行训练， 得 到目标模型； 所述目标模型用于根据输入的温度数据， 输出对应的目标电容调谐阵列值； 将输入所述弛张振荡器的电容调谐阵列值调整至所述目标电容调谐阵列值， 以确保所 述弛张振荡器的频率精度满足预设条件。 2.根据权利要求1所述的方法， 其特征在于， 所述获取弛张振荡器的多个电容调谐阵列 值以及温度传感器采集的多个温度数据之前， 还 包括： 温度传感器采集芯片的温度数据； 当所述温度传感器检测到温度变化大于预设温度阈值 时， 对弛张振荡器的频率误差进 行检测； 判断所述频率 误差是否大于或等于所述预设误差阈值； 若所述频率误差大于或等于所述预设误差 阈值， 则基于所述频率误差对所述弛张振荡 器的频率进行 校准； 若所述频率误差小于所述预设误差 阈值， 则记录当前温度传感器检测到的温度 数据以 及所述弛张振荡器对应的电容调谐阵列值。 3.根据权利要求1所述的方法， 其特征在于， 基于多个所述电容调谐阵列值以及多个所 述温度数据， 对机器学习模型进行训练， 具体包括： 将多个所述电容调谐阵列值以及多个所述温度数据进行线性回归， 得到目标模型， 所 述目标模型为线性模型。 4.根据权利要求2所述的方法， 其特征在于， 基于所述频率误差对所述弛张振荡器的频 率进行校准， 具体包括： 获取晶体振荡器输出的第一频率， 并将所述第一频率作为基准频率， 采用计数器对所 述弛张振荡器进行时钟计数， 得到第一时钟数； 通过数字运算控制电路， 对所述弛张振荡器的频率进行初始校准， 以使所述第一时钟 数满足初始预设条件； 获取频率综合器产生的第二频率； 将所述第二频率作为基准频率， 采用计数器对所述 弛张振荡器进行时钟计数， 得到第二时钟数； 通过所述数字运算控制电路， 对所述弛张振荡器的频率进行二次校准， 以使所述第二 时钟数满足目标 预设条件， 校准完成。 5.根据权利要求4所述的方法， 其特征在于， 将输入所述弛张振荡器的电容调谐阵列值 调整至所述目标电容调谐阵列值之后， 还 包括： 接收不同的温度数据， 基于温度数据调整输入所述弛张振荡器的 电容调谐阵列值， 所 述弛张振荡器的频率精度满足预设条件， 不用基于所述晶体振荡器以及频率综合器校准所 述弛张振荡器的频率。 6.一种基于 机器学习的时钟校准系统， 其特 征在于， 系统至少包括： 机器自学习控制模块、 温度传感器、 弛张振荡器以及数字运 算控制电路；权　利　要　求　书 1/2 页 2 CN 115549645 A 2所述温度传感器采集芯片的温度数据， 当温度数据对应的温度变化超过预设温度阈值 时， 获取弛张振荡器的多个电容调谐阵列值以及温度传感器采集的多个温度数据； 多个所 述电容调谐阵列值以及多个所述温度数据是在所述弛张振荡器的频率误差小于预设误差 阈值时记录的； 所述芯片上集成有时钟校准系统中的各个结构模块； 将多个所述电容调谐阵列值以及多个所述温度数据传送至所述机器自学习控制模块， 基于多个所述电容调谐阵列值以及多个所述温度数据， 对机器学习模型进行训练， 得到目 标模型； 所述目标模 型用于根据输入的温度数据， 输出对应的目标电容调谐阵列值； 所述数 字运算控制电路将输入所述弛张振荡器的电容调谐阵列值调整至所述目标电容调谐阵列 值， 以确保所述弛张振荡器的频率精度满足预设条件。 7.根据权利要求6所述的系统， 其特 征在于， 所述系统还 包括： 频率测量模块、 晶体振荡器以及基带 频率综合器； 当所述温度传感器检测到温度变化大于预设温度阈值 时， 所述频率测量模块对 弛张振 荡器的频率 误差进行检测； 若所述频率误差大于或等于所述预设误差 阈值， 则晶体振荡器以及基带频率综合器基 于所述频率 误差对所述弛张振荡器的频率进行 校准； 若所述频率误差小于所述预设误差 阈值， 则记录当前温度传感器检测到的温度 数据以 及所述弛张振荡器对应的电容调谐阵列值。 8.根据权利要求6所述的系统， 其特征在于， 机器自学习控制模块， 具体用于： 将多个所 述电容调谐阵列值以及多个所述温度数据进行线性回归， 得到目标模型， 所述目标模型为 线性模型。 9.一种基于 机器学习的时钟校准设备， 其特 征在于， 设备包括： 通信单元/通信接口， 用于获取弛张振荡器的多个电容调谐阵列值以及温度传感器采 集的多个温度数据； 多个所述电容调谐阵列值以及多个所述温度数据是在所述弛张振荡器 的频率误差小于预设误差阈值时记录的； 处理单元/处理器， 用于基于多个所述电容调谐阵列值以及多个所述温度 数据， 对机器 学习模型进 行训练， 得到目标模 型； 所述目标模型用于根据输入的温度数据， 输出对应的目 标电容调谐阵列值； 将输入所述弛张振荡器的电容调谐阵列值调整至所述目标电容调谐阵列值， 以确保所 述弛张振荡器的频率精度满足预设条件。 10.一种计算机存储介质， 其特征在于， 所述计算机存储介质中存储有指令， 当所述指 令被运行时， 实现权利要求1～5任一项所述的基于 机器学习的时钟校准方法。权　利　要　求　书 2/2 页 3 CN 115549645 A 3