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)。