精确的何基时间同步是当今无线接入网 (RAN) 性能和稳定性的基石。无论是实现协作多点 (CoMP) 传输、低时延调度，高精还是间同基站间同步，无线基础设施都高度依赖于精确的何基频率与相位对齐。

过去，实现无线 RAN 时间同步需通过全球导航卫星系统 (GNSS)、高精精确时间协议 (PTP) 和同步以太网(SyncE) 协议来实现。间同然而，何基当 GNSS 信号因城市峡谷效应、实现室内部署、高精干扰或欺骗攻击而中断时，间同系统需要切换至保持模式 (holdover)，何基这往往会导致准确性下降、实现抖动加剧和服务中断等多重问题。高精

AI增强型保持模式：

利用机器学习预测时钟漂移

Altera创新地引入了由 AI 驱动的时间保持，通过采用经过训练的多层感知器 (MLP) 和长短期记忆 (LSTM) 神经网络，可实时识别并预测时钟漂移模式。这些模型可以直接部署于 Agilex 7 SoC FPGA上，从而可在 GNSS 信号丢失时以更低时延进行调整。 通过基于环境行为学习动态调整数字锁相环 (DPLL)，这种方法能够：

在 GNSS 信号中断期间维持稳定的频率同步；

给功耗与维护需求带来高达 90% 的降幅；

根据温度、电压及振荡器老化导致的漂移而进行调整；

为新一代 RAN 部署提供更精准的实时时钟校正。

助力开放与边缘 RAN 提升弹性

这款解决方案基于 MATLAB开发，通过 Altera 的 FPGA AI 套件、QuartusPrime 软件及 PTP Servo IP 实现，并经过多日漂移模拟验证和环境变量压力测试。即使在非理想部署环境下，也能持续提供稳定的时间同步弹性，非常适合开放 RAN、5G专网及远程边缘部署等 GNSS 信号无法保障的场景。

FPGAi：精准部署智能技术

随着网络向边缘进一步延伸，时间同步方面的挑战也日益动态多变，FPGAi 让系统架构师能够将智能技术嵌入到硬件中，以实现自主适应。这种 AI 原生同步解决方案很好地体现了可编程逻辑与神经推理如何协同工作，以提升 RAN 可靠性并降低总体拥有成本 (TCO)。

(责任编辑：探索)