1.适用于非对称时延精确时间同步的时钟偏移最优估计算法，包括以下两个步骤：

(1)通过主从时钟方向及反方向的固定传输时延、传输过程中的随机队列等待时延以及时钟频率偏移产生的时延和时钟相位偏移产生的时延之间的对应关系，建立时延向量方程；

(2)引入高斯分布，并利用Pitman估计方法进行估计。

2.根据权利要求1所述的时钟偏移最优估计算法，其特征在于，步骤(1)中是以前p次非对称双向传输为观测样本，从而建立时延向量方程，向量方程建立后，判断向量方程是否是Y＝Aθ+T形式，是则结束，否则需转化为Y＝Aθ+T形式，结束；其中，p为非对称双向传输的次数，为不小于1的正整数。

3.根据权利要求1所述的时钟偏移最优估计算法，其特征在于，步骤(1)具体包括：

步骤(11)：建立以第i次主从时钟方向及其反方向的固定传输时延d1和d2，随机队列时延ti,1和ti,2，以及时钟频率偏移时延α和时钟相位偏移产生时延β所组成的时延关系方程组： 其中d1≠d2，1≤i≤p，i为正整数，y*i,1、y*i,2分别表示第i次传输主从时钟方向及其反方向的总时延，yi,1、yi,2分别表示第i次传输主从时钟方向及其反方向的非固定传输时延之和；

步骤(12)：由步骤(11)及反馈补偿，取d＝d1，得到时延关系方程组：

步骤(13)：令Y＝[Y1T,Y2T]T,Yk＝[y1,k···yp,k]、T＝[T1T,T2T]T,Tk＝[t1,k···tp,k],k＝1,2，将步骤(12)中的时延关系方程组转化为以向量Y、向量e、向量T及未知参数α、β组成的向量方程：Y＝d·12p+(α+β)e+T，其中Y为非固定传输总时延对应的向量，p为非对称双向传输的次数，为不小于1的正整数，k＝1和k＝2分别表示第i次的主从时钟及其反方向的传输，y1,k…yp,k分别表示第1次到第p次双向传输过程中主从时钟及其反方向的固定时延、时钟偏移造成时延以及随机队列时延的关系，α、β为未知参数分别代表时钟频率偏移及时钟相位偏移产生的时延，T为随机队列时延对应的向量，12p表示元素为1的2p维列向量，e为所推出向量方程中的一个矩阵，与(α+β)相乘表示一个向量。

4.根据权利要求3所述的时钟偏移最优估计算法，其特征在于，步骤(1)还包括步骤(14)，具体方法是：将步骤(13)中的向量方程Y＝d·12p+(α+β)e+T，进一步转化为向量方程Y＝Aθ+T，其中A表示矩阵 则Y＝Aθ+T即为所求时延向量方程，其中1p表示元素为1的p维的列向量，0p表示元素为0的p维列向量。

5.根据权利要求1所述的时钟偏移最优估计算法，其特征在于，步骤(2)具体包括：

步骤(21)：判断向量方程是否符合向量坐标位置问题模型，是则进入步骤(21)，否则结束；

步骤(22)：求出向量方程中未知参数的Pitman估计量，进入步骤(23)；

步骤(23)：转化为对ciθk的Pitman最优估计，进入步骤(24)；

步骤(24)：引入高斯随机队列时延条件，进入步骤(25)；

步骤(25)：求得最优估计量g*(Y)关于ti,k的表达式，结束；其中，ti,k表示第i次双向传输的随机队列时延，k＝1,2。

6.根据权利要求5所述的时钟偏移最优估计算法，其特征在于，步骤(22)的具体方法是：针对时延向量方程Y＝Aθ+T，利用函数g(Y)(对线性组合cTθ＝α+β进行估计，其中Y表示非固定传输总时延对应的向量，g(Y)为以Y为变量的函数。

7.根据权利要求6所述的时钟偏移最优估计算法，其特征在于，步骤(23)的具体方法是：由Pitman估计算法，对时延向量方程Y＝Aθ+T中的向量θ所含未知参数进行估计，可得未知参数α与未知参数β之和α+β的最优估计量为： 由Pitman估计准则中的 将步骤(22)中的 代入g*(Y)表达式，则得到：

其中，g*(Y)表示以向量Y为变量

的函数g(Y)对向量方程中向量θ所含参数之和α+β的最优估计量，θ为向量方程中的向量，f(Y|θ)为向量Y所服从的概率密度函数；根据Pitman估计准则，g(Y)对向量θ中未知参数的估计等于g(Y1)和g(Y2)对向量θ1和θ2的未知参数估计量之和，Y1、Y2分别为向量Y的分量，θ1、θ2为θ的分量；Y1、Y2分别表示的含义是：主从时钟及其反方向的非固定传输总时延对应的向量，因此服从的概率密度函数分别为fT1(Y1|θ1)和fT2(Y2|θ2)，即fT1(Y1|θ1)＝fT1(Y1-θ1·1P)，fT2(Y2|θ2)＝fT2(Y2-θ2·1P)。

8.根据权利要求7所述的时钟偏移最优估计算法，其特征在于，步骤(24)的具体方法是：已知第i次传输，主从时钟方向及其反方向随机队列时延ti,1及ti,2均服从均值为μ，方差为σ2的高斯分布，即：

9.根据权利要求8所述的时钟偏移最优估计算法，其特征在于，步骤(25)的具体方法是：已知 k＝1,2及步骤(24)中f1(ti,1)、f2(ti,2)表达式，则根据步骤(23)所得g*(Y)表达式可知，此时g*(Y)为：