1.一种基于隐式同步和免时间戳交互的动态时钟偏斜跟踪方法，其特征在于：包括以下步骤：

S1：采用一阶高斯马尔可夫模型来描述隐含节点S相对于活跃节点A、活跃节点A相对于参考时钟节点R的动态时钟偏斜，将其作为状态方程；

S2：建立隐含节点S的免时间戳同步观测方程，利用基于卡尔曼滤波的方法来跟踪隐含节点S与参考时钟节点R之间的动态时钟偏斜；

步骤S2中隐含节点的免时间戳交互观测方程，具体包括以下步骤：S21：隐含节点S监听活跃节点A与参考时钟节点R之间的第i个周期的免时间戳交互信息，得到第i个周期的同步通式如下：(AR) (AS) (RS)式中 δ＝δ ‑δ +δ ，其中Δi表示免时间戳交互的响应时间， 和 表示节点A接收到数据包的时间，其中 和 表示节点S接收到数据包的时间， 和 分别表示节点A与节点R之间的相对时钟偏斜和时钟偏移， 和 分别表示节点A与节点S之间的相对时钟偏斜和时钟偏移， 和 分别表示节点S与节点R之间的相对时钟偏斜和时钟偏(AR) (AS) (RS)移，δ 、δ 和δ 分别表示节点A与节点R、节点A与节点S和节点R与节点S之间消息传输的固定时延， 和 分别表示节点A与节点R、节点A与节点S和节点R与节点S之间消息传输的随机时延，它们都是独立的均值为0，方差分别为 的高斯分布；

S22：重复步骤S21，用第i+1周期的通式减去第i周期的通式，并假设ρi+1＝ρi，θi+1＝θi，其中i为奇数，得到隐含节点S的免时间戳同步观测模型为：式中 i为奇数；定义交互周期为 隐含节点S可以得到(R) (S)

S23：节点S与节点R之间的时钟偏斜定义为 其中f 和f 分别表示节点R和节点S的晶体震荡频率，以此类推，节点A、节点S和节点R三者之间的时钟偏斜关系表示为 并经过采样，隐含节点S的离散免时间戳同步观测方程为：S24：采用基于扩展卡尔曼滤波的方法来跟踪时钟偏斜，在跟踪时钟偏斜之前，将观测方程进行线性化处理，具体步骤如下：S241：将 进行一阶泰勒级数展开：

(AR) (AS)

S242：h′(x′[n])分别对ρ [n]和ρ [n]进行求导，求解雅可比矩阵为：S243：重写观测方程如下：本方法具体包括以下步骤：

A1：隐含节点动态时钟偏斜跟踪开始；

A2：卡尔曼滤波器初始化；

A3：隐含节点监听免时间戳同步信息；

A4：判断同步轮次是否为奇数，若为奇数，进入流程A5，反之进入流程A6；

A5：同步轮次增加1，进入流程A3；

A6：根据时间戳信息和响应时间计算观测值和观测矩阵，根据状态方程，由n‑1时刻偏斜值预测n时刻偏斜的值，并计算最小预测均方误差M[n|n‑1]；

A7：根据观测值计算卡尔曼增益；

A8：根据卡尔曼滤波增益、观测矩阵和时钟偏斜的预测值对时钟偏斜进行修正，并计算最小均方误差；

A9：由参考时钟节点、活跃节点和隐含节点时钟偏斜的关系和修正的时钟偏斜值计算隐含节点与参考时钟节点之间的时钟偏斜；

A10：判断当前的同步周期是否达到预测值，若达到，进入流程A12，反之，进入流程A11；

A11：同步轮次增加1，进入流程A3；

A12：隐含节点动态时钟偏斜跟踪结束。

2.根据权利要求1所述的基于隐式同步和免时间戳交互的动态时钟偏斜跟踪方法，其特征在于：步骤S1中所述状态方程，考虑节点的晶体振荡器以不稳定的频率运行，时钟偏斜呈现非线性变化，将视其为一个在零均值附近有小扰动的随机变量，并采用一阶高斯马尔可夫模型来描述隐含节点S相对于活跃节点A、活跃节点A相对于参考时钟节点R的时钟偏斜的动态变化，具体公式如下：

x′[n]＝Bx′[n‑1]+u[n]式中 其中x′[n]表示第n个采样(AS) (AR)

时刻的状态矢量矩阵，ρ [n]和ρ [n]分别表示第n个采样时刻活跃节点A相对于隐含节点S和参考时钟节点R的时钟偏斜；B表示更新系数矩阵，m1和m2为更新系数，是大于且接近于(AS) (AR)

1的常数并假设为已知；u[n]是第n个采样时刻的驱动噪声矩阵，u [n]和u [n]分别表示(AS) (AR)

第n个采样时刻ρ [n]和ρ [n]的驱动噪声，均值为0，方差分别为 的高斯分布。

3.根据权利要求1所述的基于隐式同步和免时间戳交互的动态时钟偏斜跟踪方法，其特征在于：

所述利用基于卡尔曼滤波的跟踪方法来跟踪隐含节点相对于参考时钟节点的动态时钟偏斜，具体包括：

隐含节点S监听活跃节点A与参考时钟节点R之间的免时间戳同步信息，不断记录每轮次接收到数据包的时间，并计算观测值，基于一阶高斯马尔可夫模型的状态方程，采用基于扩展卡尔曼滤波的方法对动态时钟偏斜进行跟踪，所述扩展卡尔曼滤波公式为：预测：

Τ

最小预测均方误差：M[n|n‑1]＝BM[n‑1|n‑1]B +C卡尔曼增益：

修正：

最小均方误差：M[n|n]＝(I‑K[n]H′[n])M[n|n‑1]其中 表示第n个采样时刻时钟偏斜的预测值矩阵，B是更新系数矩阵，M[n|n‑

1]表示第n个采样时刻的最小预测均方误差矩阵， 表示驱动噪声的协方差矩阵，K[n]表示第n个采样时刻的卡尔曼增益矩阵，H′[n]表示第n个采样时刻的雅可比矩阵， 是观测噪声的方差， 表示第n个采样时刻修正后的时钟偏斜的修正值矩阵，Q′[n]表示第n个采样时刻的观测值， 表示第n个采样时刻时钟偏斜状态变量到理想观测的变换，M[n|n]表示第n个采样时刻修正后的最小均方误差矩阵；

由于跟踪方法中所求的时钟偏斜不是隐含节点S与参考时钟节点R之间的相对动态时钟偏斜，故利用三个节点之间时钟偏斜的关系 对其进行求解，具体公式为：