精確的時間同步是當今無線接入網 (RAN) 性能和穩定性的基石。無論是協作多點 (CoMP) 傳輸、低時延調度，還是基站間同步，無線基礎設施都高度依賴于精確的頻率與相位對齊。

過去，無線 RAN 時間同步需通過全球導航衛星系統 (GNSS)、精確時間協議 (PTP) 和同步以太網 (SyncE) 協議來實現。然而，當 GNSS 信號因城市峽谷效應、室內部署、干擾或欺騙攻擊而中斷時，系統需要切換至保持模式 (holdover)，這往往會導致準確性下降、抖動加劇和服務中斷等多重問題。

AI 增強型保持模式：

利用機器學習預測時鐘漂移

Altera 創新地引入了由 AI 驅動的時間保持，通過采用經過訓練的多層感知器 (MLP) 和長短期記憶 (LSTM) 神經網絡，可實時識別并預測時鐘漂移模式。這些模型可以直接部署于 Agilex 7 SoC FPGA 上，從而可在 GNSS 信號丟失時以更低時延進行調整。 通過基于環境行為學習動態調整數字鎖相環 (DPLL)，這種方法能夠：

在 GNSS 信號中斷期間維持穩定的頻率同步；

給功耗與維護需求帶來高達 90% 的降幅；

根據溫度、電壓及振蕩器老化導致的漂移而進行調整；

為新一代 RAN 部署提供更精準的實時時鐘校正。

助力開放與邊緣 RAN 提升彈性

這款解決方案基于 MATLAB 開發，通過 Altera 的 FPGA AI 套件、QuartusPrime 軟件及 PTP Servo IP 實現，并經過多日漂移模擬驗證和環境變量壓力測試。即使在非理想部署環境下，也能持續提供穩定的時間同步彈性，非常適合開放 RAN、5G 專網及遠程邊緣部署等 GNSS 信號無法保障的場景。

FPGAi：精準部署智能技術

隨著網絡向邊緣進一步延伸，時間同步方面的挑戰也日益動態多變，FPGAi 讓系統架構師能夠將智能技術嵌入到硬件中，以實現自主適應。這種 AI 原生同步解決方案很好地體現了可編程邏輯與神經推理如何協同工作，以提升 RAN 可靠性并降低總體擁有成本 (TCO)。