新闻详情

新闻详情

首页 / 资讯中心 / 详情

国军标B码闰秒的测试方法

发布时间:2026/11/4 2:44:49来源:尧图网络
国军标B码闰秒的测试方法
此图来自成都云智优创科技有限公司www.iyzyc.cn简介GJB-B码发生器测试仪是专门用于产生B码的测试仪借助它可以用来测试带B码对时的接收设备。通过配置软件可以输出为任意时间特别是对临界时间的测试比如2099年12月31日23时59分59秒。同时它还可以设置闰秒主站/副站特标信号控制等。测试仪不仅可以在线测试还可以离线测试。通过配置软件设置好启始时间掉电不会丢失。每次测试仪启动后都会从这个时间开始输出B码。B码发生器测试仪主要用于研发阶段对带有B码对时功能的设备进行测试。同时也用于生产阶段在老化过程中对设备进行校时测试。B码发生器符合GJB 2991A-2008标准。支持闰秒测试能模拟出正闰秒和负闰秒。什么是闰秒闰秒是为了让 “原子钟时间”和“地球自转时间”保持同步而人为对时钟进行的“加一秒”或“减一秒”的调整。原子时 (TAI)一种利用原子内部振荡周期来计时的超高精度时间系统非常稳定误差可达千万年不差一秒。我们日常使用的“协调世界时 (UTC)”就是基于原子时的秒长-。世界时 (UT1)是一种基于地球自转周期的天文时间。但地球自转速度并不均匀总体在变慢所以它没那么精确。为了让高精度的原子时能和世界时保持大体一致发明了“闰秒”这个折中方案。当两者时刻相差超过0.9秒时国际地球自转和参考系服务IERS就会决定在6月30日或12月31日的最后一分钟对世界标准时间UTC进行1秒的调整。闰秒分为两种正闰秒和负闰秒但历史上绝大多数情况都是“正闰秒”正闰秒增加1秒当原子时比世界时走得快时就在年底或年中的最后一分钟加入一个“23:59:60”的时刻。具体到北京时间就会出现“7:59:60”的特殊现象相当于多等了一秒才进入8:00。负闰秒减少1秒理论上如果地球自转变快原子时需要减一秒。但由于地球自转长期在变慢自1972年闰秒制度实施以来全球进行的27次闰秒调整全都是“正闰秒”还从未出现过“负闰秒”。国军标B码中的闰秒标志B码格式符合GJB 2991A-2008标准27闰秒标志bit000无闰秒01:B码传输的UTC时间需要向后闰秒调整正闰秒10需要向前闰秒调整负闰秒28闰秒标志bit160位闰秒预告LSP在闰秒来临前59秒置1在闰秒到来后的00秒置061位闰秒标志LS0正闰秒1负闰秒通过B码发生器测试闰秒功能测试仪具有闰秒测试功能闰秒时间规定为23点59分的最后一秒或者闰秒时间规定为7点59分的最后一秒。以23点59分为例如下正闰秒测试将时间设置为7点59分50秒。闰秒预告设置为1闰秒标志设置为0此设置为正闰秒。当时间来到7:59:59秒后下一秒会出现7:59:60再下一秒才是08:00:00。负闰秒测试将时间设置为7点59分秒根据需要设置。闰秒预告设置为1闰秒标志设置为1此设置为负闰秒。当时间来到7:59:58后下一秒将是08:00:00。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/3 7:07:39

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/3 12:09:35

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/3 12:09:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/3 12:09:41

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/4 1:25:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/2 5:53:27

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉