1.卫星信号校时同步系统，其特征在于：包括：
数据采样模块(100)：用于采样第一监测对象、第二监测对象与第三监测对象数据；
模型搭建模块(200)：用于基于晶振时钟分别搭建第二监测对象与第三监测对象观测第一监测对象的观测模型；
钟差计算模块(300)：用于基于搭建的观测模型计算钟差，并通过非线性卡尔曼滤波算法计算输出最优估计钟差；
钟差修正模块(400)：用于根据最优估计钟差修正第一监测对象的同步时间；
所述钟差计算模块(300)还基于获取的钟差数据搭建钟差矩阵，并基于非线性卡尔曼滤波算法进行钟差滤波，输出最优估计钟差；
所述钟差矩阵根据采集计算的钟差数据进行实时更新；
所述非线性卡尔曼滤波算法中，将钟差矩阵作为状态变量Xk+1，具体如下：
Xk+1＝f(Xk)+Vk
Zk+1＝Hk+1Xk+1+Wk+1
其中，f(Xk)为状态函数，Zk+1为测量向量，Hk+1为观测矩阵，Vk和Wk+1分别为系统噪声和测量噪声；
状态一步预测为：
状态一步预测均方误差为：
滤波增益为：
状态估计为：
状态估计均方误差为：
Pk+1，k+1＝(1‑Kk+1Hk+1)Pk+1，k
其中， 表示下一时刻的钟差预测值； 表示当前时刻的最优钟差估计值；Pk+1，k为下一时刻的预测均方误差矩阵；Pk，k表示当前时刻的估计均方误差矩阵；φk+1，k为状态转移矩阵；Jk+1，k为雅克比矩阵； 为雅克比矩阵的转置；Qk表示过程噪声协方差；Kk+1表示卡尔曼滤波增益； 为观测矩阵的转置；Rk+1为观测噪声协方差；Pk+1，k+1表示估计误差矩阵；
表示下一时刻的状态钟差最优估计值。
2.根据权利要求1所述的卫星信号校时同步系统，其特征在于：所述数据采样模块(100)每间隔预设时间采样第一监测对象数据、第二监测对象数据和第三监测对象数据。
3.根据权利要求1所述的卫星信号校时同步系统，其特征在于：所述模型搭建模块(200)基于晶振时钟对第一监测对象和第二监测对象进行授时，具体如下：
设晶振时钟对第一监测对象进行准确授时，且晶振时钟和国际标准时间进行时间同步的初始偏差和秒周期的初始偏差分别为a和b，每秒内的固定偏移误差为τ；第x秒第一监测对象与国际标准时间的偏差Δtx为：
Δtx＝b+τx
第一监测对象的第x秒与国际标准时间的累计偏差δ1(x)为：
2
第二监测对象时间误差服从正态分布μ～N(0，σ)，其中，μ为第二监测对象时间随机误差，N表示正态分布函数，σ为标准差；
则第二监测对象输出的第x秒时钟偏差为：
δ2(x)＝x‑μx
其中，μx表示第x秒的第二监测对象的时钟误差；
得到偏差模型δ(x)：
基于回归模型进行偏差计算，获取卫星时钟与晶振时钟的偏差值；
由第二监测对象与第三监测对象同时观测第一监测对象的时钟信号，搭建观测模型如下：
h1＝L1+ct‑cT1+d1+d2
h2＝L2+ct‑cT2+d1+d2
其中，h1和h2分别为第二监测对象与第三监测对象的观测量，L1为第一监测对象至第二监测对象的伪距，L2为第一监测对象至第三监测对象的伪距，c为信号传播速度，t为第一监测对象钟差，T1和T2分别为第二监测对象和第三监测对象的钟差，d1和d2分别为对流层延迟和电离层延迟。
4.根据权利要求3所述的卫星信号校时同步系统，其特征在于：所述钟差计算模块(300)基于模型搭建模块(200)的观测模型作差，得到第二监测对象与第三监测对象的差分观测量Δh如下：
Δh＝ΔL‑cΔT
其中，ΔL为差分伪距；
得到：
其中，ΔT为差分钟差。
5.根据权利要求1所述的卫星信号校时同步系统，其特征在于：所述钟差计算模块(300)中，还基于改进遗传算法对第一监测对象的布局位置进行寻优获取。
6.根据权利要求5所述的卫星信号校时同步系统，其特征在于：所述改进遗传算法具体如下：
种群为由M条染色体的组合而成，M条染色体上含有n个基因序列，由基因序列进行交叉和变异进行迭代，钟差误差函数为适应度函数值，适应度值越大则被选中的概率越大；
M条染色体的选择概率pm如下；
其中，fm为第m条染色体的适应度值的倒数。
7.根据权利要求6所述的卫星信号校时同步系统，其特征在于：所述改进遗传算法中，M条染色体上基因的交叉概率pa为：
其中，pa表示基因的交叉概率，pamax表示基因的最大交叉概率，pamin表示基因的最小交叉概率，fai表示基因的适应度，famin表示基因的适应度最小值， 分别表示基因的适应度平均值，e为数学常量；
M条染色体上基因的变异概率为：
其中，pb表示基因的变异概率，pbmax表示基因的最大变异概率，pbmin表示基因的最小变异概率，fbi表示基因的适应度，fbmin表示基因的适应度最小值， 分别表示基因的适应度平均值，e为数学常量；
n个基因序列中，第i个基因的适应度函数值为fi，当前基因的平均适应度函数值为 定义标准差ρ如下：
种群标准差阈值θ，最大迭代次数为R，标准差小于阈值的次数为C，当ρ≤θ时，C＝C+1，当ρ>θ时，C重置为0，当算法迭代到 时，若算法有连续P次迭代都有ρ≤θ时，通过对当前种群数据进行高斯扰动并增大变异概率pb使当前变异概率pb变为2pb。