1.一种高精度微机补偿晶体振荡器，包括PC、晶体振荡模块和控制电压产生模块，其特征在于：
PC与控制电压产生模块中微处理器相连，用于实现和微处理器的数据通信，显示补偿电压；
晶体振荡模块包括变容二极管、晶体和振荡电路，其作用是产生振荡信号；
控制电压产生模块包括微处理器、D/A、A/D、温度传感器和频率计，其作用是在微处理器程序控制下，产生非线性补偿电压V；
温度传感器和晶体振荡模块热耦合，其输出与A/D的输入端相连，作用是监测并传输晶体振荡模块的温度；
频率计的输入与晶体振荡模块的输出相连，输出与A/D的输入相连，其作用是监测并传输晶体振荡模块输出信号的频率；
A/D的输出与微处理器的输入相连，其作用是将温度数据和频率数据转化为数字码，并输入到微处理器；
微处理器采用人工神经网络算法产生非线性补偿电压；微处理器的输出与D/A的输入相连，其作用是在内部程序的控制下，产生非线性补偿电压V的数字码；
D/A的输出与晶体振荡模块中变容二极管相连，其作用是将微处理器输出的补偿电压的数字码转为模拟量，并提供给变容二极管；
所述人工神经网络指生物科学技术和人工智能领域的前馈神经网络，包括输入层、隐层和输出层，每一层由不同数目的神经元组成；其中，输入层用于输入变量，隐层用于对前一层传递的信号作非线性变换，输出层用于对隐层传递的信号作非线性变换并输出最终的信号；同层神经元之间没有信号传递，不同层神经元之间的信息传递的强弱由权值决定，非线性变换由神经元的激活函数决定。
2.如权利要求1所述高精度微机补偿晶体振荡器，其特征在于：
所述人工神经网络以设定精度逼近任意函数，从而产生非线性补偿电压是通过对人工神经网络的训练实现的：首先将训练样本输入到人工神经网络，人工神经网络会产生网络输出；然后对网络输出和目标输出做比较，判断两者的误差是否小于预设精度，当两者的误差不满足预设的精度要求时，人工神经网络调整网络权值W，直到误差小于预设的精度，此时保存网络权值，训练结束。
3.如权利要求1所述高精度微机补偿晶体振荡器，其特征在于：
所述微处理器中程序包括两个信号Contr1和Contr2分别标识晶体振荡器的模式和人工神经网络的状态：具体地，Contr1是晶体振荡器模式切换信号，控制晶体振荡器在TCXO和VCTCXO模式之间切换；Contr2是人工神经网络状态控制信号，控制人工神经网络在训练样本采集、训练和工作状态之间转换。
4.如权利要求1所述高精度微机补偿晶体振荡器，其特征在于：所述晶体振荡模块中晶体谐振器为任何切型的石英晶体、钽酸锂晶体、铌酸锂晶体、镓镧系或MEMS晶体。
5.如权利要求1所述的高精度微机补偿晶体振荡器，其工作流程分为三个阶段，具体为：
第一阶段、训练样本采集
TCXO模式时，在微处理器程序控制下，在每一个不同的温度Ti下，i为温度标号，给变容二极管两端施加控制电压Vi，使得在不同的温度点Ti，晶体振荡器输出的频率偏移为零，记录数据(Vi,Ti)，得到训练样本Y1＝(V,T)，其中，T作为人工神经网络的输入，V作为人工神经网络的目标输出；
VCTCXO模式时，首先保持温度T不变，改变变容二极管两端的控制电压V，用频率计记录不同的Vi下振荡器的输出频率f；然后保持变容二极管两端的控制电压V不变，在不同的温度点Ti下用频率计记录晶体振荡器的输出频率f，得到训练样本Y2＝(f,V,T)，其中，f和T作为人工神经网络的输入，V作为人工神经网络的目标输出；
第二阶段、人工神经网络的训练即学习
a、对人工神经网络和训练样本进行初始化
TCXO模式下，初始化人工神经网络模型和网络初始权值，初始化输入神经元个数为1个，并初始化训练样本为Y1＝(V,T)，指定T是人工神经网络的输入，V是人工神经网络的目标输出；
VCTCXO模式下，初始化人工神经网络模型和网络初始权值，初始化人工神经网络的输入神经元个数为2个，并初始化训练样本为Y2＝(f,V,T)，指定f和T是人工神经网络的输入，V是人工神经网络的目标输出；
b、训练
调度人工神经网络训练算法，首先根据样本产生网络输出，然后对网络输出和目标输出做比较，判断两者的误差是否小于预设精度，当两者的误差不满足预设的精度要求时，人工神经网络调整网络权值W，直到误差小于预设的精度，保存人工神经网络参数，包括人工神经网络模型、输入神经元个数与网络权值，训练结束；
第三阶段、工作
a、读取输入变量
TCXO模式下，读取输入变量X＝T，此变量由温度传感器提供；
VCTCXO模式下，读取输入变量X＝(f,T)，其中变量T由温度传感器提供，变量f由PC端输入，并通过PC与微处理器之间的通信输入到人工神经网络；
b、产生补偿电压V
人工神经网络根据第二阶段保存的网络权值对输入X做出响应，产生非线性补偿电压V，该电压经过D/A转换接到变容二极管两端，通过控制变容二极管的容值精确晶体振荡器的频率因温度变化产生的偏移。