CN104320805B

CN104320805B - 通过少量数据包估计无线传感网络链路质量的方法

Info

Publication number: CN104320805B
Application number: CN201410584342.2A
Authority: CN
Inventors: 鲁琛
Original assignee: Zhejiang Lover Health Science and Technology Development Co Ltd
Current assignee: Zhejiang Lover Health Science and Technology Development Co Ltd
Priority date: 2014-10-27
Filing date: 2014-10-27
Publication date: 2018-02-16
Anticipated expiration: 2034-10-27
Also published as: CN104320805A

Abstract

本发明公开了通过少量数据包估计无线传感网络链路质量的方法。方法包括如下几步：接收数据包的信噪比、链路质量指数和数据包接收率的统计、回归参数计算和模型选择、链路质量估计后修改估计链路质量表达式几步，并给出具体的实施方式，该方法可以在链路质量动态变化的环境中根据少量接收数据包的参数估计将来一段时间内的数据包接收率，并且具有可区分PRR不同的过渡型链路、能更准确度量链路的SNR和LQI、具备自我修复能力以及易于实施的优点。

Description

通过少量数据包估计无线传感网络链路质量的方法

技术领域

本发明涉及一种根据少量数据包的信噪比、链路质量指数和包接收率估计无线传感网络链路质量的方法，属于无线传感网络技术领域。

背景技术

真实环境下，受自由衰落、多径衰落和阴影衰落等因素的影响，无线传感网络的数据包接收率会有差异，一般根据链路质量分为稳定连接型(数据包接收率≥90％)、过渡型(10％≤数据包接收率≤90％)和低接收率型(接收率固定较低)，大量的节点的链路质量属于过渡型，其数据包接收率(以下简称PRR)在10％‐90％之间动态变化。

PRR能最直接反应链路质量，获得PRR需要对大量数据包的收发情况进行统计，但是收发大量数据包会引发能量消耗和通信延迟等一系列的问题。

信噪比(以下简称SNR)和链路质量指数(以下简称LQI)是衡量链路质量的另外两个指标，SNR可由无线射频芯片中获得的参数通过一定计算得到，LQI可由无线射频芯片直接获得。以CC2420为例，该芯片有一个内置的接收信号强度指示寄存器RSSI_VAL，读取该值再减去45dB即可得到接收信号功率，空闲(没有接收数据包)时的接收信号功率就是噪声功率，正在接收数据包时的接收信号功率减去噪声功率可得SNR。SNR和PRR之间有单调增加的对应关系，链路质量指数(LQI)指示接收到的数据包的差错率，CC2420芯片提供了一个平均相关值Corr，LQI可由(Corr‐a)·b计算得到(a和b是常数，在0‐255之间)，通常，计算得到的LQI在50‐110之间，LQI的均值和PRR之间的单调递增关系较好。

目前，已有的采用SNR和LQI估计链路质量有如下缺点：采用单一的SNR估计链路质量，SNR在3.4‐7.3dB之间变化，即可导致PRR在10％‐90％之间剧烈变化，因此，仅采用信噪比这一参数估计链路质量存在链路质量的“分辨率”过低(SNR很小的变化就会导致PRR剧烈变化)、难以区分PRR不同的过渡型链路的问题；由于CC2420只记录接收到的数据包的接收信号强度和LQI，因此，采用SNR、LQI或者两者的均值估计链路质量时，记录的SNR和LQI比实际链路偏高，从而导致SNR‐PRR曲线和LQI‐PRR曲线有偏差。

发明内容

针对现有的采用PRR、SNR或LQI估计链路质量存在的不足，本发明提出一种将PRR、SNR和PRR融合，仅通过少量数据包就可进行链路质量估计的方法。

一种通过少量数据包估计无线传感网络链路质量的方法，步骤包括：接收数据包SNR、LQI和PRR的统计、回归参数计算和模型选择、链路质量估计和修改估计链路质量表达式；

步骤1)：接收数据包SNR、LQI和PRR的统计，

发射机和接收机的位置固定后，发射机发送StartNum个StartTransmitMsg消息，消息的时间间隔为t₁，StartNum≥100，StartTransmitMsg消息中包含消息序列号；接着，发射机无时间空隙地发送m*w个长度为Length的数据包，m、w分别为10‐20的自然数，Length为20‐30bytes，数据包的时间间隔为t₂，每m个数据包记为一批，接收机接收到第一个StartTransmitMsg消息后，对于第1批数据包，根据接收到的StartTransmitMsg消息的时间和序列号分别计算发射机发送的第一批数据包中第1个、第m个数据包的时间点，在第1个时间点之前将SNR_total和LQI_total置为0，在第1个和第2个时间点之间接收发射机发送的数据包，计算每个包的信噪比的方法如下：接收机以60ms为周期定时采样信道空闲时的接收信号功率，作为一次噪声基底的样本值并更新噪声基底表中的条目，每8次采样后由8个条目的平均值计算此时的噪声基底，接收到的数据包的信噪比由该数据包的接收信号功率减去噪声基底得到；把接收到的数据包的SNR和LQI的值累加，统计接收到数据包的数目m’，在第2个时间点将SNR和LQI的累加值分别记为SNR_total和LQI_total，按下述公式计算第一批数据包的平均信噪比SNR_Avg1、第一批数据包的平均链路质量指数LQI_Avg1和第一批数据包的数据包接收率PRR₁:

对于发射机发送的第2,3……w批数据包，接收机也进行类似的统计和运算，分别得到SNR_Avg2,LQI_Avg2,PRR₂,……,SNR_Avgw,LQI_Avgw,PRR_w，去除PRR＝1的数据点，假设去除后只有p组数据点SNR_Avg1,LQI_Avg1,PRR₁,……,SNR_Avgp,LQI_Avgp,PRR_p；

步骤2)：模型参数计算和模型选择，

2.1)使用的模型

链路质量估计中，步骤1)中每一批PRR<1的m个数据包的接收率和数据包的SNR_Avgi和LQI_Avgi符合下述单调递增的模型表达式之一：

模型一，

模型二，

PRR_i＝A₂·SNR_Avgi+B₂·LQI_Avgi+C₂ ⑸，

其中，i＝1,2,……,p，A₁、B₁、A₂、B₂、C₂是参数；

2.2)模型参数计算

分别按上述2.1)中两种模型的表达式对p个数据点(SNR_Avg1,LQI_Avg1,PRR₁),……,(SNR_Avgp,LQI_Avgp,PRR_p)进行线性回归，具体计算方法如下：

第一种模型，对上述p个数据点采用二元线性回归，得参数A₁和B₁的值计算公式如下：

由此得到公式⑸中的参数A₁、B₁，然后确定模型一的表达式；再将p个数据点对(SNR_Avg1,LQI_Avg1),……,(SNR_Avgp,LQI_Avgp)带入模型一的表达式，可得p个计算得到的数据包接收率PRR_cal1,PRR_cal2,……,PRR_calp，记则皮尔逊相关系数R₁由以下公式求出

第二种模型，当p个数据点符合公式⑸的模型时，采用二元线性回归的方法，得参数A₂、B₂和C₂的值计算公式如下：

其中D、D₁、D₂、D₃的计算方法如下：

由此得到公式⑸中的参数A₂、B₂、C₂，进而确定模型二的表达式，再将p个数据点对(SNR_Avg1,LQI_Avg1),……,(SNR_Avgp,LQI_Avgp)带入模型二的表达式，得到p个计算得到的数据包接收率PRR_cal1,PRR_cal2,……,PRR_calp，记则皮尔逊相关系数R₂可由以下公式求出

步骤2.3)：模型选择，

当R1和R2中只有一个大于0.7时，皮尔逊相关系数大于0.7的模型计算值能准确反应实际的PRR变化，用该模型表达式对链路质量进行估计；

当R1和R2都大于0.7时，这两个模型计算值都能准确反应实际的PRR变化，因此这两个模型都可对链路质量进行估计；

当R1和R2都小于0.7时，这两个模型计算值都能不能准确反应实际的PRR变化，因此重复第一步和第二步，直到选出皮尔逊相关系数大于0.7的模型，用该模型表达式对链路质量进行估计；

步骤3)：链路质量估计，

发射机发送q个长度为Length的数据包，q为10‐20，接收机将收到的数据包的SNR和LQI分别累加，得到SNR_sum和LQI_sum，通过下述公式计算出SNR'_Avg和LQI'_Avg：

将计算得到的SNR'_Avg和LQI'_Avg代入步骤2.3)选择的模型的表达式即可估计出这段时间内本条链路的包接收率PRR_present；

发射机在紧接着5秒内发送长度为Length数据包时，

PRR_prediction＝PRR_present，

步骤4)：链路质量估计后修改估计链路质量表达式，

在步骤3)中，如果发射机第1次发送了q个长度为Length的数据包，按表达式⒇计算出的PRR_prediction记为PRR_prediction1，紧接着5秒内发送了多个长度为Length的数据包，统计得到的数据包接收率为PRR₁，链路质量估计的相对误差为

同理可得第2,3,4,……,r次发送了q个长度为Length的数据包并实测数据包接收率后，链路质量估计的相对误差为δ₂,δ₃,δ₄,......,δ_r，当相对误差的值大于10％的次数有3次时，就开始修改估计链路质量表达式的过程，即重复步骤1)、步骤2)、步骤3)。

所述的步骤2.3)：当R1和R2都大于0.7时，优选的，以皮尔逊相关系数更大的模型表达式对链路质量进行估计。

有益效果：本发明与现有的一些基于SNR、LQI和PRR的无线传感网络链路质量估计方法相比有如下几个有点：

⑴仅通过少量数据包的SNR、LQI和PRR就能对链路将来短期内的PRR进行估计(也就是对链路质量进行估计)，无需通过统计大量的数据包的接收率才能对链路质量进行估计；

⑵由于同时加入了SNR和LQI的信息，所以克服了仅有SNR信息的链路质量估计存在的分辨率过低的问题，进一步地，可区分PRR不同的过渡型链路；

⑶考虑了PRR的因素，克服了仅采用SNR、LQI或者两者的均值估计链路质量时存在的记录的SNR和LQI比实际偏高的问题，即能更准确度量链路的SNR和LQI；

⑷本发明的无线传感网络链路质量估计方法能在不同的链路模型之间切换，克服了固定的链路质量估计模型易造成较大误差的缺点，并且，获得的链路质量估计值误差较大的状况超过一定次数后，可重新选择并计算链路质量估计模型，即本发明的无线传感网络链路质量估计方法有“自我修复”的能力；

⑸本发明的链路质量估计方法每一步都可直接用计算机程序实现，因此链路质量估计方法易于实施。

具体实施方式

本发明的估计无线传感网络链路质量的方法包括：接收数据包SNR、LQI和PRR的统计、回归参数计算和模型选择、链路质量估计和修改估计链路质量表达式等几步。

第一步：接收数据包SNR、LQI和PRR的统计。

发射机和接收机的位置固定后，发射机发送StartNum个StartTransmitMsg消息，消息的时间间隔为t₁(StartNum≥100，以保证发射机和接收机之间的链路质量很差时，接收机也能收到该消息)，StartTransmitMsg消息中包含消息序列号。接着，发射机无时间空隙地发送m*w个长度为Length的数据包(m可取较小的值，m、w的典型值分别为20、10，Length的典型值为30bytes)，数据包的时间间隔为t₂，每m个数据包记为一批，接收机接收到第一个StartTransmitMsg消息后，对于第1批数据包，根据接收到的StartTransmitMsg消息的时间和序列号分别计算发射机发送的第一批数据包中第1个、第m个数据包的时间点，在第1个时间点之前将SNR_total和LQI_total置为0，在第1个和第2个时间点之间接收发射机发送的数据包，计算每个包的信噪比的方法如下：接收机以60ms为周期定时采样信道空闲时的接收信号功率，作为一次噪声基底的样本值并更新噪声基底表中的条目，每8次采样后由8个条目的平均值计算此时的噪声基底(这样获得的噪声基底更符合实际噪声的变化，对噪声反应更迅速)，接收到的数据包的信噪比由该数据包的接收信号功率减去噪声基底得到。把接收到的数据包的SNR和LQI的值累加，统计接收到数据包的数目m’，在第2个时间点将SNR和LQI的累加值分别记为SNR_total和LQI_total，按下述公式计算SNR_Avg1、LQI_Avg1和PRR₁:

对于发射机发送的第2,3……w批数据包，接收机也进行类似的统计和运算，分别得到SNR_Avg2,LQI_Avg2,PRR₂,……,SNR_Avgw,LQI_Avgw,PRR_w，由于PRR有饱和值1，PRR与LQI和SNR有明显的正相关关系，通常情况下，当SNR>13或LQI>90时，PRR就达到1，SNR和LQI继续增加，PRR仍旧为1(饱和值)，所以拟合模型时要去除PRR＝1的数据点，假设去除后只有p组数据点SNR_Avg1,LQI_Avg1,PRR₁,……,SNR_Avgp,LQI_Avgp,PRR_p。

第二步：模型参数计算和模型选择。

⑴使用的模型

链路质量估计中，第一步中每一批PRR<1的m个数据包的接收率和数据包的SNR_Avgi和LQI_Avgi符合下述单调递增的模型表达式之一：

①模型一

②模型二

PRR_i＝A₂·SNR_Avgi+B₂·LQI_Avgi+C₂ ⑸

其中，i＝1,2,……,p，A₁、B₁、A₂、B₂、C₂是参数。

⑵模型参数计算

分别按两种模型的表达式对p个数据点(SNR_Avg1,LQI_Avg1,PRR₁),……,(SNR_Avgp,LQI_Avgp,PRR_p)进行线性回归，可得如下计算方法

①第一种模型

对上述p个数据点采用二元线性回归(如公式⑷)，得参数A₁和B₁的值计算公式如下：

这样，可得公式⑸中的参数A₁、B₁，可确定模型一的表达式。再将p个数据点对(SNR_Avg1,LQI_Avg1),……,(SNR_Avgp,LQI_Avgp)带入模型一的表达式，可得p个计算得到的数据包接收率PRR_cal1,PRR_cal2,……,PRR_calp，记则皮尔逊相关系数R₁可由以下公式求出

②第二种模型

当p个数据点符合公式⑸的模型时，采用二元线性回归的方法，得参数A₂、B₂和C₂的值计算公式如下：

其中D₁、D₂、D₃的计算方法如下：

这样就可得公式⑸中的参数A₂、B₂、C₂，进而可确定模型二的表达式，再将p个数据点对(SNR_Avg1,LQI_Avg1),……,(SNR_Avgp,LQI_Avgp)带入模型二的表达式，可得p个计算得到的数据包接收率PRR_cal1,PRR_cal2,……,PRR_calp，记则皮尔逊相关系数R₂可由以下公式求出

⑶模型选择

当R1和R2中有一个大于0.7时，该(皮尔逊相关系数大于0.7的)模型计算值能比较准确反应实际的PRR变化，因此可用该模型表达式对链路质量进行估计；

当R1和R2都大于0.7时，这两个模型计算值都能比较准确反应实际的PRR变化，因此这两个模型都可对链路质量进行估计，优选的，以皮尔逊相关系数更大的模型表达式对链路质量进行估计；

当R1和R2都小于0.7时，这两个模型计算值都能不能准确反应实际的PRR变化，因此需重复第一步和第二步，直到选出皮尔逊相关系数大于0.7的模型，用该模型表达式对链路质量进行估计。

第三步：链路质量估计。

发射机发送q个长度为Length的数据包(q可取较小的值，典型值为10)，接收机将收到的数据包的SNR和LQI分别累加，得到SNR_sum和LQI_sum，通过下述公式计算出SNR'_Avg和LQI'_Avg：

将计算得到的SNR'_Avg和LQI'_Avg带入第二步的模型选择步骤中选择的模型的表达式即可估计出这段时间内本条链路的包接收率PRR_present。

发射机在紧接着的短时间(典型值为5秒)内发送长度为Length数据包时，因为链路质量变化较缓慢，所以接收机在将来一段时间的数据包接收率与这段时间内本条链路的数据包接收率相等，因此

PRR_prediction＝PRR_present

第四步：链路质量估计后修改估计链路质量表达式。

在第四步中，如果发射机第1次发送了q个长度为Length的数据包，按表达式⒇计算出的PRR_prediction记为PRR_prediction1，紧接着短时间内发送了若干个长度为Length的数据包，统计得到的数据包接收率为PRR₁，链路质量估计的相对误差为

同理可得第2,3,4,……,r次发送了q个长度为Length的数据包并实测数据包接收率后，链路质量估计的相对误差为δ₂,δ₃,δ₄,......,δ_r，当相对误差的值大于10％的次数有3次时，就开始修改估计链路质量表达式的过程，即重复本发明的第一步、第二步和第三步。

Claims

1.一种通过少量数据包估计无线传感网络链路质量的方法，其特征在于，步骤包括：接收数据包SNR、LQI和PRR的统计、回归参数计算和模型选择、链路质量估计和修改估计链路质量表达式；

步骤1)：接收数据包SNR、LQI和PRR的统计，

发射机和接收机的位置固定后，发射机发送StartNum个StartTransmitMsg消息，消息的时间间隔为t₁，StartNum≥100，StartTransmitMsg消息中包含消息序列号；接着，发射机无时间空隙地发送m*w个长度为Length的数据包，m、w分别为10‐20的自然数，Length为20‐30bytes，数据包的时间间隔为t₂，每m个数据包记为一批，接收机接收到第一个StartTransmitMsg消息后，对于第1批数据包，根据接收到的StartTransmitMsg消息的时间和序列号分别计算发射机发送的第一批数据包中第1个、第m个数据包的时间点，其中，发射机发送第一批数据包中的第一个数据包的时刻记为第1个时间点，发射机发送第一批数据包中的第m个数据包的时刻记为第2个时间点，在第1个时间点之前将SNR_total和LQI_total置为0，在第1个和第2个时间点之间接收发射机发送的数据包，计算每个包的信噪比的方法如下：接收机以60ms为周期定时采样信道空闲时的接收信号功率，作为一次噪声基底的样本值并更新噪声基底表中的条目，每8次采样后由8个条目的平均值计算此时的噪声基底，接收到的数据包的信噪比由该数据包的接收信号功率减去噪声基底得到；把接收到的数据包的SNR和LQI的值累加，在第2个时间点将SNR和LQI的累加值分别记为SNR_total1和LQI_total1，在第一批数据包中，接收机接收的数据包的个数是m'，按下述公式计算第一批数据包的平均信噪比SNR_Avg1、第一批数据包的平均链路质量指数LQI_Avg1和第一批数据包的数据包接收率PRR₁:

<mrow> <msub> <mi>PRR</mi> <mn>1</mn> </msub> <mo>=</mo> <mfrac> <msup> <mi>m</mi> <mo>&prime;</mo> </msup> <mi>m</mi> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>,</mo> </mrow>

<mrow> <msub> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mn>1</mn> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mi>SNR</mi> <mrow> <mi>t</mi> <mi>o</mi> <mi>t</mi> <mi>a</mi> <mi>l</mi> <mn>1</mn> </mrow> </msub> </mrow> <msup> <mi>m</mi> <mo>&prime;</mo> </msup> </mfrac> <mo>&CenterDot;</mo> <msub> <mi>PRR</mi> <mn>1</mn> </msub> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> <mo>,</mo> </mrow>

<mrow> <msub> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mn>1</mn> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mi>LQI</mi> <mrow> <mi>t</mi> <mi>o</mi> <mi>t</mi> <mi>a</mi> <mi>l</mi> <mn>1</mn> </mrow> </msub> </mrow> <msup> <mi>m</mi> <mo>&prime;</mo> </msup> </mfrac> <mo>&CenterDot;</mo> <msub> <mi>PRR</mi> <mn>1</mn> </msub> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> <mo>,</mo> </mrow>

步骤2)：模型参数计算和模型选择，

2.1)使用的模型

模型一，

<mrow> <msub> <mi>PRR</mi> <mi>i</mi> </msub> <mo>=</mo> <msub> <mi>A</mi> <mn>1</mn> </msub> <mo>&CenterDot;</mo> <msubsup> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> <mo>+</mo> <msub> <mi>B</mi> <mn>1</mn> </msub> <mo>&CenterDot;</mo> <msubsup> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> <mo>,</mo> </mrow>

模型二，

PRR_i＝A₂·SNR_Avgi+B₂·LQI_Avgi+C₂ ⑸，

其中，i＝1,2,……,p，A₁、B₁、A₂、B₂、C₂是参数；

2.2)模型参数计算

第一种模型，

对上述p个数据点采用二元线性回归，得参数A₁和B₁的值计算公式如下：

<mrow> <msub> <mi>A</mi> <mn>1</mn> </msub> <mo>=</mo> <mfrac> <mrow> <mo>(</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msubsup> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> <mo>&CenterDot;</mo> <msub> <mi>PRR</mi> <mi>i</mi> </msub> <mo>)</mo> <mo>(</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msubsup> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> <mn>4</mn> </msubsup> <mo>)</mo> <mo>-</mo> <mo>(</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msubsup> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> <mo>&CenterDot;</mo> <msub> <mi>PRR</mi> <mi>i</mi> </msub> <mo>)</mo> <mo>(</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msubsup> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> <mo>&CenterDot;</mo> <msub> <mi>PRR</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msubsup> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> <mn>4</mn> </msubsup> <mo>)</mo> <mo>(</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msubsup> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> <mn>4</mn> </msubsup> <mo>)</mo> <mo>-</mo> <msup> <mrow> <mo>(</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msubsup> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> <mo>&CenterDot;</mo> <msubsup> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>6</mn> <mo>)</mo> </mrow> <mo>,</mo> </mrow>

<mrow> <msub> <mi>B</mi> <mn>1</mn> </msub> <mo>=</mo> <mfrac> <mrow> <mo>(</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msubsup> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> <mo>&CenterDot;</mo> <msub> <mi>PRR</mi> <mi>i</mi> </msub> <mo>)</mo> <mo>(</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msubsup> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> <mo>&CenterDot;</mo> <msubsup> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> <mo>)</mo> <mo>-</mo> <mo>(</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msubsup> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> <mo>&CenterDot;</mo> <msub> <mi>PRR</mi> <mi>i</mi> </msub> <mo>)</mo> <mo>(</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msubsup> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> <mn>4</mn> </msubsup> <mo>)</mo> </mrow> <mrow> <msup> <mrow> <mo>(</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msubsup> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> <mo>&CenterDot;</mo> <msubsup> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>-</mo> <mrow> <mo>(</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msubsup> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> <mn>4</mn> </msubsup> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msubsup> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> <mn>4</mn> </msubsup> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>7</mn> <mo>)</mo> </mrow> <mo>,</mo> </mrow>

由此得到公式⑷中的参数A₁、B₁，然后确定模型一的表达式；再将p个数据点对(SNR_Avg1,LQI_Avg1),……,(SNR_Avgp,LQI_Avgp)带入模型一的表达式，可得p个计算得到的数据包接收率PRR_cal1,PRR_cal2,……,PRR_calp，记则皮尔逊相关系数R₁由以下公式求出

<mrow> <msub> <mi>R</mi> <mn>1</mn> </msub> <mo>=</mo> <mfrac> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <mrow> <mo>(</mo> <msub> <mi>PRR</mi> <mi>i</mi> </msub> <mo>-</mo> <mover> <mrow> <mi>P</mi> <mi>R</mi> <mi>R</mi> </mrow> <mo>&OverBar;</mo> </mover> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <msub> <mi>PRR</mi> <mrow> <mi>c</mi> <mi>a</mi> <mi>l</mi> <mi>i</mi> </mrow> </msub> <mo>-</mo> <mover> <mrow> <msub> <mi>PRR</mi> <mrow> <mi>c</mi> <mi>a</mi> <mi>l</mi> </mrow> </msub> </mrow> <mo>&OverBar;</mo> </mover> <mo>)</mo> </mrow> </mrow> <mrow> <msqrt> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <mrow> <mo>(</mo> <msub> <mi>PRR</mi> <mi>i</mi> </msub> <mo>-</mo> <mover> <mrow> <mi>P</mi> <mi>R</mi> <mi>R</mi> </mrow> <mo>&OverBar;</mo> </mover> <mo>)</mo> </mrow> </mrow> </msqrt> <mo>&CenterDot;</mo> <msqrt> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <mrow> <mo>(</mo> <msub> <mi>PRR</mi> <mrow> <mi>c</mi> <mi>a</mi> <mi>l</mi> <mi>i</mi> </mrow> </msub> <mo>-</mo> <mover> <mrow> <msub> <mi>PRR</mi> <mrow> <mi>c</mi> <mi>a</mi> <mi>l</mi> </mrow> </msub> </mrow> <mo>&OverBar;</mo> </mover> <mo>)</mo> </mrow> </mrow> </msqrt> </mrow> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>8</mn> <mo>)</mo> </mrow> <mo>,</mo> </mrow>

第二种模型，

其中D、D₁、D₂、D₃的计算方法如下：

<mrow> <mi>D</mi> <mo>=</mo> <mfenced open = "|" close = "|"> <mtable> <mtr> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msubsup> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> </mrow> </mtd> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> <mo>&CenterDot;</mo> <msub> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> <mo>&CenterDot;</mo> <msub> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msubsup> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> </mrow> </mtd> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <mo>-</mo> <mn>2</mn> <mi>p</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>12</mn> <mo>)</mo> </mrow> </mrow>

<mrow> <msub> <mi>D</mi> <mn>1</mn> </msub> <mo>=</mo> <mfenced open = "|" close = "|"> <mtable> <mtr> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> <mo>&CenterDot;</mo> <msub> <mi>PRR</mi> <mi>i</mi> </msub> </mrow> </mtd> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> <mo>&CenterDot;</mo> <msub> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> <mo>&CenterDot;</mo> <msub> <mi>PRR</mi> <mi>i</mi> </msub> </mrow> </mtd> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msubsup> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> </mrow> </mtd> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>PRR</mi> <mi>i</mi> </msub> </mrow> </mtd> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <mo>-</mo> <mn>2</mn> <mi>p</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>13</mn> <mo>)</mo> </mrow> </mrow>

<mrow> <msub> <mi>D</mi> <mn>2</mn> </msub> <mo>=</mo> <mfenced open = "|" close = "|"> <mtable> <mtr> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msubsup> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> </mrow> </mtd> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> <mo>&CenterDot;</mo> <msub> <mi>PRR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> <mo>&CenterDot;</mo> <msub> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> <mo>&CenterDot;</mo> <msub> <mi>PRR</mi> <mi>i</mi> </msub> </mrow> </mtd> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>PRR</mi> <mi>i</mi> </msub> </mrow> </mtd> <mtd> <mrow> <mo>-</mo> <mn>2</mn> <mi>p</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>14</mn> <mo>)</mo> </mrow> </mrow>

<mrow> <msub> <mi>D</mi> <mn>3</mn> </msub> <mo>=</mo> <mfenced open = "|" close = "|"> <mtable> <mtr> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msubsup> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> </mrow> </mtd> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> <mo>&CenterDot;</mo> <msub> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> <mo>&CenterDot;</mo> <msub> <mi>PRR</mi> <mi>i</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> <mo>&CenterDot;</mo> <msub> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msubsup> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> </mrow> </mtd> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> <mo>&CenterDot;</mo> <msub> <mi>PRR</mi> <mi>i</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> <mi>i</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>PRR</mi> <mi>i</mi> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>15</mn> <mo>)</mo> </mrow> </mrow>

<mrow> <msub> <mi>R</mi> <mn>2</mn> </msub> <mo>=</mo> <mfrac> <mrow> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <mrow> <mo>(</mo> <msub> <mi>PRR</mi> <mi>i</mi> </msub> <mo>-</mo> <mover> <mrow> <mi>P</mi> <mi>R</mi> <mi>R</mi> </mrow> <mo>&OverBar;</mo> </mover> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <msub> <mi>PRR</mi> <mrow> <mi>c</mi> <mi>a</mi> <mi>l</mi> <mi>i</mi> </mrow> </msub> <mo>-</mo> <mover> <mrow> <msub> <mi>PRR</mi> <mrow> <mi>c</mi> <mi>a</mi> <mi>l</mi> </mrow> </msub> </mrow> <mo>&OverBar;</mo> </mover> <mo>)</mo> </mrow> </mrow> <mrow> <msqrt> <mrow> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <mrow> <mo>(</mo> <msub> <mi>PRR</mi> <mi>i</mi> </msub> <mo>-</mo> <mover> <mrow> <mi>P</mi> <mi>R</mi> <mi>R</mi> </mrow> <mo>&OverBar;</mo> </mover> <mo>)</mo> </mrow> </mrow> </msqrt> <mo>&CenterDot;</mo> <msqrt> <mrow> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <mrow> <mo>(</mo> <msub> <mi>PRR</mi> <mrow> <mi>c</mi> <mi>a</mi> <mi>l</mi> <mi>i</mi> </mrow> </msub> <mo>-</mo> <mover> <mrow> <msub> <mi>PRR</mi> <mrow> <mi>c</mi> <mi>a</mi> <mi>l</mi> </mrow> </msub> </mrow> <mo>&OverBar;</mo> </mover> <mo>)</mo> </mrow> </mrow> </msqrt> </mrow> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>16</mn> <mo>)</mo> </mrow> <mo>,</mo> </mrow>

步骤2.3)：模型选择，

当R1和R2都小于0.7时，这两个模型计算值都不能准确反应实际的PRR变化，因此重复步骤1)和步骤2)，直到选出皮尔逊相关系数大于0.7的模型，用该模型表达式对链路质量进行估计；

步骤3)：链路质量估计，

发射机发送q个长度为Length的数据包，q为10‐20，接收机将收到的数据包的SNR和LQI分别累加，得到SNR_sum和LQI_sum，在这q个数据包中接收机接收到的数据包个数为v，通过下述公式计算出SNR'_Avg和LQI'_Avg：

<mrow> <msup> <mi>PRR</mi> <mo>&prime;</mo> </msup> <mo>=</mo> <mfrac> <mi>v</mi> <mi>q</mi> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>17</mn> <mo>)</mo> </mrow> <mo>,</mo> </mrow>

<mrow> <msubsup> <mi>SNR</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> </mrow> <mo>&prime;</mo> </msubsup> <mo>=</mo> <mfrac> <mrow> <msub> <mi>SNR</mi> <mrow> <mi>s</mi> <mi>u</mi> <mi>m</mi> </mrow> </msub> </mrow> <mi>v</mi> </mfrac> <mo>&CenterDot;</mo> <msup> <mi>PRR</mi> <mo>&prime;</mo> </msup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>18</mn> <mo>)</mo> </mrow> <mo>,</mo> </mrow>

<mrow> <msubsup> <mi>LQI</mi> <mrow> <mi>A</mi> <mi>v</mi> <mi>g</mi> </mrow> <mo>&prime;</mo> </msubsup> <mo>=</mo> <mfrac> <mrow> <msub> <mi>LQI</mi> <mrow> <mi>s</mi> <mi>u</mi> <mi>m</mi> </mrow> </msub> </mrow> <mi>v</mi> </mfrac> <mo>&CenterDot;</mo> <msup> <mi>PRR</mi> <mo>&prime;</mo> </msup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>19</mn> <mo>)</mo> </mrow> <mo>,</mo> </mrow>

发射机在紧接着5秒内发送长度为Length数据包时，

PRR_prediction＝PRR_present (19.5)，

步骤4)：链路质量估计后修改估计链路质量表达式，

在步骤3)中，如果发射机第1次发送了q个长度为Length的数据包，按表达式(19.5)计算出的PRR_prediction记为PRR_prediction1，紧接着5秒内发送了多个长度为Length的数据包，统计得到的数据包接收率为PRR₁，链路质量估计的相对误差为

<mrow> <msub> <mi>&delta;</mi> <mn>1</mn> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mi>PRR</mi> <mrow> <mi>p</mi> <mi>r</mi> <mi>e</mi> <mi>d</mi> <mi>i</mi> <mi>c</mi> <mi>t</mi> <mi>i</mi> <mi>o</mi> <mi>n</mi> <mn>1</mn> </mrow> </msub> <mo>-</mo> <msub> <mi>PRR</mi> <mn>1</mn> </msub> </mrow> <mrow> <msub> <mi>PRR</mi> <mn>1</mn> </msub> </mrow> </mfrac> <mo>&times;</mo> <mn>100</mn> <mi>%</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>20</mn> <mo>)</mo> </mrow> <mo>,</mo> </mrow>

2.根据权利要求1所述的方法，其特征在于，所述的步骤2.3)：当R1和R2都大于0.7时，优选的，以皮尔逊相关系数更大的模型表达式对链路质量进行估计。