通过少量数据包估计无线传感网络链路质量的方法

摘要

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。

主权项

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，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:${\mathrm{PRR}}_1=\frac{m^{\prime }}{m}---\left(1\right),$${\mathrm{SNR}}_{\mathrm{Avg}1}=\frac{{\mathrm{SNR}}_{\mathrm{total}1}}{m^{\prime }}·{\mathrm{PRR}}_1---\left(2\right),$${\mathrm{LQI}}_{\mathrm{Avg}1}=\frac{{\mathrm{LQI}}_{\mathrm{total}1}}{m^{\prime }}·{\mathrm{PRR}}_1---\left(3\right),$对于发射机发送的第2,3……w批数据包，接收机也进行类似的统计和运算，分别得到SNR_Avg2,LQI_Avg2,PRR₂,……,SNR_Avgw,LQI_Avgw,PRR_w，去除PRR＝1的数据点，假设去除后只有p组数据点SNR_Avg1,LQI_Avg1,PRR₁,……,SNR_Avgp,LQI_Avgp,PRR_p；步骤2)：模型参数计算和模型选择，2.1)使用的模型链路质量估计中，步骤1)中每一批PRR<1的m个数据包的接收率和数据包的SNR_Avgi和LQI_Avgi符合下述单调递增的模型表达式之一：模型一，${\mathrm{PRR}}_i=A_1·{\mathrm{SNR}}_{\mathrm{Avgi}}^2+B_1·{\mathrm{LQI}}_{\mathrm{Avgi}}^2---\left(4\right),$模型二，PRR_i＝A₂·SNR_Avgi+B₂·LQI_Avgi+C₂         ⑸，其中，i＝1,2,……,p，A₁、B₁、A₂、B₂、C₂是参数；2.2)模型参数计算分别按上述2.1)中两种模型的表达式对p个数据点(SNR_Avg1,LQI_Avg1,PRR₁),……,(SNR_Avgp,LQI_Avgp,PRR_p)进行线性回归，具体计算方法如下：第一种模型，对上述p个数据点采用二元线性回归，得参数A₁和B₁的值计算公式如下：$A_1=\frac{(\underset{i=1}{\overset{p}{\Sigma }}{\mathrm{SNR}}_{\mathrm{Avgi}}^2·{\mathrm{PRR}}_i)\left(\underset{i=1}{\overset{p}{\Sigma }}{\mathrm{LQI}}_{\mathrm{Avgi}}^4\right)-(\underset{i=1}{\overset{p}{\Sigma }}{\mathrm{LQI}}_{\mathrm{Avgi}}^2·{\mathrm{PRR}}_i)(\underset{i=1}{\overset{p}{\Sigma }}{\mathrm{SNRR}}_{\mathrm{Avgi}}^2·{\mathrm{PRR}}_i)}{\left(\underset{i=1}{\overset{p}{\Sigma }}{\mathrm{SNR}}_{\mathrm{Avgi}}^4\right)\left(\underset{i=1}{\overset{p}{\Sigma }}{\mathrm{LQI}}_{\mathrm{Avgi}}^4\right)-{(\underset{i=1}{\overset{p}{\Sigma }}{\mathrm{LQI}}_{\mathrm{Avgi}}^2·{\mathrm{SNR}}_{\mathrm{Avgi}}^2)}^2}---\left(6\right),$$B_1=\frac{(\underset{i=1}{\overset{p}{\Sigma }}{\mathrm{SNR}}_{\mathrm{Avgi}}^2·{\mathrm{PRR}}_i)(\underset{i=1}{\overset{p}{\Sigma }}{\mathrm{LQI}}_{\mathrm{Avgi}}^2·{\mathrm{SNR}}_{\mathrm{Avgi}}^2)-(\underset{i=1}{\overset{p}{\Sigma }}{\mathrm{LQI}}_{\mathrm{Avgi}}^2·{\mathrm{PRR}}_i)(\underset{i=1}{\overset{p}{\Sigma }}{\mathrm{SNRR}}_{\mathrm{Avgi}}^4)}{{(\underset{i=1}{\overset{p}{\Sigma }}{\mathrm{LQI}}_{\mathrm{Avgi}}^2·{\mathrm{SNR}}_{\mathrm{Avgi}}^2)}^2\left(\underset{i=1}{\overset{p}{\Sigma }}{\mathrm{SNR}}_{\mathrm{Avgi}}^4\right)\left(\underset{i=1}{\overset{p}{\Sigma }}{\mathrm{LQI}}_{\mathrm{Avgi}}^4\right)}---\left(6\right),$由此得到公式⑸中的参数A₁、B₁，然后确定模型一的表达式；再将p个数据点对(SNR_Avg1,LQI_Avg1),……,(SNR_Avgp,LQI_Avgp)带入模型一的表达式，可得p个计算得到的数据包接收率PRR_cal1,PRR_cal2,……,PRR_calp，记则皮尔逊相关系数R₁由以下公式求出$R_1=\frac{\underset{i=1}{\overset{p}{\Sigma }}({\mathrm{PRR}}_i-\overline{\mathrm{PRR}})({\mathrm{PRR}}_{\mathrm{cali}}-\overline{{\mathrm{PRR}}_{\mathrm{cal}}})}{\sqrt{\underset{i=1}{\overset{p}{\Sigma }}({\mathrm{PRR}}_i-\overline{\mathrm{PRR}})}·\sqrt{\underset{i=1}{\overset{p}{\Sigma }}({\mathrm{PRR}}_{\mathrm{cali}}-\overline{{\mathrm{PRR}}_{\mathrm{cal}}})}}---\left(8\right),$第二种模型，当p个数据点符合公式⑸的模型时，采用二元线性回归的方法，得参数A₂、B₂和C₂的值计算公式如下：$A_2=\frac{D_1}{D}---\left(9\right),$$B_2=\frac{D_2}{D}---\left(10\right),$$C_2=\frac{D_3}{D}---\left(11\right),$其中D、D₁、D₂、D₃的计算方法如下：$D=\left|\begin{array}{ccc}\underset{i=1}{\overset{p}{\Sigma }}{\mathrm{SNR}}_{\mathrm{Avgi}}^2& \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{SNR}}_{\mathrm{Avgi}}·{\mathrm{LQI}}_{\mathrm{Avgi}}& \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{SNR}}_{\mathrm{Avgi}}\\ \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{SNR}}_{\mathrm{Avgi}}·{\mathrm{LQI}}_{\mathrm{Avgi}}& \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{LQI}}_{\mathrm{Avgi}}^2& \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{LQI}}_{\mathrm{Avgi}}\\ \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{SNR}}_{\mathrm{Avgi}}& \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{LQI}}_{\mathrm{Avgi}}& -2p\end{array}\right|---\left(12\right)$$D_1=\left|\begin{array}{ccc}\underset{i=1}{\overset{p}{\Sigma }}{\mathrm{SNR}}_{\mathrm{Avgi}}·{\mathrm{PRR}}_i& \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{SNR}}_{\mathrm{Avgi}}·{\mathrm{LQI}}_{\mathrm{Avgi}}& \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{SNR}}_{\mathrm{Avgi}}\\ \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{LQI}}_{\mathrm{Avgi}}·{\mathrm{PRR}}_i& \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{LQI}}_{\mathrm{Avgi}}^2& \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{LQI}}_{\mathrm{Avgi}}\\ \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{PRR}}_i& \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{LQI}}_{\mathrm{Avgi}}& -2p\end{array}\right|---\left(13\right)$$D_2=\left|\begin{array}{ccc}\underset{i=1}{\overset{p}{\Sigma }}{\mathrm{SNR}}_{\mathrm{Avgi}}^2& \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{SNR}}_{\mathrm{Avgi}}·{\mathrm{PRR}}_i& \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{SNR}}_{\mathrm{Avgi}}\\ \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{SNR}}_{\mathrm{Avgi}}·{\mathrm{LQI}}_{\mathrm{Avgi}}& \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{LQI}}_{\mathrm{Avgi}}·{\mathrm{PRR}}_i& \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{LQI}}_{\mathrm{Avgi}}\\ \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{SNR}}_{\mathrm{Avgi}}& \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{PRR}}_i& -2p\end{array}\right|---\left(14\right)$$D_3=\left|\begin{array}{ccc}\underset{i=1}{\overset{p}{\Sigma }}{\mathrm{SNR}}_{\mathrm{Avgi}}^2& \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{SNR}}_{\mathrm{Avgi}}·{\mathrm{LQI}}_{\mathrm{Avgi}}& \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{SNR}}_{\mathrm{Avgi}}·{\mathrm{PRR}}_i\\ \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{SNR}}_{\mathrm{Avgi}}·{\mathrm{LQI}}_{\mathrm{Avgi}}& \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{LQI}}_{\mathrm{Avgi}}^2& \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{LQI}}_{\mathrm{Avgi}}·{\mathrm{PRR}}_i\\ \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{SNR}}_{\mathrm{Avgi}}& \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{LQI}}_{\mathrm{Avgi}}& \underset{i=1}{\overset{p}{\Sigma }}{\mathrm{PRR}}_i\end{array}\right|---\left(15\right)$由此得到公式⑸中的参数A₂、B₂、C₂，进而确定模型二的表达式，再将p个数据点对(SNR_Avg1,LQI_Avg1),……,(SNR_Avgp,LQI_Avgp)带入模型二的表达式，得到p个计算得到的数据包接收率PRR_cal1,PRR_cal2,……,PRR_calp，记则皮尔逊相关系数R₂可由以下公式求出$R_2=\frac{\underset{i=1}{\overset{p}{\Sigma }}({\mathrm{PRR}}_i-\overline{\mathrm{PRR}})({\mathrm{PRR}}_{\mathrm{cali}}-\overline{{\mathrm{PRR}}_{\mathrm{cal}}})}{\sqrt{\underset{i=1}{\overset{p}{\Sigma }}({\mathrm{PRR}}_i-\overline{\mathrm{PRR}})}·\sqrt{\underset{i=1}{\overset{p}{\Sigma }}({\mathrm{PRR}}_{\mathrm{cali}}-\overline{{\mathrm{PRR}}_{\mathrm{cal}}})}}---\left(16\right),$步骤2.3)：模型选择，当R1和R2中只有一个大于0.7时，皮尔逊相关系数大于0.7的模型计算值能准确反应实际的PRR变化，用该模型表达式对链路质量进行估计；当R1和R2都大于0.7时，这两个模型计算值都能准确反应实际的PRR变化，因此这两个模型都可对链路质量进行估计；当R1和R2都小于0.7时，这两个模型计算值都能不能准确反应实际的PRR变化，因此重复第一步和第二步，直到选出皮尔逊相关系数大于0.7的模型，用该模型表达式对链路质量进行估计；步骤3)：链路质量估计，发射机发送q个长度为Le ngth的数据包，q为10‐20，接收机将收到的数据包的SNR和LQI分别累加，得到SNR_sum和LQI_sum，通过下述公式计算出SNR'_Avg和LQI'_Avg：${\mathrm{PRR}}^{\prime }=\frac{v}{q}---\left(17\right),$${\mathrm{SNR}}_{\mathrm{Avg}}^{\prime }=\frac{{\mathrm{SNR}}_{\mathrm{sum}}}{v}·{\mathrm{PRR}}^{\prime }---\left(18\right),$${\mathrm{LQI}}_{\mathrm{Avg}}^{\prime }=\frac{{\mathrm{LQI}}_{\mathrm{sum}}}{v}·{\mathrm{PRR}}^{\prime }---\left(19\right),$将计算得到的SNR'_Avg和LQI'_Avg代入步骤2.3)选择的模型的表达式即可估计出这段时间内本条链路的包接收率PRR_present；发射机在紧接着5秒内发送长度为Length数据包时，PRR_prediction＝PRR_present，步骤4)：链路质量估计后修改估计链路质量表达式，在步骤3)中，如果发射机第1次发送了q个长度为Length的数据包，按表达式⒇计算出的PRR_prediction记为PRR_prediction1，紧接着5秒内发送了多个长度为Length的数据包，统计得到的数据包接收率为PRR₁，链路质量估计的相对误差为${\delta }_1=\frac{{\mathrm{PRR}}_{\mathrm{predictioon}1}-{\mathrm{PRR}}_1}{{\mathrm{PRR}}_1}\times 100\%---\left(20\right)$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)。