一种跨协议干扰下的低功率无线链路质量估计方法

摘要

本发明公开了一种跨协议干扰下的低功率无线链路质量估计方法，周期性对信道进行扫描，以获得信道噪声统计信息，更新链路质量估计所需的参数，参数更新后对链路质量进行估计。链路质量估计方法将特定调制解调模式下的理论误码率模型与背景噪声分布相结合，从而具有较高的准确性，且不受干扰源类型的影响。其次，该方法只需要测量较短时间内背景噪声的分布与接收信号强度指示的均值，具有较低的通信和计算开销。最后，该方法不需要离线训练和建模，因此可以快速适应各种应用场景，可用于使用任何无线技术的设备在其他任何无线技术干扰下的链路质量估计，具有普适性和扩展性。

说明书

技术领域

本发明涉及低功率无线通信领域，尤其涉及一种跨协议干扰下的低功率无线链路质量估计方法。

背景技术

ISM（Industrial Scientific Medical）频段作为全世界通用的免授权无线频段，存在多种无线技术使用同一频段的情况。例如，基于IEEE 802.11标准的WiFi技术、基于IEEE 802.15.1标准的Bluetooth技术以及基于IEEE 802.15.4标准的ZigBee技术均使用2.4GHz ISM频段。近年来，使用这些技术的无线设备变得越来越普遍，这导致ISM频段变得越来越拥挤。使用不同无线技术的设备之间不可避免地存在相互干扰，这种干扰通常被称为跨协议干扰（CTI，Cross- Technology Interference）。

当一个区域内存在多个使用不同无线技术的设备时，对于某一特定设备而言，其他使用不同技术的设备的无线信号可视为噪声。当附近的无线设备在进行通信时，噪声强度会增加，进而导致信噪比以及链路质量的降低。当信噪比低于特定阈值时，将会出现丢包。更为严重时，将会导致通信中断。为了提高网络传输效率以及最大程度地降低低质量链路引起的数据包重传等开销，需要高效、准确地对链路的收包率（PRR，Packet ReceptionRatio）进行估计。

目前对CTI环境下的链路质量进行估计的方法很少。同时，充分考虑CTI影响且较为准确的链路质量估计方法基本都是集中式的，需要对大量的网络数据包信息进行统计，这将产生非常高的通信和计算开销。因此，一种可以在单个设备本地执行的分布式链路质量估计方法是必要的。此外，该方法还应具备低开销和高准确性。

发明内容

发明目的：针对以上问题，本发明提出一种跨协议干扰下的低功率无线链路质量估计方法，只需要测量较短时间内背景噪声的分布与接收信号强度指示的均值，具有较低的通信和计算开销。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种跨协议干扰下的低功率无线链路质量估计方法，包括步骤：

（1）扫描当前信道进行，获得信道噪声统计信息，更新链路质量估计所需的参数，噪声样本的内部噪声N_dBm和噪声样本的累积概率分布F_CDF(·)；

（2）从当前节点的邻居节点集合中选取需要进行链路质量估计的邻居节点Node_i；

（3）统计时间窗口t₃内，该邻居节点Node_i发送的数据包到达当前节点时所有的数据包长度集合L={l₁,>l₂, … ,>l_j,>1,>2, … ,>j,>j为该时间窗口下数据包长度为l_j时的接收信号功率集合；

（4）基于数据包长度集合L和接收信号功率集合Pr，对于集合L中的每一种数据包长度，计算特定长度数据包的接收信号功率均值，得到接收信号功率均值集合Prm={Prm₁,>2,… ,>j,>

（5）基于获得的数据包长度集合L、接收信号功率均值集合Prm以及噪声样本的内部噪声N_dBm，对于集合L中的每一种数据包长度，计算无跨协议干扰下特定长度数据包的收包率估计值，得到无跨协议干扰下收包率估计值集合PRR_Non-CTI={PRR_Non-CTI1,>Non-CTI2,>Non-CTIj,>

（6）基于获得的数据包长度集合L，对于集合L中的每一种数据包长度，计算无跨协议干扰下特定长度数据包满足至少收到1个数据包时接收信号功率减去噪声的最小值，得到满足至少收到1个数据包的阈值集合T={τ₁,>τ₂, … ,>τ_j,>

（7）基于获得的接收信号功率均值集合Prm、阈值集合T以及噪声样本的累积概率分布F_CDF(·)，对于集合L中的每一种数据包长度，计算跨协议干扰下特定长度数据包的接收信号功率均值减去噪声大于或等于对应阈值的概率，得到对应概率集合P={P(τ₁),>τ₂), …,>τ_j),>

（8）基于获得的无跨协议干扰下的收包率估计值集合PRR_Non-CTI以及跨协议干扰下接收信号功率均值减去噪声大于或等于对应阈值的概率集合P，对于集合L中的每一种数据包长度，计算跨协议干扰下特定长度数据包的收包率估计值，得到对应的跨协议干扰下收包率估计值集合PRR_CTI={PRR_CTI1,>CTI2, … ,>CTIj,>

（9）对邻居节点集合中其他需要进行链路质量估计的邻居节点重复步骤2到8，直到所有邻居节点链路质量估计完成。

进一步地，所述步骤1中，具体包括：

（1.1）统计时间窗口t₁内的噪声样本，采样频率f_n，得到噪声样本个数m₁=t₁×f_n；

（1.2）基于获得的噪声样本，统计该时间窗口下每个噪声值收到噪声样本的个数>_i，则第i个噪声值在时间窗口t₁内出现的概率P(N_i)为：

其中，N_i为从小到大排列的噪声值。

（1.3）基于获得的每个噪声值在该时间窗口出现的概率，统计得到该时间窗口下P(N_i)大于设定阈值时对应的N_i，记所有满足条件的N_i的集合为N；

（1.4）基于获得的集合N，选取集合N的最小值，得到该时间窗口的内部噪声N_dBm；

（1.5）基于获得的每个噪声值在该时间窗口出现的概率P(N_i)，计算得到噪声样本的累积概率分布F_CDF(·)，第j个噪声值的累积概率分布为：

其中，j=1,>

进一步地，所述步骤4中，第j个数据包长度l_j对应的接收信号功率均值Prm_j为：

其中，Pr_jk为该数据包长度对应的第k个接收信号功率样本，n_1j为该数据包长度对应的接收信号功率样本的个数。

进一步地，所述步骤5中，具体包括：

（5.1）当数据包长度为l时，无跨协议干扰下收包率估计值PRR_Non-CTI与误比特率BER的关系：

（5.2）误比特率BER与信噪比SNR的关系为：

（5.3）得到无跨协议干扰下收包率估计值PRR_Non-CTI与信噪比SNR的关系：

（5.4）接收信号功率为信号功率与噪声功率的叠加，接收信号功率测量值Pr与信噪比SNR的关系为：

其中，P_Pr为接收信号功率，P_N为噪声功率；P_r为接收信号功率测量值，Noise为噪声功率测量值。

（5.5）得到PRR_Non-CTI与Pr的关系：

（5.6）基于获得的数据包长度集合L、接收信号功率均值集合Prm以及内部噪声N_dBm，对于集合L中的每一种数据包长度，计算无跨协议干扰下特定长度数据包的收包率估计值，得到无跨协议干扰下收包率估计值集合PRR_Non-CTI。

其中，第j个数据包长度l_j对应的收包率估计值PRR_Non-CTIj为：

其中，a为校正值。

进一步地，所述步骤6中，第j个数据包长度l_j对应的阈值τ_j的计算公式如下：

其中，f^-1(·)为函数f^-(·)的反函数，n_2j为该时间窗口下收到长度为l_j数据包的个数。

进一步地，所述步骤7中，具体包括：

（7.1）当链路存在跨协议干扰时，噪声记为N_CTI，第j个数据包长度能收到数据包，满足如下条件：

（7.2）跨协议干扰下收到数据包发生的概率为：

。

进一步地，所述步骤8中，第j个数据包长度l_j对应的PRR_CTIj为：

。

有益效果：本发明方法将特定调制解调模式下的理论误码率模型与背景噪声分布相结合，从而使该方法具有较高的准确性，且不会受到干扰源类型的影响。其次，本发明方法只需要测量较短时间内背景噪声的分布与接收信号强度指示的均值，而不需要收集、统计全局的数据包信息，因此具有较低的通信和计算开销。最后，本发明方法不再需要离线训练和建模，因此可以快速适应各种应用场景。更重要的是，本发明可用于使用任何无线技术的设备在其他任何无线技术干扰下的链路质量估计，具有普适性和扩展性。

附图说明

图1是本发明所述的跨协议干扰下的低功率无线链路质量估计方法框架图；

图2是本发明所述的跨协议干扰下的低功率无线链路质量估计方法流程图。

具体实施方式

下面结合附图和实施例对本发明的技术方案作进一步的说明。

如图1和图2所示，本发明所述的跨协议干扰下的低功率无线链路质量估计方法，包括步骤：

第一阶段：模型更新阶段；周期性进行模型更新，对当前信道进行扫描，获得信道噪声统计信息，用于更新链路质量估计模型所需的参数。

步骤一、统计时间窗口长度为t₁内的噪声样本，更新间隔为t₂；噪声采样频率f_n根据实际情况设置，确保采样个数t₁×f_n足够用于模型更新。

步骤二、基于步骤一中获得的噪声样本统计得到时间窗口t₁的内部噪声N_dBm以及噪声样本的累积概率分布F_CDF(·)。

该时间窗口的内部噪声以及噪声样本的累积概率分布的计算包括以下步骤：

2a、基于步骤一中获得的噪声样本，统计该时间窗口下每个噪声值收到噪声样本的个数，记为n_i，则第i个噪声值在时间窗口t₁内出现的概率P(N_i)为：

其中，m₁为长度为t₁的时间窗口收到噪声样本的个数，N_i为从小到大排列的噪声值。噪声值由于无线协议与设备的不同存在一定区别，以ZigBee为例，每个噪声值的间隔可设置为1dB。

2b、基于步骤2.a中获得的每个噪声值在该时间窗口出现的概率，可以统计得到该时间窗口下P(N_i)大于某个设定阈值时对应的N_i，记所有满足条件的N_i的集合为N。以ZigBee为例，该设定阈值可设置为5%。

2c、基于步骤2.b中获得的集合N，可以得到该时间窗口的内部噪声N_dBm，即为N中的最小值：

2d、基于步骤2.a中获得的每个噪声值在该时间窗口出现的概率P(N_i)，可以统计得到噪声样本的累积概率分布F_CDF(·)，第j个噪声值的累积概率分布为：

其中，j=1,>

考虑到统计噪声的通信和计算开销较大，且短时间内外界噪声的变化通常不大，一般设置t₂>1。t₁、t₂的具体取值可根据外界噪声的变化特性确定。

第二阶段：链路质量估计阶段；模型更新后即可对链路质量进行估计，直到下一次模型更新之前。

步骤一、从当前节点的邻居节点集合中选择需要进行链路质量估计的邻居节点Node_i。

步骤二、统计长度为t₃的时间窗口内，该邻居节点Node_i发送的数据包到达当前节点时所有的数据包长度集合L={l₁,>l₂, … ,>l_j,>1,>2, … ,>j,>j为该时间窗口下数据包长度为l_j时的接收信号功率集合。

接收信号功率可使用常用的接收信号强度指示（RSSI，Received SignalStrength Indicator）表示，t₃可根据实际的数据包产生速率进行设置。

步骤三、基于步骤二中获得的数据包长度集合L和接收信号功率集合Pr，对于集合L中的每一种数据包长度，计算特定长度数据包的接收信号功率均值，得到对应的接收信号功率均值集合Prm={Prm₁,>2, … ,>j,>

其中，第j个数据包长度l_j对应的接收信号功率均值Prm_j为：

其中，Pr_jk为该数据包长度对应的第k个接收信号功率样本，n_1j为该数据包长度对应的接收信号功率样本的个数。

以ZigBee为例，ZigBee通常使用RSSI来对接收信号功率进行表示，第j个数据包长度l_j对应的RSSI均值RSSIm_j为：

其中，RSSI_jk为该数据包长度对应的第k个RSSI样本，n_1j为该数据包长度对应的RSSI样本的个数。

步骤四、基于步骤二中获得的数据包长度集合L、步骤三中获得的接收信号功率均值集合Prm以及模型更新阶段获得的噪声样本的内部噪声N_dBm，对于集合L中的每一种数据包长度，计算无CTI下特定长度数据包的收包率（PRR，Packet>Non-CTI={PRR_Non-CTI1,>Non-CTI2, … ,>Non-CTIj,…}。

对于无CTI下该时间窗口的收包率估计值集合PRR_Non-CTI的计算包括以下步骤：

4a、理论上，特定数据包长度下，误比特率（BER，Bit Error Rate）与PRR存在一定的关系。当数据包长度为l时，可得BER与PRR的理论关系，即无CTI下BER与PRR的估计值PRR_Non-CTI的关系：

4b、对于基于特定标准的无线设备，一般使用相同调制解调模式，即它们具有相同的理论BER。BER与信噪比（SNR，Signal-to-Noise Ratio）存在一定关系。即：

以ZigBee为例，使用DSSS-OQPSK调制，该调制下的理论误比特率可表示为：

其中，E_b为每比特码元的能量，N₀为噪声单边功率谱密度，Q(·)代表Q函数。

SNR与存在如下关系：

其中，P_s为信号功率，P_n为噪声功率，单位均为mW；R_b为数据传输速率，单位为kb/s；B_N为噪声带宽，单位为kHz。

ZigBee技术下SNR与BER的关系为：

4c、基于步骤4a以及步骤4b，可以得到无CTI下SNR与PRR_Non-CTI的关系：

以ZigBee为例，无CTI下SNR与PRR_Non-CTI的关系：

4d、接收信号功率为信号功率与噪声功率的叠加，接收信号功率测量值Pr与信噪比SNR的关系为：

其中，P_Pr为接收信号功率，P_N为噪声功率，单位均为mW；P_r为接收信号功率测量值，Noise为噪声功率测量值，单位均为dBm。

以ZigBee为例，RSSI测量值与SNR存在如下关系：

其中，P_RSSI为芯片测得的RSSI功率，P_N为噪声功率，单位均为mW；RSSI为RSSI测量值，Noise为噪声功率测量值，单位均为dBm。

4e、基于步骤4c和步骤4d，可以得到PRR_Non-CTI与Pr的关系：

以ZigBee为例，PRR_Non-CTI与RSSI的关系为：

4f、基于步骤二中获得的数据包长度集合L、步骤三中获得的接收信号功率均值集合Prm以及模型更新阶段获得的内部噪声N_dBm，对于集合L中的每一种数据包长度，计算无CTI下特定长度数据包的PRR估计值，得到对应的无CTI下PRR估计值集合PRR_Non-CTI。

其中，第j个数据包长度l_j对应的PRR估计值PRR_Non-CTIj为：

其中，a为校正值，可根据不同硬件取不同值。

以ZigBee为例，无CTI下第j个数据包长度l_j对应的PRR估计值PRR_Non-CTIj为：

其中，校正值a取值为1。

步骤五、基于步骤二中获得的数据包长度集合L，对于集合L中的每一种数据包长度，计算无CTI下特定长度数据包满足至少收到1个数据包时接收信号功率减去噪声的最小值，得到对应满足至少收到1个数据包的阈值的集合T={τ₁,>τ₂, … ,>τ_j,>j个数据包长度l_j对应的阈值τ_j的计算公式如下：

其中，f^-1(·)为函数f^-(·)的反函数，n_2j为该时间窗口下收到长度为l_j数据包的个数。

以ZigBee为例，第j个数据包长度l_j对应的阈值τ_j的计算公式如下：

其中，Q^-1(·)为Q函数的反函数，n_2j为该时间窗口下收到长度为l_j数据包的个数。

步骤六、基于步骤三中获得的接收信号功率均值集合Prm、步骤五中获得的阈值的集合T以及模型更新阶段获得的噪声样本的累积概率分布F_CDF(·)，对于集合L中的每一种数据包长度，计算CTI下特定长度数据包的接收信号功率均值减去噪声大于或等于对应阈值的概率，得到对应概率的集合P={P(τ₁),>τ₂), … ,>τ_j),>

对于CTI下特定长度数据包的接收信号功率均值减去噪声大于或等于对应阈值的概率的计算包括以下步骤：

6a、当链路存在CTI时，测得的噪声不仅只有内部噪声，还存在实时变化的外部干扰噪声，此时噪声记为N_CTI。接收信号功率减去噪声小于阈值τ时，PRR等于0。即CTI下第j个数据包长度能收到数据包，需要满足如下条件：

以ZigBee为例，CTI下第j个数据包长度能收到数据包，需要满足如下条件：

6b、CTI下收到数据包发生的概率为：

以ZigBee为例，CTI下收到数据包发生的概率为：

步骤七、基于步骤四中获得的无CTI下的PRR估计值集合PRR_Non-CTI以及步骤六中获得的CTI下接收信号功率均值减去噪声大于或等于对应阈值概率的集合P，对于集合L中的每一种数据包长度，计算CTI下特定长度数据包的PRR估计值，得到对应的CTI下PRR估计值集合PRR_CTI={PRR_CTI1,>CTI2, … ,>CTIj,>

其中，第j个数据包长度l_j对应的PRR_CTIj为：

以ZigBee为例，CTI下第j个数据包长度l_j对应的PRR_CTIj为：

步骤八、对邻居节点集合中其他需要进行链路质量估计的邻居节点重复步骤一到七，直到所有邻居节点链路质量估计完成。