误帧率指数据传输过程中帧传错的概率。
误帧率包括基本信道误帧率（FER_FCH）和辅助信道误帧率（FER_SCH）。
误帧率高说明无线信道质量不好，需要调整相应参数，使误帧率小于一定的数值。
要求的误帧率一般是≤1%。1%～2%表示通话质量良好，2%～3%表示通话质量一般，3%～5%表示通话质量较差，5%～10%表示通话质量非常差。
꧁꧂
二、复玥语（Fuyeor Language）:
Fuyeor Language（FER，复玥语）是一门人造语言，拉丁转写为 ”Fuyé Fánńa” ，创造于 2018 年，可用很少单词创造使用新的词汇，简称为 FER。
复玥语共有 38 个音位，30 个字母，其中元音 13 个，辅音 26 个，音调符号 1 个；有二个基本音调及三个衍生音调。有印刷体和手写体的区分。
在复玥语中，除了常见的语法（例如复数等），还引入了一种特殊的”格“语法。
FER 的格不同于现有的任意一种语言的格，通过格后缀与一致数标明作用对象。
一致数与格对应，可以表示格的范围以及作用对象。
如果格的作用对象在有格的单词后(相邻)，则可以省略任一尾缀（格后缀或一致数）。
以辅音结尾的一致数和本身一致的，聚合为自然的辅音音节。
R语言之创建数据集数据集通常是由数据构成的一个矩形数组，行表示观测，列表示变量。R中有许多用于存储数据的结构，包括标量、向量、数组、数据框和列表。在R中，对象（object）是指可以赋值给变量的任何事物，包括常量、数据结构、函数、甚至是图形。因子（factor）是名义型变量或有序型变量，在R中被特殊地存储和处理。R中的数据结构：1.1向量 向量是用于存储数值型、字符型或逻辑型数据的一维数组。创建向量使用函数c()，如下例所示： 数值型向量：a<-c(1,2,5,3,6,-2,4) 字符型向量：b<-c("one","two","three") 逻辑型向量：c<-c(TRUE,TRUE,TRUE,FALSE,TRUE) 注：单个向量中的数据必须拥有相同的类型或模式。 标量是只含一个元素的向量，例如f<-3、g<-"US"和h<-TRUE。它们用于保存常量。 访问向量中的元素，可在方括号中给定元素所处位置的数值，如：a[c(2,4)]用于访问向量a中的第二个和第四个元素。1.2矩阵 矩阵是一个二维数组，只是每个元素都拥有相同的模式（数值型、字符型或逻辑型），可以通过matrix创建矩阵 一般使用格式为： mymatrix<-matrix(vector,nrow=number_of_rows,ncol=number_of_columns,byrow=logical_value,dimnames=list( char_vector_rownames,char_vector_colnames)) ，其中vector包含了矩阵的元素，nrow和ncol用以指定 行和列的维数，dimnames包含了可选的以字符型向量表示的行名和列名。选项byrow则表明矩阵应当按行 填充（byrow=TRUE）还是按列填充（byrow=FALSE），默认情况下按列填充。代码演示如下：[plain] view plain copy>cells<-c(1,23,56,485) >rnames<-c("R1","R2") >cnames<-c("c1","c2") [plain] view plain copy<pre name="code" class="html">>mymatrix<-matrix(cells ,nrow=2,ncol=2,byrow=TRUE,dimnames=list(rnames,cnames)) >mymatrix c1 c2 R1 1 23 R2 56 485 1.3数组数组与矩阵类似，但是维数可以大于2。数组可通过array函数创建，形式如下：myarray<-array(vector,dimensions,dimnames)，其中vector包含了数组中的数据，dimensions是一个数值型向量，给出了各个维度下标的最大值，而dimnames是可选的、各维度名称标签的列表。代码如下:[html] view plain copy>dim<-c("A1","A2") >dim1<-c("A1","A2") >dim2<-c("B1","B2","B3") >dim3<-c("C1","C2","C3","C4") >z<-array(1:24,c(2,3,4),dimnames=list(dim1,dim2,dim3)) >z , , C1 B1 B2 B3 A1 1 3 5 A2 2 4 6, , C2 B1 B2 B3 A1 7 9 11 A2 8 10 12, , C3 B1 B2 B3 A1 13 15 17 A2 14 16 18, , C4 B1 B2 B3 A1 19 21 23 A2 20 22 24 1.4数据框 数据框中不同的列可以包含不同模式（数值型、字符型等）的数据，是R中最常处理的数据结构。数据框可以通过函数data.frame()创建：mydata<-data.frame(col1,col2,col3,...)，其中的列向量col1，col2，col3，...可为任何类型（如字符型、数值型或逻辑型）。每一列的名称可由函数names指定。代码如下：[html] view plain copy>age<-c(25,34,28,53) >patientID<-c(1,2,3,4) >diabetes<-c("Type1","Type2","Type1","Type1") >status<-c("Poor","Improved","Excellent","Poor") >patientdata<-data.frame(patientID,age,diabetes,status) >patientdatapatientID age diabetesstatus 1 1 25Type1 Poor 2 2 34Type2 Improved 3 3 28Type1 Excellent 4 4 53Type1 Poor >patientdata$age [1] 25 34 28 53 <pre name="code" class="html">>table(patientdata$diabetes,patientdata$status) Excellent Improved PoorType1 102Type2 010 $被用来选取一个给定数据框中的某个特定变量，上面table(patientdata$diabetes,patientdata$status)生成了 diabetes和status的列联表。函数attach()可将数据框添加到R的搜索路径中。函数detach()将数据框从搜素路径中移除。相对于attach。多数的R书籍更推荐使用函数with()。1.5因子 变量可归结为名义型、有序型或连续型变量。类别（名义型）变量和有序类别（有序型）变量在R中称为因子。因子在R中非常重要，因为它决定了数据的分析方式以及如何进行视觉呈现。 函数factor（）以一个整数向量的形式存储类别值，整数的取值范围是[1...k]（其中k是名义变量中唯一值得个数），同时一个由字符串（原始值）组成的内部向量将映射到这些整数上。名义型eg：假设有向量：diabetes<-c("Type1","Type2","Type1","Type1")语句diabetes<-factor(diabetes)将此向量存储为（1，2，1，1）.有序型eg: 对于给定变量status<-c("Poor","Improved","Excellent","Poor")语句status<-factor(status,ordered=TRUE)会将向量编码为（3，2，1，3）。1.6列表（list） 列表是R的数据类型中最为复杂的一种。列表就是一些对象的（或成分，component)的有序集合。列表允许你整合若干（可能无关）的对象到单个对象名下。例如，某个列表中可能是若干向量、矩阵、数据框，甚至是其他列表的组合。可以使用函数list（）创建列表： mylist<-list(object1,object2,...)注：列表成为了R中的重要数据结构。 1.列表允许以一种简单的方式组织和重新调用不相干的信息； 2.许多R函数的运行结果都是以列表的形式返回的。可以说这些组的方差是同质的。另一方面，我们也可以比较Barlett的K-squared和查表的chi-square值，使用函数 qchisq，其输入包括alpha值和自由度>qchisq(0.950, 3)
[1] 7.814728
显然，这里的chi-squared 大于上面计算的Bartlett的K-squared，因此我们接受null hypothesis H0，即方差都是同质的。
