1.一种基于多中继多天线的认知无线传感器网络性能优化方法，其特征在于，包括以下方法：

步骤1、建立多中继多天线认知无线传感器网络系统模型，该模型包括一个具有NP个天线的授权用户源节点PUS、一个具有NP个天线的授权用户目的节点PUD，一个具有Nt个天线的认知用户源节点SUS、一个具有Nr个天线的认知用户目的节点SUD，M个具有NRt个发送天线和NRr个接收天线的中继节点CRi；其中，i＝1,..,M；该系统模型的工作过程分为频谱感知和信息传输两个阶段；

步骤a、频谱感知阶段：

在频谱感知阶段，设定M个中继节点参与频谱感知，将频谱感知结果发送给认知用户源节点SUS，然后认知用户源节点作为融合中心，将本地感知结果和中继的感知结果采用或准则进行融合；

步骤b、信息传输阶段：

在信息传输阶段，当步骤a中认知用户源节点融合后的感知结果为H0状态，此时认知用户直接占用信道进行信息传输；当感知结果为H1状态，此时认知用户与授权用户共存，要保证认知用户对授权用户的通信造成的干扰低于授权用户设置的干扰门限值；M个中继节点作为普通中继协助认知用户进行信息传输；其中，H0表示授权用户PU没有进行通信，H1表示PU正在占用信道，进行通信；

当授权用户和认知用户同时占用信道进行信息传输时，授权用户目的节点接收到的信号信干比SINRP表示为：其中，PP表示授权用户源节点的发送功率；PS表示在对授权用户的信息传输不造成干扰的情况下，认知用户源节点的发送功率； GP表示授权用户源节点与授权用户目的节点之间的静态平坦衰落复向量，C表示复数集合，NP表示授权用户源节点和授权用户目的节点具有的天线的数目； HP表示认知用户源节点与授权用户目的节点之间的静态平坦衰落复向量，Nt表示认知用户源节点具有的天线的数目； 表示授权用户源节点与授权用户目的节点之间的高斯白噪声的方差； 表示*的弗罗贝尼乌斯范数；

当步骤a中认知用户源节点融合后的感知结果为授权用户不存在时，使用中继进行协助通信，认知用户源节点发送的信息，先通过中继节点解码转发后，再发送给认知用户目的节点；

第i个中继节点接收到的信号的信干比γi1为：

认知用户目的节点接收到的信号的信干比γ2为：

其中，P表示授权用户不存在时，认知用户源节点的发送功率；PR表示中继节点的发送功率； Hi表示认知用户源节点到第i个中继节点之间的静态平坦衰落复向量，NRr表示中继节点具有的接收天线的数目，Nt表示认知用户源节点具有的天线数目； Gi表示第i个中继节点到认知用户目的节点之间的静态平坦衰落复向量，NRt表示中继节点具有的发送天线的数目，Nr表示认知用户目的节点具有的天线数目； 表示认知用户源节点与中继节点之间的高斯白噪声的方差， 表示中继节点与认知用户目的节点之间的高斯白噪声的方差，NP，Nt，Nr，NRr，NRt和M由用户指定；

步骤2、使用最大最小中继选择策略进行中继选择；

在确定NP，Nt，Nr，NRr，NRt和M的大小的情况下，根据步骤1，首先计算出第i个中继节点接收到的信号的信噪比γi1，然后计算出通过中继放大转发之后，在认知用户目的节点接收到的信号的信噪比γ2，最后利用最大最小中继选择方法选择出最优中继kopt，其中步骤3)波束赋形通过对不同天线阵元的信号乘以不同复加权系数，然后将相乘之后的结果相加；

步骤4)根据步骤3波束赋形后得到的结果，计算授权用户和认知用户的中断概率；具体如下：

步骤4.1)将授权用户的SINR门限值设置为γPth，授权用户的信干比SINR的中断概率Pout(γPth)为：步骤4.2)将认知用户的SINR门限值设置为γSth，认知用户的SINR中断概率Pout(γSth)为：其中，Γ(.)表示伽玛函数，F(.,.；.；.)表示超几何函数。

2.根据权利要求1所述的一种基于多中继多天线的认知无线传感器网络性能优化方法，其特征在于，所述步骤a中，所述频谱感知方式是混合频谱感知方式，即同时采用谱覆盖和谱重叠这两种方式；谱覆盖方式是指在授权用户没有使用授权频段进行信息传输时，认知用户暂时使用该授权频段进行信息传输；谱重叠方式是指认知用户的发射功率与授权用户同时占用授权频段。

3.根据权利要求1所述的一种基于多中继多天线的认知无线传感器网络性能优化方法，其特征在于，所述步骤3中复加权系数既用于调整信号相位，也用于调整信号幅度。

4.根据权利要求1所述的一种基于多中继多天线的认知无线传感器网络性能优化方法，其特征在于，所述步骤4.1中，授权用户的中断概率受授权用户源节点天线数量Nt和认知用户源节点发射功率PS的影响。

5.根据权利要求1所述的一种基于多中继多天线的认知无线传感器网络性能优化方法，其特征在于，所述步骤4.2中，认知用户的SINR中断概率授权受NrNRr和NrNRrNRtNt的影响。