1.一种基于蚁群算法的SCMA系统资源分配算法，其特征在于：首先将最大化SCMA系统吞吐量分配问题等价为一个求解最佳路径的问题，即将最大化SCMA系统吞吐量分配问题建模成一个二部图，所述二部图中多个边的集合组成一条可行路径，对于SCMA系统吞吐量问题的一种分配方案对应着一种解，而求该问题的最优解对应二部图中的一条最优路径；采用蚁群算法求解该最优路径：将蚂蚁随机的放在用户集上，让蚂蚁在信息素和启发式信息的引导下构建最优的路径，并按照求解的最优路径对应资源分配；采用蚁群算法进行分配具体包括步骤：

步骤1：参数初始化，将Q只蚂蚁随机放在二部图用户集U上，并设置SCMA层集M用户集U之间的信息素τk,m及启发信息ηk,m的初始分布，N表示子载波总数；

步骤2:每只蚂蚁按照一定的概率为用户选择层m，当蚂蚁位于用户k上时，按照公式(5)将层m分配给用户k

其中, 是第q只蚂蚁可以将层m分配用户k的所有SCMA层，τk,m为SCMA层集M用户集U之间的信息素，ηk,m为SCMA层集M和用户集U之间的启发信息，α,β为蚁群算法参数，取值为α＝

1,β＝2；

步骤3：蚂蚁随机移动到下一个未分配SCMA层资源的用户上，重复步骤2；

步骤4：当所有蚂蚁遍历完所有用户时完成一次迭代，也就构成q个解，计算每个解，得系统吞吐量，选择吞吐量最大的那个解去更新信息素；

步骤5：如果迭代次数达到最大迭代次数T,或者所有蚂蚁构造的解一致，算法停止；

步骤6：对步骤5得到的最优解使用注水算法进行用户间的功率分配。

2.根据权利要求1所述的基于蚁群算法的SCMA系统资源分配算法，其特征在于：所述最大化SCMA系统吞吐量分配问题为一个非凸优化问题，采用先对用户进行功率均分，再对用户进行层分配的方法来求解，所述层分配采用蚁群算法进行分配，对用户层分配完之后进行注水功率分配；所述步骤6对步骤5得到的最优解使用注水算法进行用户间的功率分配可以通过公式(9),(10),(11)得到，其中μ为注水基准，hk,n为用户k在子载波n上的信道增益，Pmax为基站的最大传输功率， 为噪声的方差,其中sk,m＝1表示层m分给了用户k，否则sk,m＝

0，cn,m来表示表示层m和子载波n的映射关系，如果层m占用了子载波n则cn,m＝1，否则cn,m＝

0，如果cn,m＝0，则αn,m＝0；

3.根据权利要求1所述的基于蚁群算法的SCMA系统资源分配算法，其特征在于：所述启发信息ηk,m定义为：

其中αn,m为用户k使用层m上的子载波n时的功率比例因子，它的取值为αn,m＝0.5，pk,m为用户k占用m时的功率，在该步骤中功率采用均分的方式分配，由总功率和码本层数可以计算得到用户k占用层m时的功率，hk,n为用户k在子载波n上的信道增益，信道模型为小尺度衰落瑞利信道，由此得到hk,n， 为噪声的方差。

4.根据权利要求1所述的基于蚁群算法的SCMA系统资源分配算法，其特征在于：所述步骤4更新信息素的更新规则如下：

τk,m＝(1‑ρ)τk,m+Δτk,m   (6)且当用户k占用层m时，

Δτk,m＝Rk,m/Rgb  (7)，其他情况Δτk,m＝0；

其中，0≤ρ≤1为信息素挥发系数，Δτk,m为将层m分配给用户k的信息增量，Rk,m为用户k占用层m时的速率，Rk,m可以由公式(8)计算得到Rk,m＝sk,mlog2(1+SNRk,m)   (8)Rgb为蚁群当前循环中求得的最大吞吐量。