1.一种认知无线电网络中AoI约束下的网络吞吐量优化方法，所述认知无线电网络包括信号源、次级发射器和次级接收器，其特征在于，所述认知无线电网络中AoI约束下的网络吞吐量优化方法，包括：将训练好的神经网络模型部署在次级接收器上，初始化训练好的神经网络模型；

将认知无线电网络的当前状态空间输入到所述神经网络模型，获得神经网络模型输出的动作空间；

据当前时刻信道状态是否繁忙，对神经网络模型输出的动作空间进行剪切，得到符合当前信道状态的动作；

将获得的动作信息广播给次级发射器，次级发射器执行相应的动作，并将吞吐量结果反馈给次级接收器；

其中，所述状态空间包括能量状态空间、信道增益状态空间、信道状态空间和AoI状态空间，其中：能量状态空间为Sc＝{(ct,0,ct,1,....,ct,N‑1)；ct,i∈(0,C)}，其中ct,i表示次级发射器STi的初始能量，i表示次级发射器ST的序号；

信道增益状态空间为Sg＝{(ρt,h,ρt,g)}，ρt,h,ρt,g分别表示从次级发射器到次级接收器的信道衰减，以及从信号源到次级接收器的信道衰减；

信道状态空间为Sb＝{bt；bt∈{0,1}}，其中bt＝1表示信道繁忙，bt＝0表示信道空闲；

AoI状态空间：Sa＝{(at,0,at,1,....,at,N‑1)；at,i∈(1,amax)}，其中at,i表示关次级发射器于STi的AoI，amax表示次级接收器可容忍的最大AoI；

所述动作空间信道状态为繁忙时的动作空间A_1和信道状态为空闲时的动作空间A_0；

其中αt,i表示次级发射器STi执行AB

模式传输的时长，STi捕获的能量为 PT表示信号源的发射功率；gt,i表示从信号源到次级接收器的信道增益；N表示次级发射器的数量；

其中βt,i表

示次级发射器STi执行overlay模式传输的时长，et,i表示次级接收器为次级发射器STi分配的用来执行overlay模式传输的可消耗能量值；

所述神经网络模型在执行动作空间的奖励函数为：

其中Rt表示一个帧的总吞吐量， 表示平均总吞吐量，当信道状态为繁忙时，2

其中，W为传输带宽，η为反射系数，σ为信道噪声功率，λt,i∈{0,1}表示是否传输成功；当信道状态为空闲时，

2.根据权利要求1所述的认知无线电网络中AoI约束下的网络吞吐量优化方法，其特征在于，所述认知无线电网络中AoI约束下的网络吞吐量优化方法，还包括：次级接收器根据接收到的反馈，更新下一帧的状态空间。