1.一种无人机辅助反向散射通信系统基于max‑min公平的资源分配方法，其特征在于，包括以下步骤：步骤一：建立一个无人机辅助反向散射通信网络系统模型，该模型为：

||q[n+1]‑q[n]||≤Dmax,n＝1,.....,N‑1q[1]＝q[N]

上述优化问题P0中，其中 D表示等

量替换系数，Rk表示速率，Dmax表示无人机在一个时隙能够飞行的最大水平距离，βbr为反向散射设备到反向散射接收机的信道增益，表达式为 ε是均值为1的指数分布随机变量，β0为参考距离为1米时的信道增益，K为反向散射设备个数，N为等时隙个数，ak[n]为在时隙n无人机调度第k个反向散射设备，P[n]为在n时隙无人机的发射功率，q[n]为无人机飞行的轨迹，wk为第k个反向散射设备的位置，H为无人机的高度，bk[n]为在n时隙第k个反向散射设备的反射系数，βk[n]为在时隙n无人机到第k个反向散射设备的信道增益，表达式为T为无人机运行时间， 为无人机平均功率，Pmax为无人机最大发射功率，ηk为第k个反向散射设备能量收集效率，σ2为接收机的加性高斯白噪声，Ek为第k个反向散射设备收集到用于供电的总能量；

包括一个无人机、K个反向散射设备、一个反向散射接收机，所述基于max‑min公平的资源分配模型为一个非凸优化问题；

步骤二：初始化反向散射设备的反射系数、无人机的总发射功率、无人机飞行轨迹，并且引入一个辅助变量，所提出的无人机反向散射通信网络系统模型是包含非凸约束函数和耦合变量的非凸优化问题，利用块坐标下降法将原始非凸优化问题分为四个子问题，四个子问题分别用A、B、P、Q分别表示调度、反射系数、无人机发射功率和无人机飞行轨迹变量，引入一个辅助变量τ，使 作为A、B、P、Q的函数；

(1)子问题一：反向散射设备调度优化，给定B、P、Q，将ak[n]中的二进制变量放宽为连续变量，利用放缩的思想将二进制变量转换为连续变量，这是一个标准的线性规划LP问题，采用线性规划内点方法求解；

(2)子问题二：反射系数优化，给定A、P、Q，优化问题，写出表达式，用凸优化内点算法求解；

(3)子问题三：无人机发射功率优化，给定A、B、Q来求解功率P，写出表达式，得出表达式；

(4)子问题四：无人机飞行轨迹优化，给定A、B、P可以使用连续凸逼近算法去优化无人机的飞行轨迹，得出表达式，通过运用连续凸逼近算法，子问题四被转换为凸问题；

步骤三：在子问题一求解中所包含的约束条件存在二进制约束，利用放缩的思想将二进制变量转换为连续变量，将步骤二中初始化的变量代入就可以得到反向散射设备调度值和最小速率值；

步骤四：将步骤三获得的反向散射设备调度值、无人机发射功率初始值和无人机飞行轨迹初始值代入得到反射系数值，更新最小速率值；

步骤五：将步骤三获得的反向散射设备调度值、步骤四获得的反射系数值以及无人机飞行轨迹初始值代入得到无人机飞行功率值，更新最小速率值；

步骤六：采用连续凸逼近算法SCA进行一阶泰勒展开等价转换为凸优化问题，将步骤三获得的反向散射设备调度值、步骤四获得的反射系数值以及步骤五获得的无人机飞行功率值代入得到无人机飞行轨迹，更新最小速率值；

步骤七：将四个子问题进行交替优化，迭代更新求解凸问题，并设置收敛阈值，根据收敛条件判断是否满足收敛阈值，最后得到最优目标值所对应的最优反向散射设备调度、最优反射系数、最优无人机发射功率和最优无人机飞行轨迹。

2.根据权利要求1所述的无人机辅助反向散射通信系统基于max‑min公平的资源分配方法，其特征在于，所述子问题一：反向散射设备调度优化，给定B、P、Q，将ak[n]中的二进制变量放宽为连续变量，具体包括：可以写成如下形式

子问题一求解中所包含的约束条件存在二进制约束，利用放缩的思想将二进制变量转换为连续变量，这是一个标准的线性规划LP问题，采用线性规划内点方法求解。

3.根据权利要求2所述的无人机辅助反向散射通信系统基于max‑min公平的资源分配方法，其特征在于，所述利用放缩的思想将二进制变量转换为连续变量，放缩思想就是将约束放到目标函数上去考虑，如果把所有的约束都放到目标函数上去的话，约束优化问题就转化为无约束优化问题，放缩之后得到一个标准的线性规划LP问题，采用线性规划内点方法求解，通过一系列迭代达到最优解。

4.根据权利要求2所述的无人机辅助反向散射通信系统基于max‑min公平的资源分配方法，其特征在于，所述子问题二：反射系数优化，给定A、P、Q，优化问题，可以写成如下形式这是一个凸优化问题，用凸优化内点算法求解。

5.根据权利要求4所述的无人机辅助反向散射通信系统基于max‑min公平的资源分配方法，其特征在于，所述用凸优化内点算法求解，通过一系列迭代达到最优解。

6.根据权利要求4所述的无人机辅助反向散射通信系统基于max‑min公平的资源分配方法，其特征在于，所述子问题三：无人机发射功率优化，给定A、B、Q来求解功率P，写出表达式如下：

7.根据权利要求6所述的无人机辅助反向散射通信系统基于max‑min公平的资源分配方法，其特征在于，所述子问题四：无人机飞行轨迹优化，给定A、B、P可以使用连续凸逼近算法去优化无人机的飞行轨迹，这个子问题就可以写成以下形式||q[n+1]‑q[n||≤Dmax,n＝1,.....,N‑1q(1)＝q(N)

目标函数对于变量q[n]不是凸的，但是由于约束条件

2

的左边相对于||q[n]‑wk||是凸函数，所以目

2

标函数是关于||q[n]‑wk||的凸优化问题；根据SCA算法可知凸函数在任意点的一阶泰勒展开式是它的全局下界，关于q[n]在q0[n]上进行一阶泰勒展开式得到其下界；

其中 得到了Rk[n]的下界，

将目标函数写成以下形式

||q[n+1]‑q[n]||≤Dmax,n＝1,.....,N‑1q(1)＝q(N)

通过运用连续凸逼近算法，子问题四已被转换为凸问题。

8.根据权利要求7所述的无人机辅助反向散射通信系统基于max‑min公平的资源分配方法，其特征在于，所述连续凸逼近算法主要是通过迭代求解一系列与原问题近似的凸优化问题的解，当最终收敛条件成立时，此时得到的解便可以获得原问题的解，利用所求的替代函数，求出第n次迭代点的值，再利用第n次与第n+1次的值的关系得到目标值,重复上述步骤，直到条件收敛。