1.一种卫星系统波束调度和资源分配方法，其特征在于：该方法包括以下步骤：S1：卫星业务模型建模；

S2：卫星波束调度变量建模；

S3：子信道分配变量建模；

S4：卫星信道建模；

S5：用户传输速率建模；

S6：系统回报函数建模；

S7：卫星波束调度及资源分配限制条件建模；

S8：卫星系统波束调度及资源分配优化问题建模；

S9：基于Q学习算法优化确定卫星波束调度及资源分配策略；

在该方法中，多波束低轨道卫星服务N个小区，令K表示波束数目，Un，m为小区n的第m个用户，Mn为小区n中的用户数量；卫星波束采用全频率复用方式共享系统带宽，令系统总带宽为Btot，将系统带宽划分为F个子信道，子信道带宽为Bc＝Btot/F，Cf表示第f个子信道的载波频率；系统时间T被划分为连续等长的时隙，时隙长度为τ；

建模卫星业务模型具体包括：令qn，m，t＝{Sn，m，t，ωn，m}表示Un，m业务特性，其中，Sn，m，t表示t时隙末，Un，m待接收的数据量，ωn，m表示该用户的业务权值；

在所述S2中，建模卫星波束调度变量具体包括：令xn，t∈{0，1}表示波束覆盖变量，若时隙t卫星波束覆盖小区n，xn，t＝1，反之，xn，t＝0，时隙t小区波束调度变量集合为xt＝{x1，t，...，xn，t，...xN，t}；

在所述S3中，建模子信道分配变量具体包括：令yn，m，f，t∈{0，1}为子信道分配变量，若时隙t，Un，m占用子信道f进行信息传输，yn，m，f，t＝1，反之，yn，m，f，t＝0；

在所述S4中，建模卫星信道具体包括：令Gn，m，f，t表示时隙t卫星波束与Un，m之间链路在子信道f的信道增益，Gn，m，f，t建模为 其中 表示接收天线增益，表示为 其中，un，m，t＝2.07123sin(θn，m，t)/sin(θ3dB)，θn，m，t表示时隙t卫星波束与Un，m接收天线的离轴角，θ3dB为3dB波束带宽max，R对应的角度，g 为接收天线最大增益， 表示卫星发送天线增益，表示为：max，T

其中，g 为发送天线最大增益， 为时隙t，Un，m到卫星的仰角，Ln，m，f，t表示时隙t卫星与Un，m之间链路在子信道f的自由空间损耗，表示为 c为光速，dn，m，t为时隙t卫星到Un，m之间的距离，Lpt表示雨衰系数，hn，m，t表示时隙t卫星与Un，m之间链路的随机特性；

在所述S5中，用户传输速率建模具体包括：令Rn，m，t表示时隙t卫星至Un，m的数据传输速率，建模为 其中，pn，m，t为时隙t卫星传输数据至Un，m时采用的发送功率，In，m,f，t为时隙t，Un，m受到的波束间干扰，定义为在所述S6中，系统回报函数建模具体为：令Rt表示时隙t各小区的总回报函数，表示为其中，rn，m，t为Un，m的回报函数，表示为：令R为系统长期平均回报函数，表示为在所述S7中，建模卫星波束调度和资源分配限制条件具体包括：

1)卫星波束覆盖限制

每个时隙最多仅有K个小区存在波束覆盖，则有

2)子信道分配限制

任意时隙，同一小区内的用户仅分配不同子载波，则有

3)卫星发射功率限制

时隙t卫星的总发送功率需满足最大功率限制，则有其中，Pmax为卫星最大发送功率；

在所述S8中，卫星系统波束调度及资源分配优化问题建模具体包括：在满足卫星系统波束调度和资源分配限制条件，以系统长期平均回报最大化为目标，优化确定波束调度和资源分配策略，即：

其中， 分别为最优波束覆盖、子载波关联及卫星发射功率分配策略；

所述S9中，基于Q学习算法优化确定卫星波束调度及资源分配策略具体包括：定义状态空间S＝{hn，m，t，Sn，m，t}，其中，Sn，m，t建模为：Sn，m，t＝max{Sn，m，t‑1‑Rn，m，tτ+An，m，t，0}，An，m，t为时隙t，Un，m的数据量，令λn，m为该用户的平均数据到达率，则E[An，m，t]＝λn，mτ；定义动作空间Λ＝{xn，t，yn，m，f，t，pn，m，t}，即包含波束覆盖关联变量，子信道分配关联变量以及卫星功率分配；定义Q函数为Q(st，at)＝α[Rt+1+γmaxQ(st+1，a)‑Q(st，at)]，其中，st为t时刻系统状态，at为t时刻采取的动作，a为系统采取的动作，α∈(0，1)为学习速率，γ∈(0，1)为折扣因子，对Q函数迭代更新，直至收敛，确定对应长期平均回报函数优化的卫星波束调度和资源分配策略。