1.一种用户位置不确定下NOMA无人机通信系统的和速率最大化方法，其特征在于，包括以下步骤：步骤1)：根据一种用户位置不确定下NOMA无人机通信系统的和速率最大化方法构建基于NOMA的无人机通信系统，在这个系统中考虑用户位置不确定性、最小用户速率门限、二进制解码顺序，通过这些约束条件构建联合优化无人机的位置、无人机功率分配来最大化系统和速率；

在下行网络中无人机作为热点覆盖地面的用户，单个无人机采用单天线向配有单天线的K个地面用户发送广播信号，无人机的最大发射功率为Puav，无人机的飞行高度表示为H，T无人机的部署位置表示为q＝[x,y]，地面用户的位置表示成wm＝[xm,ym] ,m＝1,...,K,对于无人机发送给地面用户的信号具有相同的频带，采用在功率域上进行叠加的NOMA协议进行发送,在无人机估计地面用户位置不确定的情况下，无人机估计的用户位置表示为we,m＝(xe,m,ye,m),m＝1,...,K，用户实际位置和估计位置之间的关系为xm＝xe,m+Δxe,m,ym＝ye,m+Δye,m,m＝1,...,K，其中Δxe,m和Δye,m分别表示对xm和ym的估计误差，并满足其中Qm表示第m个用户的误差集合，εm2

表示第m个用户误差半径；高斯白噪声服从均值为0，方差为σ的正态分布，通过上述参数构建和速率最大化优化问题：其中P＝{pn,n＝1,...,K}表示无人机分配给用户的功率，Q＝{q}表示无人机的位置，A＝{αj,n,n＝1,...,K,j＝1,...,K}表示用户j和用户n相对无人机位置远近关系，表示第m个用户的信道增益，β0表示单位距离的信道功率增益，Puav表示无人机的最大发射功率， 表示无人机到用户j的

距离， 表示无人机到用户n的距离，m∈{n∪ψn}表示用户n的

信号不仅在用户n处解码而且在用户ψn＝{k∣bk,n＝1,k≠n,n＝1,...,K,k＝1,...,K}也能进行解码；

步骤2)：为了解决和速率最大化问题(1.1)‑(1.5)，对(1.1)‑(1.5)问题做如下等价处理，和速率最大化问题(1.1)‑(1.5)等价为如下问题其中，R＝{Rn,n＝1,...,K}表示地面用户的速率，引入第n个用户的速率表达式在问题(1.1)‑(1.5)中目标函数(1.1)是关于Rn单调递增的，所以将 转换为问题(1.6)‑(1.9)

中的约束(1.7)是成立的，对于问题(1.6)‑(1.9)，如果m∈{n∪ψn}，有bm,n＝1成立，否则，bm,n＝0；因此将问题(1.6)‑(1.9)等价转换为如下式子；

其中，在问题(1.10)‑(1.14)的约束(1.14)中引入二进制变量bm,n∈{0,1}表示解码决策因子；由于用户位置的不确定性，对于问题(1.10)‑(1.14)中的约束(1.11)，约束(1.11)左边有参数wm存在于 的表达式中, 的表达式写为式子(1.15)转换得到

2 2

因为式(1.16)是关于(x‑xm) +(y‑ym) 单调递减的，因此可以考虑以下问题通过将式(1.17)带入到(1.16)式中，可以获得其中，

然后将式(1.19)带入到问题(1.10)‑(1.14)的约束(1.11)中并引入辅助变量集合T＝{tm,n,m＝1,...,K,n＝1,...,K}将问题(1.10)‑(1.14)的约束(1.11)写为(log2(tm,n+pn)‑log2(tm,n))≥bm,nRn,m＝1,...,K,n＝1,...,K       (1.20)此外将问题(1.10)‑(1.14)中的{αj,n、bm,n}当作辅助变量，将问题(1.10)‑(1.14)中约束(1.13)的分段二进制约束(1.5)以及分段二进制约束(1.14)分别等价转换为αn,n＝0,n＝1,...,K,(1.22)αj,n∈{0,1},j≠n,j＝1,...,K,n＝1,...,K,(1.23)αn,j+αj,n＝1,j≠n,j＝1,...,K,n＝1,...,K,(1.24)

2 2 2 2

αj,n(H+||q‑wj||)≤(H+||q‑wn||),j≠n,j＝1,...,K,n＝1,...,K.(1.25)bm,m＝1,m＝1,...,K,(1.26)bm,n∈{0,1},m≠n,m＝1,...,K,n＝1,...,K,(1.27)bm,n+bn,m＝1,m≠n,m＝1,...,K,n＝1,...,K,(1.28)

2 2 2 2

bm,n(H+||q‑wm||)≤(H+||q‑wn||),m≠n,m＝1,...,K,n＝1,...,K.(1.29)其中，将整数约束(1.23)、(1.27)分别等价转换为连续不等式约束

0≤αj,n≤1,j＝1,...,K,n＝1,...,K,(1.30)

0≤bm,n≤1,m＝1,...,K,n＝1,...,K,(1.32)将问题(1.10)‑(1.14)中的约束(1.11)、约束(1.13)中的(1.5)式以及约束(1.14)进行综合处理，将混合整数非凸优化问题(1.10)‑(1.14)转化为连续非凸优化问题；

步骤3)：对变量P，Q，A，B和辅助变量T，R进行初始化；初始化外层迭代次数o＝0，和惩罚因子λ＞0,μ＞0，最大误差因子ν＞0，ν1＞0，ν2＞0；

步骤4)：对于第o+1次外层迭代，从第o次外层迭代的结果出发，固定惩罚因子λ,μ，采用变量替换，联合无人机的位置、功率分配以及二进制解码顺序求解和速率最大化问题：步骤5)：判断外层算法中的条件是否满足误差因子,如果满足就按λ＝c1λ,μ＝c2μ更新惩罚因子，否则就更新迭代次数o＝o+1；然后再判断迭代次数是否满足最大化迭代次数，如果满足跳出外层算法并输出最终结果，否则再次进入内层算法并重复步骤4)和步骤5)；

所述步骤4)具体包括：

(4.1)以第o次外层迭代得到的计算结果对变量初始化；初始化内层迭代次数i＝0；

(4.2)根据凸优化理论，在第i+1次内层迭代中将问题(1.37)‑(1.39)约束(1.38)中的非凸约束(1.20)、(1.21)分别通过泰勒公式近似为以下凸约束：其中 表示变量{tm,n,bm,n,Rn}在第i次内层迭代的计算结果；问题(1.37)‑(1.39)约束(1.38)中的非凸约束(1.25)和(1.29)分别等价转换为其中 表示变量{q,αj,n,bm,n}在第i次内层迭代的计算结果；将问题(1.37)‑(1.39)约束(1.38)中的非凸约束(1.31)、(1.33)引入辅助变量分别等价转换为其中，Φ＝{φj,n,j＝1,..,K,n＝1,...,K}， 分别是松弛变量的集合， 表示变量{αj,n,bm,n}内层算法在第i次的计算结果；

综合上述分析，问题(1.37)‑(1.39)以及约束(1.38)以及(1.39)近似为(4.3)判断内层算法是否满足阈值ν，若是，则输出计算结果；否则重复步骤(4.2)和(4.3)。