1.一种非理想CSI和硬件损伤条件下多载波NOMA系统能效优化方法，其特征在于，包括以下步骤：

101、初始化用户个数和子载波个数，生成基站位置以及用户位置，用户所获取到的信道状态信息是非理想的，用户获取的真实信道状态信息来源于估计信道增益和估计误差，将用户按照估计信道增益降序进行排序，并考虑由于失真噪声产生的RHIs，建立系统模型；

102、构建以最大化系统总能效为目标函数的优化问题，将目标优化问题解耦为子载波分配问题以及功率分配问题，分层求解，使用最坏情况分析法求解内层最小化问题；

103、对于原优化问题外层的最大化问题，通过将用户功率改写为用户可达速率的形式，替换目标函数优化对象，使用Dinkelbach方法改写分式目标函数，转换目标函数为线性目标函数，转换原优化问题为线性优化问题；子载波分配矩阵置全1，使得目标优化问题为凸优化问题，再通过凸优化内点算法求解用户可达速率；

104、计算用户速率以及子载波分配矩阵内每个节点的收益函数，在每个子载波上按照收益函数从大到小的顺序排序，判断每个子载波上的用户数是否大于或等于子载波用户数阈值，若大于或等于阈值，按照排序根据子载波上用户数阈值D消除相等数量的用户，更新子载波分配因子矩阵，反之则不更新；

105、判断每个子载波上的用户数是否小于或等于子载波用户数阈值，若小于或等于阈值，输出子载波分配矩阵，计算系统能效；若大于阈值，则回到步骤104，直至每个子载波上的用户数都低于子载波用户数阈值，使结果收敛到最优解；

所述步骤101具体包括：

初始化用户数为K，子载波数为N，第k个用户的用户集为：k∈{1,2,...,K}，第n个子载波的子载波集为：C∈{C1,C2,…,CN}；对于子载波Cn上的第k个用户的信道增益可以表示为：其中， 表示瑞丽衰落系数，dk表示第k个用户到基站的距离，α表示路径衰落系数；在考虑非理想信道情况下，将真实信道增益建模为：其中， 表示估计信道增益，Δhk,n表示估计信道误差；SIC解码顺序为： π(k)为用户k解码顺序的对应索引；使

用估计信道增益 来代替表示真实信道增益；估计信道误差的集合表示为：εk,n表示估计信道误差的归一化上界，hπ(k),n表示真实信道增益；子载波Cn上的第k个用户的接收的信号为： 其中，ηn表示系统聚合失真噪声，sπ (k) ,n表示表示数据传输符号，满足评估了系统硬件损伤水平，表

示接收端收到的总失真功率，wπ(k),n表示加性高斯白噪声AWGN；pπ(k),n表示用户k在子载波n上的接收功率；用户通过SIC解码自己的信号，并根据信道排序消除用户间干扰后，将用户k在子载波Cn上的SINRs表示为： 其中，表示来自

其他用户的聚合干扰，ρπ(i),n表示子载波分配银子，Δhπ(k),n表示估计信道误差；包括SIC无法消除的强用户干扰以及非理想信道的估计信道误差干扰；根据香农公式，用户k在子载波Cn上的可达速率表示为：Rπ(k),n＝log2(1+γπ(k),n)，累加所有子载波上的所有用户，系统可达和速率表示为：所述步骤102具体包括：

假设系统固定的电 路功率损耗为Pc，系统 能效可以表示为：将最小能效最大化问题解耦成关于子载波分配和功率分配问题的优化问题；将目标问题分为两层，内存为关于估计误差的最小化问题，外层为关于原问题解耦子问题子载波分配和功率分配问题的最大化问题，在每个子载波上设定用户数阈值D，任何子载波上的用户数不能超过这个限制；在一系列约束条件下，非理想CSI和硬件损伤条件下多载波NOMA系统能效优化问题建立为：其中Pmax表示最大系统功率，Rt表示最小用户速率，D表示子载波n上最大可容纳用户数，Rmin表示用户k接入子载波n时，该子载波上的最小速率要求，Δhπ(k),n表示信道估计误差，表示估计误差的值的集合；约束C1表示系统总功率约束，约束C2为用户最小速率约束，约束C3表示单个子载波上的最大用户数约束，表示最多D个用户可以多路复用到同一个子载波，C4表示子载波选择因子约束，C5表示子载波上被选中用户的最小速率限制，若是节点的信道条件不支持最小速率Rmin，该节点也会因为无法完成SIC算法的译码而被丢弃；C6表示信道估计误差集合，也是信道估计误差的上界约束；

所述步骤103具体包括：

关于用户速率Rπ(k),n的最小化问题，可以表示为：对于该问题，可以推导出如下的不等式关系：

其中 表示噪声以及信道增益的比值；所以，可以得到用户k在子载波n上的速率最小值：

通过上述推导，原问题的内层最小化问题得以解决，可以得到如下确定性的能效优化问题：其中Pmax表示最大系统功率，Rt表示最小用户速率，D表示子载波n上最大可容纳用户数，Rmin表示用户k接入子载波n时，该子载波上的最小速率要求，Δhπ(k),n表示信道估计误差，表示估计误差的值的集合； 表示用户k在子载波n上的速率最小值；

所述步骤104具体包括：

基于Dinkelbach方法，上述优化问题的目标函数可以通过分式规划改写成如下减法函数形式f(η)：* *

其中，函数η表示系统能效值，η为系统最佳能效，当且仅当η＝η时，该式满足f(η)＝0；

根据系统模型中用户k在子载波Cn上的可达速率，变换自变量和函数位置，可以获得在矩阵F中pπ(k),n的表达式：根据上式，可得单个子载波上用户总功率表达式为：

假设 以及 Sj,n、Gj,n表示2个辅助

变量；所以在子载波Cn上所有用户的总功率为： 当j>K时，Sj,n＝0和Gj,n＝1；所以上式就可以重新写成如下形式：

将上式等式两边同乘以 可以得到下式：

通过递归方法，可以得到：

其中， 分别为2个辅助变量，表示不包含变量的常

数部分，综上，可以得到子载波Cn(1≤n≤N)上所有用户的总功率表达式：νm,n以及 为表示常数的辅助变量；所以系统总功率为：对于给定的子载波分配矩阵F，优化问题可以更新为如下形式：由于 是关于 的分式函数，所以该问题仍然具有非凸性；根据上述问题的目标函数可知，该函数是关于变量 的单调递减函数，所以当资源分配未达到最优时，采用步骤

105；

所述步骤105具体包括：

对于子载波Cn上所有用户总功率 可以令所求得的功率小于等于 如下式所示：此式可以理解为：当资源分配达到最优时，该不等式取等号，当资源分配尚未达到最优时，所求得的子载波Cn上的总功率要小于 因此上式在上述优化问题的约束下恒成立；

将这一不等式作为新的约束引入上述优化问题中，所以新的优化问题就可以表示为：其中，νm,n以及 为表示常数的辅助变量；该问题新增 约束 为新添加的子载波Cn上的总功率约束；

通过数学变换可以得到如下式子：

令 以及 对上式不等号两边同时取log函数，所以上式就可以写成：

所以，目标优化问题就可以转化为：

至此，由于log函数一定具有凸性，是凸函数，所以该问题为凸优化问题；

在确定F的情况下，可以通过内点法求解；最后我们可以获得功率的闭式解：其中， 表示用户k在子载波n上的速率最小值，ρπ(j),n为子载波分配因子，νm,n以及为表示常数的辅助变量。