1.一种基于非线性能量采集的大规模MIMO系统能效优化方法，其特征在于，包括以下步骤：

101、建立大规模MIMO技术与无线供电通信网络WPCN相结合的无线供电大规模MIMO系统，在该系统中，功率信标PB和基站BS配有大量天线，在系统中考虑功率信标PB发射功率约束、能量传输时间约束、用户最小QoS约束、能量消耗约束，在此基础上构建最大化最小用户能效的Max‑Min优化问题模型，Max‑Min优化问题模型为一个非凸优化问题；

102、基于包括变量替换和一阶泰勒展开在内的简化计算方法将步骤101中的非凸Max‑Min能效优化问题转化为等价凸优化问题；所述变量替换是引入辅助变量将原目标函数简化替代，同时增加含引入变量的约束；所述一阶泰勒展开是采用泰勒展开式对非凸约束进行一阶展开，将约束条件转化为凸约束；

103、然后运用内点法和连续凸逼近SCA算法，求解上述步骤102等价转化后的凸优化问题，求解出该功率分配策略，包括：PB分配给用户k的发射功率pk、用户k向BS传输信息的发送功率pt,k、能量传输时间τ，从而就能得出基于所有约束条件下的最小用户的最优能效。

2.根据权利要求1所述的一种基于非线性能量采集的大规模MIMO系统能效优化方法，其特征在于，所述步骤101基于无线供电大规模MIMO系统的最大化最小用户能效的Max‑Min优化问题为：C2:0≤P≤Pmax,

C3:0≤τ≤1,

C4:pk≥0,k＝1,…,K,

C5:pt,k≥0,k＝1,…,K,

C6:Etot,k(pt,k,τ)≤Ehst,k(pk,τ),k＝1,…,K,其中，为简化表达式，引入参数Mk，且有 p＝(p1,p2,…,pK)表示PB分配给用户k的功率向量，pt＝(pt,1,pt,2,…,pt,K)表示用户k向BS发送信息的发送功率向量，K、M、N分别表示单天线用户数、BS天线数、PB天线数，且有min{M,N}＞＞K；αk，βk分别表示用户k2

到BS、PB到用户k的路径损耗；σ表示噪声功率；Pmax表示PB的最大发射功率；P表示PB的总发射功率； 表示用户k的能量消耗，其中pr,k表示用户k的接收电路固定功耗，μ是反映功率放大器低效的常数因子，pc,k表示用户k的发射电路固定功耗；考虑时间单元归一化，τ表示PB向用户节点传输能量的时间，1‑τ是用户节点利用采集的能量完成信息传输的时间； 表示用户k通过非线性能量采集模型采集到的能量表达式，Ak表示能量采集电路饱和时，用户端的最大能量采集功率，常数ak和bk均为与电路相关的参数，分别表示为电路灵敏度和泄露电流， 表示为该模型的零输入零输出响应； 表示用户k的最小信干噪比SINR要求。

3.根据权利要求2所述的一种基于非线性能量采集的大规模MIMO系统能效优化方法，其特征在于，所述步骤101将约束C1和C2进行合并考虑，此时优化问题写为：C2:0≤τ≤1,

C3:pk≥0,k＝1,…,K,

C4:pt,k≥0,k＝1,…,K,

C5:Etot,k(pt,k,τ)≤Ehst,k(pk,τ),k＝1,…,K,约束C1表示分配给所有用户的功率之和需要小于PB的最大发射功率Pmax；约束C2表示能量传输时间分配的约束；C3和C4分别表示PB分配给用户k的功率约束和用户k的发送功率约束；C5表示每个用户消耗的总能量必须小于等于从PB采集的能量，这里采集的能量是通过非线性能量采集电路获取的；C6为最小SINR约束，要求每个用户的SINR必须大于最小SINR约束 可知上述问题为非凸问题。

4.根据权利要求3所述的一种基于非线性能量采集的大规模MIMO系统能效优化方法，其特征在于，所述基于包括变量替换和一阶泰勒展开在内的简化计算方法将步骤101中的非凸Max‑Min能效优化问题转化为等价凸优化问题，具体为：

401、引入辅助变量t，且令 能效优化问题可以被改写为：C2:x≥0,

C3:pk≥0,k＝1,…,K,

C4:pt,k≥0,k＝1,…,K,

其中C7为对原目标函数的等价处理，用辅助变量t等价最小用户能效，则用户k，的能效一定大于等于最小用户能效t，简化了目标函数；

s z s

402、令t＝e， 通过变量替换，引入x＝e， 因为t＝e 是关于s的单调递增函数，因此，所述步骤401的优化问题可以改写为：

C2:pk≥0,k＝1,…,K,

其中，考虑的优化变量已被转化为v＝(v1,…,vK)、p＝(p1,p2,…,pK)、z、s，问题中K、M、N分别表示单天线用户数、BS天线数、PB天线数，且有min{M,N}＞＞K；约束C1表示分配给所有用户的功率之和需要小于PB的最大发射功率Pmax；约束C2表示PB分配给用户k的功率约束；

C3表示每个用户消耗的总能量必须小于等于从PB采集的能量；C4为最小SINR约束，要求每个用户的SINR必须大于最小SINR约束 C5为任意用户能效需要大于等于最小用户能效的约束；

403、所述步骤402优化问题目标函数为线性函数，约束C1中的 是线性函数，C1为凸约束；同理约束C2也为凸约束，C3、C4、C5约束具备凸性。

5.根据权利要求4所述的一种基于非线性能量采集的大规模MIMO系统能效优化方法，其特征在于，通过变量替换和公式变形，所述步骤402的原问题可以等价为一个凸优化问题：C2:pk≥0,k＝1,…,K,

C3:fk(vk,z)+gk(pk,z)≤0,k＝1,…,K,其中，在约束C3中， 表示为公式变形过程中

引入的表达式， 表示为公式变形过

程中引入的表达式，由于fk(vk,z)与gk(pk,z)均为凸函数，因此C3为凸约束；在C5中，表示为公式变形过程中引入的表达式，且Lk(z,s,vk)为一个凸约束， 为公式变形中的中间表达式，可以通过对hk(vk)进行一阶泰勒展开得到等价表达式：

其中n表示迭代次数， 表示展开点， 为关于vk的凸函数，通过SCA算法可以将近似表达式逐次逼近到原函数，因此，在等价问题中约束C5为一个凸约束。

6.根据权利要求5所述的一种基于非线性能量采集的大规模MIMO系统能效优化方法，其特征在于，所步骤103，通过SCA算法、内点法求解凸优化问题的步骤包括：

501、初始化所述问题的所有相关输入参数：PB的最大发射总功率Pmax，用户k到BS的大尺度衰落αk，PB到用户k的大尺度衰落βk，PB的天线数N，BS的天线数M，单天线用户数K，固定2

功耗pc,k、pr,k，传感器节点的最小信干噪比要求 高斯噪声功率σ，非线性能量采集电路参数Ak，ak，bk， 迭代次数n＝1，最大迭代次数Nmax，收敛域值ε；

502、通过内点法求解该问题，即构造新的无约束目标函数—罚函数，将罚函数定义在可行域内，并在可行域内求解罚函数的及指定，极值点总在可行域内部，这样在求得的无约束优化问题的解总是可行解，故可以在可行域内部逐次逼近原优化问题的最优解；

503、算法复杂度取决于迭代次数n和收敛阈值ε，由于内点法的复杂度为其中x，y分别表示为优化变量数和约束条件数；所提问题优化变量数为x1＝2K+2，约束条件数为y1＝4K+1，因此该算法的计算复杂度为