1.一种多天线无人机视频传输系统QoE最大化方法，其特征在于包括：构建多天线无人机视频流传输架构，并运用基于ZF的波束成形以消除多个地面用户间的干扰，以同时为多个地面用户同时提供视频服务；

根据小尺度衰落和大尺度信道功率增益，构建信道模型，采用下界表达式以获得最坏情况下的可达速率；

根据视频播放速率和视频抖动，确定用户QoE模型；

基于优化无人机轨迹、多天线传输调度和视频播放速率分配，根据最大化所有用户QoE的最小值模型，确定数学优化模型P1及约束条件；

将所述数学优化模型转换为带惩罚项的等价形式，采用基于惩罚的块坐标下降法(Penalty Block Coordinate Descent，P‑BCD)的双重循环算法处理转换后的优化模型以获得次优解；

所有用户QoE的最小值模型具体包括：

其中，n为时隙序列号，N为总时间范围T内时隙的总个数，ρ是平衡视频质量和视频抖动的权重因子，θ和β是取决于具体应用的常量参数，rk[n]表示用户uk在时隙n时的视频播放速率， 是与用户uk屏幕尺寸相关的需求播放速率；

所述数学优化模型P1为：

及约束条件具体包括：

q[1]＝q[N], (7)

其中,q[n]表示在时隙n时无人机的水平位置， ak[n]表示无人机与地面用户间的传输调度，δ为时隙时间长度， 为时隙τ时用户uk的可达速率，K为与同一无人机联接的用户总数，Vmax表示无人机的最大水平速度，约束条件(11)表示无人机周期性地向用户提供服务。

2.根据权利要求1所述的方法，其特征在于，将所述数学优化模型转换为带惩罚项的等价形式，采用基于P‑BCD的双重循环算法处理转换后的优化模型以获得次优解，具体包括：向数学问题模型中添加惩罚项，转化为求解包含大于零的惩罚参数λ的第二惩罚问题模型P2；

在外循环中，不断更新惩罚参数λ以放大不满足等式约束带来的惩罚直至收敛；

在第l次内循环中，采用块坐标下降(Block Coordinate Descent，BCD)方法、凹凸过程(ConCave‑Convex Procedure，CCCP)方法和逐次凸逼近(Successive Convex lApproximation，SCA)方法，近似求解给定惩罚参数λ的第二惩罚问题模型P2。

3.根据权利要求2所述的方法，其特征在于，所述第二惩罚问题模型P2具体为：及约束条件为公式(5)～(8)，公式(10)～(12)其中，q[n]表示在时隙n时无人机的水平位置， rk[n]表示用户uk在时隙n时的视频播放速率，ak[n]表示无人机与地面用户间的传输调度，K为与同一无人机联接的用户总数，N为总时间范围T内时隙的总个数，λ是大于零的惩罚参数。

4.根据权利要求3所述的方法，其特征在于，将第二惩罚问题模型P2分解成两个子模型，分别为给定传输调度下的播放速率分配和无人机轨迹优化子模型，以及给定播放速率分配和无人机轨迹下的传输调度优化子模型。

5.根据权利要求1所述的方法，其特征在于，通过利用P‑BCD的第一算法解决所述第一数学优化模型，具体过程如下：0

初始化 λ>0和c>1，设置外循环迭代次数l＝0；

在外循环中，不断更新惩罚参数λ以放大不满足等式约束带来的惩罚直至最终收敛；

在内循环中，在给定局部点 下，使用BCD、CCCP和SCA技术求解问题(P2)以获得

l+1 l

其中，设置第一内循环参数：λ ＝cλ ；第二内循环参数：l＝l+1直到第二惩罚问题模型P2的目标值的增幅比例低于预设阈值∈，∈>0。

6.根据权利要求5所述的方法，其特征在于，具体包括：所述第一算法中的内循环为第二算法，具体包括：在初始化 设置内循环迭代次数r＝0后，进行内循环，直到第二惩罚问题模型P2的目标值收敛；所述内循环包括：

在给定局部点 下，求解第四惩罚问题模型P4以获得在给定局部点 下，求解第七数学优化模型P7以获得设置r＝r+1；

其中，所述第四惩罚问题模型P4由所述第二惩罚问题模型P2在给定传输调度{ak[n]}下简化得到第三惩罚问题模型P3，又由所述第三惩罚问题模型P3近似得来，所述第四惩罚问题模型P4的目标值是第三惩罚问题模型P3目标值的下界；

以及所述第七数学优化模型P7由所述第二惩罚问题模型P2在给定无人机轨迹{q[n]}和视频播放速率{rk[n]}下，简化为第五惩罚问题模型P5，引入松弛变量{yk[n]}后得到第六数学优化模型P6，再由所述第六数学优化模型P6转化得到；所述第七数学优化模型P7的目标值是第六数学优化模型P6的下界。

7.一种多天线无人机视频传输系统QoE最大化装置，其特征在于，包括：处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现如权利要求1至权利要求6中任一项所述的多天线无人机视频传输系统QoE最大化方法。