1.一种实现高能效大规模URLLC的资源分配方法，其特征在于，包括：

S1：用户向AP发送上行导频，AP根据上行导频作LSCE信道估计，得到估计信道状态矩阵；

S2：AP根据估计信道状态矩阵以及BBU反馈的功率与子信道分配方案进行预编码，得到下行信号并将其发送给用户；

S3：计算用户接收的总信号并根据总信号计算用户的接收SINR；

S4：根据用户的接收SINR，采用FBL信息理论计算用户的可达数据速率和错误概率；将可达数据速率和错误概率发送给BBU；

S5：BBU根据可达数据速率和错误概率构建能效优化模型；能效优化模型表示为：

EE

其中，η 表示系统总能效，ρ和P分别表示子信道和功率分配方案，Rk表示第k个用户的可达数据速率， 表示第k个用户的功率放大器的漏极效率倒数，ρi,m,k表示第m个AP是否占用第i个子信道给用户k传输数据，pi,m,k表示第m个AP在第i个子信道分配给用户k的发送功率，pc表示所有发射机和接收机电路块的功耗，K表示用户数量，I表示子信道数量， 表示第m个AP最大的下行发送功率，εk表示第k个用户的错误概率， 表示第k个用户能容忍的最大错误概率，tk表示发送给第k个用户的信号的传输时延， 表示第k个用户能容忍的最大传输时延；

S6：采用DQN算法求解能效优化模型，得到功率和子信道分配方案；将功率和子信道分配方案反馈给AP；采用DQN算法求解能效优化模型的过程包括：将子信道和功率的分配方案作为动作，获取当前网络状态并根据该状态下的系统总能效和URLLC约束构建奖励函数；根据网络状态、该状态下选择的动作和奖励函数构建Q函数；进行迭代训练并更新Q函数；计算损失函数，当损失函数最小时，停止训练；选取最大Q函数对应的动作作为子信道和功率的分配方案。

2.根据权利要求1所述的一种实现高能效大规模URLLC的资源分配方法，其特征在于，下行信号表示为：其中，xi,m(r)表示第m个AP占用第i个子信道发送的下行信号，ρi,m,k表示第m个AP是否占用第i个子信道给用户k传输数据，pi,m,k表示第m个AP在第i个子信道分配给用户k的发送功率，wi,m,k表示第m个AP在第i个子信道上关于用户k的预编码向量，si,k(r)表示所有AP通过第i个子信道联合发送给用户k的第r个符号，K表示用户数量。

3.根据权利要求1所述的一种实现高能效大规模URLLC的资源分配方法，其特征在于，计算用户接收的总信号的过程包括：根据所有AP占用第i个子信道发送的下行信号计算所有用户通过第i个子信道接收到的总信号；根据所有用户通过第i个子信道接收到的总信号得到第k个用户通过第i个子信道接收到的信号；将第k个用户通过所有子信道接收到的信号求和，得到第k个用户接收的总信号。

4.根据权利要求1所述的一种实现高能效大规模URLLC的资源分配方法，其特征在于，可达数据速率表示为：其中，Rk表示第k个用户的可达数据速率，Bk表示第k个用户的带宽，C(γk)表示第一中间参数，V(γk)表示第二中间参数，γk表示用户k的信干噪比，n'表示第三中间参数，Q()表示积分函数，εk表示第k个用户的错误概率。

5.根据权利要求1所述的一种实现高能效大规模URLLC的资源分配方法，其特征在于，错误概率表示为：其中，εk表示第k个用户的错误概率，C(γk)表示第一中间参数，V(γk)表示第二中间参数，γk表示用户k的信干噪比，n'表示第三中间参数，D表示数据包大小，Q()表示积分函数。

6.根据权利要求1所述的一种实现高能效大规模URLLC的资源分配方法，其特征在于，计算损失函数的公式为：‑

其中，Loss(θt)表示总损失，θt表示评估网络的权重，θt表示目标网络的权重，rt+1(st,‑at)表示更新后的奖励，γ表示折扣因子，Qt(st+1,at+1；θt)表示目标网络的Q值函数，Qt(st,at；θt)表示评估网络的Q值函数，用来评估当前状态动作对的Q值，at表示当前的动作，at+1表示更新后的动作，st表示当前的状态，st+1表示更新后的状态。