1.基于智能反射面辅助无人机认知网络的资源分配和轨迹优化方法，所述网络包括一个具有L个天线的认知基站，一个次要无人机用户和K个地面主要用户，其中地面主要用户集合表示为 其特征在于：所述方法包括如下步骤：步骤1：对认知基站到次要无人机用户、认知基站到第k个地面主要用户、智能反射面到次要无人机用户、智能反射面到第k个地面主要用户之间的信道进行建模，构成空对地通信模型，求解信道增益；

步骤2：通过步骤1中信道增益，得到在第n个时隙时次要无人机用户的信噪比表达式，以及认知基站在第K个地面主要用户处造成的干扰表达式；

步骤3：根据步骤2中次要无人机用户的信噪比表达式，得出次要无人机用户在N个时隙内通信系统的平均可达速率表达式；

步骤4：在满足地面主要用户的干扰温度、智能反射面的反射系数、无人机机动性和认知基站功率限制的约束下，联合优化认知基站的波束成形矢量、无人机的飞行轨迹和智能反射面的相移矩阵，建立次要无人机用户平均可达速率最大化问题框架；

步骤5：采取基于交替优化方法解决步骤4中建立的优化问题，优化基站的发送波束成形、智能反射面的反射相移以及无人机的飞行轨迹。

2.根据权利要求1所述的方法，其特征在于：步骤1中，智能反射面和K个地面主要用户分布以及无人机次要用户状态进行如下定义：所有通信节点都放置在三维笛卡尔坐标系中，部署了一个具有M个反射单元的智能反T射面，将其放置在建筑物表面上；地面认知基站坐标为wb＝(xb,yb) ，第k个地面主要用户坐T标为wk＝(xk,yk) ；T分成N个时隙，每个时隙长度为δt，次要无人机用户在第n个时隙的水平T坐标为q[n]＝(x[n],y[n]) ；设采用具有M个反射单元的RIS作为均匀线性阵列，在第n个时隙，智能反射面的相位偏移矩阵表示为对角矩阵为：其中，θm[n]∈[0,2π)，m∈M＝{1,…,M}；

认知基站到次要无人机用户建模为瑞利信道模型，信道增益为：其中，C0表示参考距离d 0＝1m处的 信道增益，α为路径损耗指数；

为第n个时隙中次要无人机用户和智能反射面之间的距离；

hcs是零均值和单位方差复高斯随机变量；

认知基站到第k个地面主要用户的信道增益为：其中，κ是路径损耗系数， 为认知基站和第k个地面主要用户之间的距离；hck是零均值和单位方差复高斯随机变量；

智能反射面和次要无人机用户之间的信道增益为：其中， 为第n个时隙中次要无人机用户和智能反射面的距离， 和λ分别表示天线间距和载波波长， 表示每个时隙中RIS到达角的余弦值；

RIS到第k个地面主要用户信道增益表示为：认知基站到RIS的信道增益表示为：其中，χ和β为路径损耗指数，ρ为莱斯因子； 为RIS到第k个地面主要用户之间的距离， 为认知基站到RIS之间的距离；

表示

RIS到第k个地面主要用户的偏离角的余弦值， 表示认知基站到RIS的到达角的余弦值； 和 均为均值为零和单位方差的独立复高斯分布。

3.如权利要求2所述的方法，其特征在于：步骤2中，在第n个时隙时次要无人机用户的信噪比计算公式如下：2

其中，f[n]是认知基站在第n个时隙时的发射波束成形矢量，σ是在次要无人机用户处加性高斯噪声的功率；

认知基站在第k个地面主要用户处造成的干扰表示为：

4.如权利要求3所述的方法，其特征在于：步骤3中，次要无人机用户在N个时隙内通信系统的平均可达速率表达式为：

5.如权利要求4所述的方法，其特征在于：步骤4中，联合优化次要无人机用户的飞行轨迹 智能反射面的相移矩阵 和认知基站的波束成形矢量 建立次要无人机用户平均可达速率最大化问题P0为：C2:

C3：

C4:q[0]＝q0,q[N]＝qfC5:‖q[n+1]‑q[n]‖，，Vmaxδt,n＝1,…,N‑1其中，Vmax是无人机的最大飞行速度，q0和qf分别为无人机起始点和终点；Pmax为认知基站的发射功率最大功率限制；Γ是地面主要用户的干扰阈值即受到干扰的最大限度。

6.如权利要求1‑5任一项所述的方法，其特征在于：步骤5具体如下：固定智能反射面的反射相移和无人机飞行轨迹，优化基站的发送波束成形；固定基站的发送波束成形和无人机飞行轨迹，优化智能反射面的反射相移；固定智能反射面的反射相移和基站的发送波束成形，优化无人机的飞行轨迹。

7.如权利要求1‑5任一项所述的方法，其特征在于：步骤5采取基于交替优化方法解决建立的优化问题，具体包括以下步骤：步骤5‑1：次要无人机用户的飞行轨迹Q和智能反射面的相移矩阵Φ视为常量，对认知基站的波束成形矢量f进行优化，因此优化问题P0重新表述为如下形式：P1:

步骤5‑2：定义如下矩阵:

H

F[n]＝f[n]f[n]

从而优化问题P1重写为：

P2:

C2:

C3:

C4:

步骤5‑3：利用半正定松弛技术，对秩一约束进行松弛，问题变为：P3:

优化问题P3是凸的；

步骤5‑4：固定次要无人机用户的飞行轨迹Q和认知基站的波束赋形f，对RIS的相移矩阵Φ进行优化，则优化问题表示如下：P4:

H

步骤5‑5：引入 V[n]＝v[n]v[n]，并且定义：P4目标函数中的Rs[n]写为：P4中C2的不等式左边重新表述为：H H H

引入V[n]＝v[n]v[n]，v[n]GcS[n]v[n]和v[n]Gckv[n]写为：H H

v[n]Gcs[n]v[n]＝tr(v[n]Gcs[n]v[n])＝tr(V[n]Gcs[n])H H

v[n]Gckv[n]＝tr(v[n]Gckv[n])＝tr(V[n]Gck)同时利用半正定松弛后，优化问题重新表述为：P5:

步骤5‑6：固定智能反射面的相移矩阵Φ和认知基站的波束赋形f，对次要无人机用户的飞行轨迹Q进行优化，优化问题重新表述为：P6:

s.t.C1:q[0]＝q0,q[N]＝qfC2:‖q[n+1]‑q[n]‖，，Vmaxδt,n＝1,…,N‑1将非凹目标函数中Rs[n]改写为：其中

引入辅助变量 和 P5的目标函数改写为：问题P5重新表示为：

P7:

C3:q[0]＝q0,q[N]＝qfC4:‖q[n+1]‑q[n]‖，，Vmaxδt,n＝1,…,N‑1步骤5‑7：在给定点 和 对 进行一阶泰勒展开，得到其下界即

其中

2

对u[n]和 在 和 进行一阶泰勒展开，得到如下不等式：优化问题P7转化为凸问题，重新表述为：