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；

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射面，将其放置在建筑物表面上；地面认知基站坐标为 ，第k个地面主要用户坐标为 ；T分成N个时隙，每个时隙长度为 ，次要无人机用户在第  𝑛  个时隙的水平坐标为 ；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， ；

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d0= 1 m 处的信道增益，α为路径损耗指数； 为第n个时隙中认知基站到次要无人机用户之间的距离； 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， 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； 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， 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；zu是次要无人机用户的高度，wr是智能反射面的水平位置；

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， 为路径损耗指数， 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；

均为均值为零和单位方差的独立复高斯分布。

2.如权利要求1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：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， 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：。

3.如权利要求2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：。

4.如权利要求3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：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； 是地面主要用户的干扰阈值即受到干扰的最大限度。

5.如权利要求1‑4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。

6.如权利要求4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 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：步骤5‑2：定义如下矩阵:

从而优化问题P1重写为：

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：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 进行优化，则优化问题表示如下：步骤5‑5：引入 ，  ，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：

引入 写为：

同时利用半正定松弛后，优化问题重新表述为：步骤5‑6：固定智能反射面的相移矩阵 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：将非凹目标函数中𝑅 𝑠[𝑛 ]改写为：其中  ；

引入辅助变量 ，P5的目标函数改写为：问题P5重新表示为：

步骤5‑7：在给定点 进行一阶泰勒展开，得到其下界，即

其中

对 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：。