1.一种无人机位置和卸载决策联合优化方法，其特征在于，包括：S1、检测无人机关联数据；

S2、根据检测的无人机关联数据建立用户任务完成时延最小化问题；

S3、将所建立的用户任务完成时延最小化问题的变量由能量采集时间、用户卸载决策和无人机位置三个变量转化为用户卸载决策和无人机位置两个变量；

S4、根据无人机关联数据中的用户位置，初始化无人机位置；

S5、固定转化后问题的无人机位置变量，计算得到用户卸载决策；

S6、固定转化后问题的用户卸载决策变量，计算得到无人机位置；

S7、重复步骤S5‑S6，直至用户任务完成时延的变化小于所规定阈值；

S8、根据最终得到的用户卸载决策和无人机位置计算能量采集时间；

S9、根据计算所得的能量采集时间采集能量，并根据得到的用户卸载决策向无人机或者基站卸载任务，无人机飞行到最终得到的无人机位置上为用户提供计算服务；

所述步骤S1中，无人机关联数据包括无人机计算资源、基站计算资源、用户位置、信道状态、任务数据量、带宽资源；

所述步骤S2中，根据检测的无人机关联数据建立用户任务完成时延最小化问题，包括：S2.1、计算用户 采集的能量，公式如下：；

其中 表示用户 的能量转化效率， 表示用户 采集能量的时长， 表示用户与能量发射器 之间的信道增益， 表示能量发射器 的发射功率， 表示用户 是否采集能量发射器 发出的能量，当用户设备 采集能量发射器 发射的能量时， ，反之 ，用户设备采集距离最近的能量发射器发射的能量；

S2.2、计算用户设备 与无人机 之间的信息传输速率，公式如下：；

其中 表示用户设备的带宽， 表示用户设备 的发射功率， 表示用户设备 和无人机 之间的信道增益， 表示用户设备和无人机之间距离为1时的参考信道增益， 表示用户设备 与无人机 的距离， 表示加性高斯白噪声功率， 表示加性高斯白噪声功率谱密度；

计算用户设备 与基站之间的信息传输速率，公式如下：；

其中 表示用户设备 与基站之间的信道增益， 表示独立随机信道衰落因子，服从尺度分布为 的瑞利分布， 表示用户设备 与基站的距离，表示光速，表示载波的中心频率；

计算用户设备 与无人机 之间的数据传输时间，公式如下：；

计算用户设备 与基站之间的数据传输时间，公式如下：；

计算用户设备 的数据传输时间，公式如下：；

计算用户设备 卸载数据的能耗，公式如下：；

S2.3、设定基站和无人机将其计算资源平均分配给与之建立连接的用户设备，当用户设备 将任务卸载给无人机 时，计算无人机 为用户设备 计算任务所消耗的时间，公式如下：；

其中 表示无人机 的计算能力， 表示用户设备 产生的任务数据量， 表示用户设备 的任务计算强度；

当用户设备 将任务卸载给基站时，计算基站为用户设备 计算任务所消耗的时间，公式如下：；

其中 表示基站的计算能力；

计算用户设备 卸载数据的计算时间，公式如下：；

当用户设备 在本地处理任务时，计算用户设备 的本地计算时间，公式如下：；

其中 表示用户设备 的计算能力；

计算用户设备 的本地计算能耗，公式如下：；

其中 表示用户设备 的有效电容系数；

S2.4、计算用户 与无人机 通信时所得到的条件互信息，公式如下：；

其中 表示用户 的雷达信干燥比， 表示OFDM一体化信号的符号周期， 表示用户 感知信道脉冲响应的傅里叶变换；

计算用户 与基站通信时所得到的条件互信息，公式如下：；

计算用户 所得到的条件互信息，公式如下：；

S2.5、计算用户 任务处理总时延，公式如下：；

计算用户设备总时延最小化的问题，公式如下：；

其中 表示用户设备 的能耗， 表示用户设备 的最小条件互信息要求， 和 分别表示无人机 轴与 轴坐标的最大值， 为用户设备集合， 为无人机的集合； 表示用户设备卸载决策变量集合，表示用户设备能量采集时长的变量集合， 表示无人机悬停的位置变量集合，约束 表示用户设备消耗的能量应该小于采集的能量；约束 表示用户设备卸载计算时所得到的条件互信息应当大于最小值 ；约束 和表示用户设备有本地计算、无人机计算、基站计算三种任务计算方式，并且只能向一个无人机卸载数据；约束 表示无人机只能在固定范围内悬停。

2.根据权利要求1所述的无人机位置和卸载决策联合优化方法，其特征在于，所述步骤S3中，将所建立的用户任务完成时延最小化问题的变量由能量采集时间、用户卸载决策和无人机位置三个变量转化为用户卸载决策和无人机位置两个变量，包括：计算用户设备 能量采集时间的最优值，公式如下：；

将变量 关于 和 的封闭表达式代入问题 后，问题 转化为问题 ，公式如下：。

3.根据权利要求2所述的无人机位置和卸载决策联合优化方法，其特征在于，所述步骤S4中，根据无人机关联数据中的用户位置，初始化无人机位置，包括：S4.1、随机选择一个用户位置作为第一个初始聚簇中心；

S4.2、计算所有用户离当前已确定的最近的聚簇中心的距离 ，根据公式计算所有用户的位置成为下一个初始聚簇中心的概率，其中 表示用户 的序号；

S4.3、通过轮盘赌法确定新的聚簇中心，根据每一个用户位置成为下一个初始聚簇中心的概率将区间 分为 个区间，其中 为用户总数，随机产生一个0到1之间的随机数，随机数所处区间对应的用户位置就是新的聚簇中心位置；

S4.4、重复步骤S4.2‑S4.3直至选择出剩余的 个初始聚簇中心， 为无人机个数；

S4.5、将最近的聚簇中心是同一个聚簇中心的用户划分到同一个簇中；

S4.6、将每个簇中所有用户位置横坐标的平均值作为新的簇中心的横坐标，所有用户位置纵坐标的平均值作为新的簇中心的纵坐标；

S4.7、重复步骤S4.5‑S5.6直至所有聚簇中心的变化小于阈值或达到最大循环数；

S4.8、聚簇中心的位置就是无人机的初始位置。

4.根据权利要求3所述的无人机位置和卸载决策联合优化方法，其特征在于，所述步骤S5中，固定转化后问题的无人机位置变量，计算得到用户卸载决策，包括：S5.1、当无人机位置 确定时，优化问题 转化为子问题 ，公式如下：；

问题 为整数规划问题，采用遗传算法对问题 进行求解；

S5.2、初始化种群个体数 、个体编码长度 、交叉概率 和循环次数 ；

S5.3、对种群个体进行编码，采用二进制编码，与每个用户设备相关的编码位数为，其中 表示向上取整，用户设备采用本地计算这个策略时，对应的编码为十进制0的二进制形式，卸载至基站这个决策对应的编码为十进制1的二进制形式，卸载至无人机 的二进制编码为十进制 的二进制形式，种群中个体的编码由所有用户设备的二进制编码前后拼接而成；

S5.4、计算种群个体适应度，引入一个惩罚因子 将问题 的约束转化到目标函数上，再将转化后的函数的负值作为个体的适应度，公式如下：；

其中惩罚因子 是一个很大的正常数， 、 、 、 和 分别表示第个个体编码对应的用户设备 的卸载决策以及根据决策得到的用户设备 的能耗、时延和条件互信息；

S5.5、对种群个体进行选择，计算种群中所有个体适应度的总和，然后把个体适应度与适应度总和的比值作为该个体被选中的概率，公式如下：；

其中 表示种群个体数，最后使用轮盘赌算法选择出新的 个个体；

S5.6、对种群个体进行交叉，随机选择两个个体，并随机选取一个编码位置作为交叉点，然后交叉所选中个体编码交叉点以后的部分，交叉后需要重新选择无实际意义的那段编码所对应的用户设备的决策；

S5.7、对种群个体进行变异，变异的操作是随机选择某一个个体编码中的一位，将其变换为其他的编码；

S5.8、重复步骤S5.4‑S5.7，直至循环次数达到规定循环次数 ；

S5.9、从种群中找到最优个体并记录其适应度；

S5.10、对最优个体的编码进行解码，并根据适应度计算问题 目标函数；

S5.11、最优个体所对应的用户卸载决策便是所需的卸载决策。

5.根据权利要求4所述的无人机位置和卸载决策联合优化方法，其特征在于，所述步骤S6中，固定转化后问题的用户卸载决策变量，计算得到无人机位置，包括：S6.1、当用户卸载决策 确定时，优化问题 转化为子问题 ，公式如下：；

其中 表示向无人机卸载数据的用户设备集合， 表示用户设备 和其卸载数据的无人机 之间的信道增益，再次引入一个辅助变量 和一个新的约束条件， ，问题 重新表示为：；

其中 表示辅助变量集合；

S6.2、初始化泰勒展开点 ，迭代次数 ，算法停止条件；

S6.3、建立近似优化问题，采用逐次凸逼近的方法得到问题 的局部最优解，首先，将约束 中的 在固定点 ， 进行一阶泰勒展开得：；

其中 ， ，然后将上式代入

问题 ，问题2.3便成为一个凸优化问题；

S6.4、使用CVX工具箱求解凸优化问题得到无人机位置 ；

S6.5、更新泰勒展开点 ；

S6.6、重复步骤S6.3‑S6.5，直至问题 目标函数值变化满足停止条件；

S6.7、循环结束后将问题 的解作为无人机位置。

6.根据权利要求5所述的无人机位置和卸载决策联合优化方法，其特征在于，所述步骤S8根据最终得到的用户卸载决策和无人机位置计算能量采集时间的具体公式为。

7.一种无人机位置和卸载决策联合优化装置，其特征在于，包括：检测模块，用于检测无人机关联数据，无人机关联数据包括无人机计算资源、基站计算资源、用户位置、信道状态、任务数据量、带宽资源；

问题建立模块，用于根据检测的无人机关联数据建立用户任务完成时延最小化问题，包括：S2.1、计算用户 采集的能量，公式如下：；

其中 表示用户 的能量转化效率， 表示用户 采集能量的时长， 表示用户与能量发射器 之间的信道增益， 表示能量发射器 的发射功率， 表示用户 是否采集能量发射器 发出的能量，当用户设备 采集能量发射器 发射的能量时， ，反之 ，用户设备采集距离最近的能量发射器发射的能量；

S2.2、计算用户设备 与无人机 之间的信息传输速率，公式如下：；

其中 表示用户设备的带宽， 表示用户设备 的发射功率， 表示用户设备 和无人机 之间的信道增益， 表示用户设备和无人机之间距离为1时的参考信道增益， 表示用户设备 与无人机 的距离， 表示加性高斯白噪声功率， 表示加性高斯白噪声功率谱密度；

计算用户设备 与基站之间的信息传输速率，公式如下：；

其中 表示用户设备 与基站之间的信道增益， 表示独立随机信道衰落因子，服从尺度分布为 的瑞利分布， 表示用户设备 与基站的距离，表示光速，表示载波的中心频率；

计算用户设备 与无人机 之间的数据传输时间，公式如下：；

计算用户设备 与基站之间的数据传输时间，公式如下：；

计算用户设备 的数据传输时间，公式如下：；

计算用户设备 卸载数据的能耗，公式如下：；

S2.3、设定基站和无人机将其计算资源平均分配给与之建立连接的用户设备，当用户设备 将任务卸载给无人机 时，计算无人机 为用户设备 计算任务所消耗的时间，公式如下：；

其中 表示无人机 的计算能力， 表示用户设备 产生的任务数据量， 表示用户设备 的任务计算强度；

当用户设备 将任务卸载给基站时，计算基站为用户设备 计算任务所消耗的时间，公式如下：；

其中 表示基站的计算能力；

计算用户设备 卸载数据的计算时间，公式如下：；

当用户设备 在本地处理任务时，计算用户设备 的本地计算时间，公式如下：；

其中 表示用户设备 的计算能力；

计算用户设备 的本地计算能耗，公式如下：；

其中 表示用户设备 的有效电容系数；

S2.4、计算用户 与无人机 通信时所得到的条件互信息，公式如下：；

其中 表示用户 的雷达信干燥比， 表示OFDM一体化信号的符号周期， 表示用户 感知信道脉冲响应的傅里叶变换；

计算用户 与基站通信时所得到的条件互信息，公式如下：；

计算用户 所得到的条件互信息，公式如下：；

S2.5、计算用户 任务处理总时延，公式如下：；

计算用户设备总时延最小化的问题，公式如下：；

其中 表示用户设备 的能耗， 表示用户设备 的最小条件互信息要求， 和 分别表示无人机 轴与 轴坐标的最大值， 为用户设备集合， 为无人机的集合； 表示用户设备卸载决策变量集合，表示用户设备能量采集时长的变量集合， 表示无人机悬停的位置变量集合，约束 表示用户设备消耗的能量应该小于采集的能量；约束 表示用户设备卸载计算时所得到的条件互信息应当大于最小值 ；约束 和表示用户设备有本地计算、无人机计算、基站计算三种任务计算方式，并且只能向一个无人机卸载数据；约束 表示无人机只能在固定范围内悬停；

转化模块，用于将所建立的用户任务完成时延最小化问题的变量由能量采集时间、用户卸载决策和无人机位置三个变量转化为用户卸载决策和无人机位置两个变量；

初始化模块，用于根据无人机关联数据中的用户位置，初始化无人机位置；

第一计算模块，用于固定转化后问题的无人机位置变量，计算得到用户卸载决策；

第二计算模块，用于固定转化后问题的用户卸载决策变量，计算得到无人机位置；

迭代模块，用于重复执行第一计算模块和第二计算模块，直至用户任务完成时延的变化小于所规定阈值；

第三计算模块，用于根据最终得到的用户卸载决策和无人机位置计算能量采集时间；

处理模块，用于根据计算所得的能量采集时间采集能量，并根据得到的用户卸载决策向无人机或者基站卸载任务，无人机飞行到最终得到的无人机位置上为用户提供计算服务。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现权利要求1‑6中任一项所述方法的步骤。