1.基于鲁棒学习的mIoV联合干扰资源分配方法，其特征在于，包括步骤：S1、构建大规模车联网即mIoV的通信模型；所述通信模型包括M个V2V通信的车辆即VP、N个V2I通信的车辆即PV和T个基站即BS，基站通过无线通信技术与主车辆连接，提供频谱资源和网络服务，实现数据传输和交互，即V2I通信；进行V2I通信的一辆车与另一辆车交换数据并共享信息，即V2V通信；密集分布的mIoV场景中划定有多个区域，可用频谱资源被划分为K个子信道；在每个区域中，权重最高的V2I车辆用作PV，一个PV使用一个子信道；当一个区域内PV与VP之间的距离以及VP与VP之间的距离满足大于距离阈值的条件时，该区域内多个VP和一个PV能够进行频谱共享；

S2、基于所述通信模型建立加权干扰超图模型；

所述步骤S2具体包括步骤：

S21、基于所述通信模型构建加权干扰超图模型G＝{V,E,W}，V是顶点集合，E是超边集合，W是权重集合，V中的顶点表示车辆，E中的超边表示车辆之间通信的干扰关系，W中的权重表征V中各顶点对QoS需求的权重，QoS即服务质量；当一辆车产生的干扰超过另一辆车的最大干扰门限，则它们之间产生独立干扰，形成超边；当其他车辆产生的干扰超过参考车辆的最大干扰门限，则它们之间产生累积干扰，形成超边；

S22、将所述加权干扰超图模型分为多个虚拟子区域，这些虚拟子区域由重叠区域集和非重叠区域集组成，重叠区域集表示与多个超边关联的车辆区域，非重叠区域集表示仅与一个超边关联的车辆区域；

S23、去除非重叠区域集，并选择具有最大D(vi)的顶点来表示由多个超边形成的所有重叠区域，对所述加权干扰超图模型的重叠区域集进行简化，得到简化加权干扰超图模型，其中D(vi)表示与顶点vi相关的超边的数量；

S24、基于线图的定义将所述简化加权干扰超图模型转化为干扰线图；

S25、基于折线图的定义将所述线图转化为干扰折线图；

S3、基于所述加权干扰超图模型，以最大化网络吞吐量为目标，结合发射功率约束和信道选择约束，建立资源分配优化初始模型：s.t.C1:

C2:

C3:

C4:

其中，max表示最大化，s.t.表示需满足，下标n对应第n个PV，第n个PV使用第n个子信道，下标m对应第n个PV下的第m个VP，Sn表示第n个PV下的VP集合；ρm,n表示基于所述加权干扰超图模型获取的信道分配指示符，当ρm,n＝1表示第m个VP共享第n个子信道，否则ρm,n＝0；

表示第n个子信道中第m个VP的SINR，SINR表示信号干扰加噪声比； 表示第n个PV的最小所需速率，且有 和 分别表示PV和VP的最大传输功率；pn表示PV在第n个子信道的发射功率，pm,n表示第m个VP在第n个子信道上的发射功率；

S4、为便于求解，对所述资源分配优化初始模型进行简化，获得资源分配优化简化模型；

在所述步骤S4中，所述资源分配优化简化模型表示为：s.t.C1:

C2:

C3:

其中，hm,n表示第m个VP在第n个子信道上的信道增益， 表示第n个子信道中从第n个PV到第m个VP的干扰功率增益， 表示第n个子信道上BS处的噪声信号功率， 表示第m个VP在第n个子信道上对PV的干扰功率增益，Ith(pm)表示一个阈值；

S5、基于鲁棒学习对所述资源分配优化简化模型进行求解，获得资源分配策略；

所述步骤S5具体包括步骤：

S51、收集独立同分布的不完美CSI通道样本，并通过学习鲁棒算法进行学习，得到用于求解所述资源分配优化简化模型的椭球集 CSI指信道状态信息；

S52、基于所述椭球集对所述资源分配优化简化模型进行近似，得到近似资源分配优化简化模型；

S53、采用凸优化问题求解算法对所述近似资源分配优化简化模型进行求解。

2.根据权利要求1所述的基于鲁棒学习的mIoV联合干扰资源分配方法，其特征在于，在步骤S21中，第i个顶点的权重wi由下式计算：wi＝ki*ni

其中，ki表示该顶点对QoS需求的系数，wi表示该顶点所需的QoS。

3.根据权利要求1所述的基于鲁棒学习的mIoV联合干扰资源分配方法，其特征在于，在所述步骤S52中，椭球集 参数化为：d

其中， 表示一个1×2M的矩阵； 表示h 的测量值，是d

的中心；C表示一个2M×2M大的方阵；v表示一个2M×1的列向量。

4.根据权利要求1所述的基于鲁棒学习的mIoV联合干扰资源分配方法，其特征在于，所述近似资源分配优化简化模型表示为：s.t.C1:

C2:

C3:

d

其中， 表示噪声功率矩阵，IM×1表示M×1维的单位矩阵；P表示M×2M的矩阵，dP展开为：

表示VP在第x个子信道上的发射功率、 表示表示PV在第x个子信道上的发射功率，x＝1,2,…,M。

5.根据权利要求4所述的基于鲁棒学习的mIoV联合干扰资源分配方法，其特征在于，由下式计算：其中，pm′,n表示第m'个VP在第n个子信道上的发射功率， 表示第n个子信道中从第m'个VP到第m个VP的干扰功率增益。

6.基于鲁棒学习的mIoV联合干扰资源分配系统，其特征在于：包括mIoV通信模型构建模块、干扰超图模型构建模块、优化模型构建模块、优化模型简化模块、求解模块，所述mIoV通信模型构建模块、所述干扰超图模型构建模块、所述优化模型构建模块、所述优化模型简化模块和所述求解模块分别用于执行权利要求1～5任一项所述的步骤S1、S2、S3、S4、S5。