所属的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“平台”。本发明再一个实施例中，提供一种空地一体化车联网性能分析与优化系统，该系统能够用于实现上述空地一体化车联网性能分析与优化方法，具体的，该空地一体化车联网性能分析与优化系统包括构建模块、增强模块、优化模块以及输出模块。其中，构建模块，构建包括1个领航车辆，1个中继无人机和v个作为从属车辆的智能网联车辆模型，其中车辆以车队形式前进，无人机跟随车队移动；增强模块，基于得到的智能网联车辆模型构建基于noma增强型的中继无人机车联网模型；优化模块，基于得到的noma增强型的中继无人机车联网模型构建下行安全速率和优化问题的目标函数与优化条件；输出模块，基于下行安全速率和优化问题的目标函数与优化条件，通过随机几何获得下行速率的解析解，并通过高斯-切比雪夫积分对下行速率的解析解进行近似处理得到近似解，实现基于非正交多址接入的空地一体化车联网的性能分析；通过强化学习和图论进行迭代求解，优化无人机的航迹和频谱分配，最大化下行速率和，实现基于非正交多址接入的空地一体化车联网下行速率和的最大化。本发明再一个实施例中，提供了一种终端设备，该终端设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(central processingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor、dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于空地一体化车联网性能分析与优化方法的操作，包括：构建包括1个领航车辆，1个中继无人机和v个作为从属车辆的智能网联车辆模型，其中车辆以车队形式前进，无人机跟随车队移动；基于得到的智能网联车辆模型构建基于noma增强型的中继无人机车联网模型；基于得到的noma增强型的中继无人机车联网模型构建下行安全速率和优化问题的目标函数与优化条件；基于下行安全速率和优化问题的目标函数与优化条件，通过随机几何获得下行速率的解析解，并通过高斯-切比雪夫积分对下行速率的解析解进行近似处理得到近似解，实现基于非正交多址接入的空地一体化车联网的性能分析；通过强化学习和图论进行迭代求解，优化无人机的航迹和频谱分配，最大化下行速率和，实现基于非正交多址接入的空地一体化车联网下行速率和的最大化。本发明再一个实施例中，本发明还提供了一种存储介质，具体为计算机可读存储介质(memory)，所述计算机可读存储介质是终端设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括终端设备中的内置存储介质，当然也可以包括终端设备所支持的扩展存储介质，可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任一合适的组合。计算机可读存储介质还包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任一合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任一合适的组合。可以以一种或多种程序设计语言的任一组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任一种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中有关空地一体化车联网性能分析与优化方法的相应步骤；计算机可读存储介质中的一条或一条以上指令由处理器加载并执行如下步骤：构建包括1个领航车辆，1个中继无人机和v个作为从属车辆的智能网联车辆模型，其中车辆以车队形式前进，无人机跟随车队移动；基于得到的智能网联车辆模型构建基于noma增强型的中继无人机车联网模型；基于得到的noma增强型的中继无人机车联网模型构建下行安全速率和优化问题的目标函数与优化条件；基于下行安全速率和优化问题的目标函数与优化条件，通过随机几何获得下行速率的解析解，并通过高斯-切比雪夫积分对下行速率的解析解进行近似处理得到近似解，实现基于非正交多址接入的空地一体化车联网的性能分析；通过强化学习和图论进行迭代求解，优化无人机的航迹和频谱分配，最大化下行速率和，实现基于非正交多址接入的空地一体化车联网下行速率和的最大化。请参阅图7，终端设备为计算机设备，该实施例的计算机设备60包括：处理器61、存储器62以及存储在存储器62中并可在处理器61上运行的计算机程序63，该计算机程序63被处理器61执行时实现实施例中的储层改造井筒中流体组成计算方法，为避免重复，此处不一一赘述。或者，该计算机程序63被处理器61执行时实现实施例储层改造井筒中流体组成计算系统中各模型/单元的功能，为避免重复，此处不一一赘述。计算机设备60可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备60可包括，但不仅限于，处理器61、存储器62。本领域技术人员可以理解，图7仅仅是计算机设备60的示例，并不构成对计算机设备60的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如计算机设备还可以包括输入输出设备、网络接入设备、总线等。所称处理器61可以是中央处理单元(central processing unit，cpu)，还可以是其它通用处理器、中央处理器、图形处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、基于量子计算的数据处理逻辑器、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。存储器62可以是计算机设备60的内部存储单元，例如计算机设备60的硬盘或内存。存储器62也可以是计算机设备60的外部存储设备，例如计算机设备60上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，存储器62还可以既包括计算机设备60的内部存储单元也包括外部存储设备。存储器62用于存储计算机程序以及计算机设备所需的其它程序和数据。存储器62还可以用于暂时地存储已经输出或者将要输出的数据。本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic randomaccess memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。请参阅图8，终端设备600为电子设备，电子设备以通用计算设备的形式表现。电子设备的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。其中，存储单元存储有程序代码，程序代码可以被处理单元610执行，使得处理单元610执行本说明书上述方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，处理单元610可以执行如图1中所示的步骤。存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(rom)6203。存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任一总线结构的局域总线。电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储平台等。为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。下面结合仿真对本发明的技术效果作详细的描述。本实验将近似结果与分析结果进行对比以验证其准确性。将本发明实施例获得的下行速率和的近似解和解析解误差进行对比分析，如图3所示。请参阅图3，图3显示了下行速率和近似结果和分析结果的误差对比。图示表明，在车辆数为29时，近似结果和分析结果的下行速率和相差4.18％，并且，分析结果的下行速率和高于近似结果；在车辆数为35时，近似结果和分析结果的下行速率和相差4.22％，并且，分析结果的下行速率和高于近似结果。由于下行速率和近似结果和分析结果的误差在可控误差范围内，因此将本发明用于实际中是合理和有意义的。将本发明得到的下行速率和的近似解与解析解的平均运行时间进行对比，如图4所示。请参阅图4，可以观察到，下行速率和的近似结果与解析结果的平均运行时间相差较大且解析结果的平均运行时间远远高于近似结果，可见解析结果运算复杂，计算量大。车辆数量为29与35时，近似结果由3.87％增长至4.64％，平均运行时间相差较小。本实验对一种基于非正交多址接入的空地一体化车联网性能分析与优化方法及系统和基于相同网络参数的已有机制进行仿真，验证本发明方法的优越性。具体地步骤如下：为保障公平性，对比方案均采用了物理层安全技术。在仿真实验中，fc＝2ghz，v＝[20,50]，m＝[15,55]，kl,v＝2，σ2＝-174dbm/hz。将本发明与对比方案1、对比方案2、对比方案3、对比方案4进行性能对比，具体对比方案如下：a)对比方案1：该方案采用路边单元作为中继，并采用noma技术传输两个不同的数据符号；b)对比方案2：该方案采用移动无人机作为中继，并优化了航迹和频谱分配；c)对比方案3：该方案采用移动无人机作为中继，并采用优化无人机部署和信道分配的noma技术提高领航车辆到从属车辆之间的传输速率。请参阅图5，给出了下行速率和与车辆数量的关系。可以观察到，在不同的车辆数量下，本发明的性能显著优于四个对比方案，即具有最高的下行速率和。具体来说，与对比方案1、对比方案2和对比方案3相比，下行速率和分别提高59.3％、40.5％和16.2％。请参阅图6，给出了最大窃听率和下行速率和的关系。可以观察到，窃听率在达到0.8时，无法保证部分车辆的安全，并且下行速率和随着车辆数量的增加而增加。特别值得一提的是，随着车辆数量的增加，本发明逐步具有最高的下行速率和。综上所述，本发明一种空地一体化车联网性能分析与优化方法及系统，采用noma来增强空地协作网络的传输和任务处理性能，将从属车辆接收数据的速率优化问题形式化为航迹优化与频谱分配问题，结合闭式解推导、匈牙利算法、基于高斯-切比雪夫积分、强化学习和图论进行迭代求解，实现了下行速率和最大化的目的。所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。本领域普通技术人员可以意识到，结合本发明中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(read-only memory，rom)、随机存取存储器(randomaccess memory，ram)、电载波信号、电信信号以及软件分发介质等，需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。
背景技术：
1、近年来，在特定长途运输路段中，车队通过车辆控制和通信技术，增强道路安全，其中，中继无人机发挥着关键作用。通常情况下，利用无人机作为车队的中继，在前车与跟车之间传输数据，可以有效扩大通信范围，增强通信覆盖，并在复杂或阻塞的环境下提供稳定的通信链路。然而，在noma增强型车联网中，由于无线资源有限、车辆移动性高，中继无人机辅助车辆队列的准确性能分析和合理优化网络这一系列问题仍亟待解决，为该领域研究者提出挑战。
2、现有技术一，致力于提高空地一体化车联网中的频谱利用效率。该技术采用了一种上行协作非正交多址接入(non-orthogonal multiple access，noma)方案，并构建了一种基于noma的无人机辅助车辆队列模型。
3、现有技术二，致力于提高复杂动态车联网性能分析的精确度，同时优化网络参数以适应不断变化的环境。技术二提出采用不依赖于加密密钥的物理层(psl)技术，从而促进低延迟和高安全性的传输。
4、然而，现有技术存在问题是：
5、首先，现有技术一主要采用noma技术进行任务的传输。然而，noma技术引入了非正交的信号叠加，忽略了各用户之间的干扰问题。其次，技术二通常假设合法用户和窃听者之间存在完美的信道状态信息，但此假设并非在任何情况下生效，并且由于假设对地信道是瑞利衰落，因此表明需要更好地反映现实世界条件的模型。
技术实现思路
1、本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种空地一体化车联网性能分析与优化方法及系统，用于解决现有各用户之间存在干扰，以及无法生效信道状态信息的技术问题。
2、本发明采用以下技术方案：
3、一种空地一体化车联网性能分析与优化方法，包括以下步骤：
4、构建包括1个领航车辆，1个中继无人机和v个作为从属车辆的智能网联车辆模型，其中车辆以车队形式前进，无人机跟随车队移动；
5、基于得到的智能网联车辆模型构建基于noma增强型的中继无人机车联网模型；
6、基于得到的noma增强型的中继无人机车联网模型构建下行安全速率和优化问题的目标函数与优化条件；
7、基于下行安全速率和优化问题的目标函数与优化条件，通过随机几何获得下行速率的解析解，并通过高斯-切比雪夫积分对下行速率的解析解进行近似处理得到近似解，实现基于非正交多址接入的空地一体化车联网的性能分析；通过强化学习和图论进行迭代求解，优化无人机的航迹和频谱分配，最大化下行速率和，实现基于非正交多址接入的空地一体化车联网下行速率和的最大化。
8、优选地，智能网联车辆模型中，定义智能网联车辆的集合领航车辆采用非正交多址接入技术进行数据传输，从属车辆在2个时隙接收2个不同的信息，领航车辆具有m个频谱用于数据传输，频谱分配策略为：
9、
10、其中，为频谱的集合，为智能网联车辆集合，为频谱分配方案的集合，nm,v为频谱分配方案；当第m个频谱分配给第v个从属车辆时，nm,v＝1，否则nm,v＝0。
11、优选地，基于noma增强型的中继无人机车联网模型中，
12、定义领航车辆在第一个时隙向第v个从属车辆和中继无人机传输重叠信号dl,v，确定无人机和第v个从属车辆在第一个时隙内接收到的信号和rl,v；
13、定义中继无人机在第二个时隙向第v个从属车辆发送数据符号并设数据符号被完美解码；在第二个时隙，确定第v个从属车辆的接收信号ru,v；
14、定义第v个从属车辆数据速率其中，和分别为数据符号和的速率。
15、优选地，无人机和第v个从属车辆在第一个时隙内接收到的信号和rl,v分别表示为：
16、
17、
18、其中，为领航车辆-无人机链路在第m个频谱上的独立rician衰落信道系数，hl,v为领航车辆-第v个从属车辆链路的独立rician衰落信道系数，ηl,u和ηl,v为具有零均值和方差σ2的加性高斯白噪声，为第v个从属车辆的功率分配系数，pv为领航车辆分配给第v个从属车辆的发射功率，表示具有归一化功率的第j个数据符号。
19、优选地，第v个从属车辆的接收信号ru,v为：
20、
21、其中，为无人机-第v个从属车辆链路在第m个频谱上的独立rician衰落信道系数，ηu,v为具有零均值和方差σ2的加性高斯白噪声，pv为领航车辆分配给第v个从属车辆的发射功率，表示具有归一化功率的第j个数据符号。
22、优选地，数据符号和的速率和分别为：
23、
24、
25、其中，γl,v为数据符号在第v个从属车辆处的接收信干噪比，为数据符号在无人机处的接收信干噪比，为数据信号在无人机处的接收信干噪比，γu,v为数据信号在第v个从属车辆处的接收信干噪比。
26、优选地，构建下行安全速率和优化问题的目标函数与优化条件具体为：
27、通过优化航迹和频谱分配最大化启用中继无人机和非正交多址接入技术的车联网的下行安全速率和csum，确定下行安全速率和优化问题p1；
28、对下行速率和csum进行分析，定义和得到ω1的累积分布函数f(ω1)；
29、基于高斯-切比雪夫积分简化数值计算得到的近似解，确定数据符号和的速率和的近似解。
30、优选地，下行安全速率和优化问题p1为：
31、
32、其中，为无人机航迹可行区域横轴、纵轴和竖轴的最小值，为无人机航迹可行区域横轴、纵轴和竖轴的最大值，为无人机的最高飞行速度，csum为下行安全速率和，为优化航迹，为频谱分配，cv为第v个从属车辆数据速率，为是一个集合，nm,v为频谱分配方案，m为频谱数，为频谱的集合，为智能网联车辆的集合，csec为目标安全速率，cth为最大允许窃听速率。
33、优选地，通过高斯-切比雪夫积分、强化学习、图论、匈牙利算法进行迭代求解具体为：
34、将下行速率和最大化问题p1解耦为航迹优化问题p2和频谱分配问题p3；
35、对于航迹优化问题p2，采用q-learning方法进行求解；
36、首先，将航迹优化问题p2转化为马尔可夫决策过程；
37、然后，构建q值表qtab，qtab为一个二维矩阵，由状态与动作构成，无人机从起始点出发，按照qtab更新策略去探索环境，生成一个从起始状态到终止状态的状态-动作-奖励序列，终止状态为无人机到达终点；
38、对于频谱分配问题p3，频谱分配问题被视为二分图匹配问题，并基于匈牙利算法获得最优匹配。
39、第二方面，本发明实施例提供了一种空地一体化车联网性能分析与优化系统，包括：
40、构建模块，构建包括1个领航车辆，1个中继无人机和v个作为从属车辆的智能网联车辆模型，其中车辆以车队形式前进，无人机跟随车队移动；
41、增强模块，基于得到的智能网联车辆模型构建基于noma增强型的中继无人机车联网模型；
42、优化模块，基于得到的noma增强型的中继无人机车联网模型构建下行安全速率和优化问题的目标函数与优化条件；
43、输出模块，输出模块，基于下行安全速率和优化问题的目标函数与优化条件，通过随机几何获得下行速率的解析解，并通过高斯-切比雪夫积分对下行速率的解析解进行近似处理得到近似解，实现基于非正交多址接入的空地一体化车联网的性能分析；通过强化学习和图论进行迭代求解，优化无人机的航迹和频谱分配，最大化下行速率和，实现基于非正交多址接入的空地一体化车联网下行速率和的最大化。
44、与现有技术相比，本发明至少具有以下有益效果：
45、一种空地一体化车联网性能分析与优化方法，采用noma来增强车联网无人机辅助车队的性能并合理优化设计。然后，导出在瑞利衰落信道上从领航车辆到从属车辆的平均可达速率的解析解，结合考虑轨迹优化、频谱分配和信息安全，以最大化下行速率和为目标的优化问题。之后，通过迭代优化方法，匈牙利算法进行求解。最后，本发明与已有机制相比，可实现下行速率和优化。
46、进一步的，空地协作优势明显，特别是在无线通信中。具体地，在特定长途运输路段的场景，领航车辆采用非正交多址接入技术进行数据传输，从而使从属车辆在2个时隙可以接收2个不同的信息，可以有效地扩大通信范围，增强信号覆盖，并在复杂或阻塞性环境下提供稳定地通信链路。此外，特定路段中存在突发情况发生的可能性，如路面存在障碍物，周围岩壁倒塌以及受到其他遮挡物的影响，造成非视距信号传输，而无人机可以避开地面障碍物，形成直射通信链路。在直射传输中，信号直接从无人机传送到领航车辆，信号功率较高且干扰较少。除此之外，车队通过精确的车辆控制和通信技术，可以增强道路安全，优化交通流，降低能耗，从而提供更广泛的通信服务。
47、进一步的，在空地一体化车联网中，采用noma技术可以提供更优质的通信服务；具体地，在特定运输路段的场景，由于频谱资源有限，频谱利用率较低，利用noma技术允许从属车辆在2个时隙可以接收2个不同的信息的特性，可以有效地扩大通信范围，提高频谱利用率。此外，noma技术通过动态分配频谱和调整调制方式，使得领航车辆和从属车辆能够在同一频段内协同传输，减小用户间的干扰，进而保障通信的可靠性。
48、进一步的，在空地一体化车联网中，本发明旨在最大化下行速率和；由于采用了noma技术，因此需要考虑对航迹进行优化。原因在于，无人机的移动轨迹被当作一个新的维度来优化系统性能，优化轨迹可进一步提高无人机通信系统的传输速率以提高更高质量的通信服务，减少与周围车辆之间的干扰。此外，需要对频谱分配进行优化。原因在于，优化频谱分配可以增强频谱效率、提高系统容量和提供更高质量的通信服务。此外，对于无人机而言，优化其三维部署是必不可少的。原因在于，通过优化无人机三维部署，可以最大化通信的覆盖范围，并且避免信号的阻挡和传播路径中的障碍物，减小信号传输的路径损耗，提高通信质量和稳定性。
49、进一步的，建模的上行速率和最大化问题是非凸的，用传统的凸优化算法难以直接解决；原因在于，由于nm,v∈{0,1}，因此所建模的数据速率和最大化问题是一个与连续变量离散变量相关的混合整数非线性规问题，且具有非确定性多项式特性，通常而言，它是棘手且难以直接求解的。因此，将非凸问题解耦转化为两个子问题，并通过闭式解推导、匈牙利算法、基于高斯-切比雪夫积分、强化学习和图论进行矢代求解，实现速率和最大化。
50、进一步的，使用物理层安全(pls)技术能够有效确保用户隐私。原因在于，未经授权的用户可能会对传输给授权用户的数据的安全构成威胁，这会导致网络漏洞，例如黑客、窃听和传输信息的干扰。无线通信亟需与其传输特性、传播机理相契合的安全防护手段。pls源于但同时又高于无线通信本身的安全理念。pls从无线通信传播特点入手，利用无线信道的不可测量、不可复制的内生安全属性，从物理层探索无线通信内生安全机制，促进安全与通信一体化。除此之外，频谱分配问题中，pls为了获得足够好的安全效果，往往需要更精确的信道估计，因此，频谱资源分配越多，越合理，信道越准，同时主瓣越窄，从而安全效果就越好。
51、可以理解的是，上述第二方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
52、综上所述，本发明能够满足特定长途运输的通信需求，面向长途运输通信网络大量节点的通信需求，采用具有灵活部署特性的无人机作为中继，协助车队的通信传输，优化交通流；领航车辆采用非正交多址接入技术进行数据传输，允许从属车辆在2个时隙可以接收2个不同的信息，可以准确获得可实现的最大化的数据速率。
53、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
1.一种空地一体化车联网性能分析与优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的空地一体化车联网性能分析与优化方法，其特征在于，智能网联车辆模型中，定义智能网联车辆的集合领航车辆采用非正交多址接入技术进行数据传输，从属车辆在2个时隙接收2个不同的信息，领航车辆具有m个频谱用于数据传输，频谱分配策略为：
3.根据权利要求1所述的空地一体化车联网性能分析与优化方法，其特征在于，基于noma增强型的中继无人机车联网模型中，
4.根据权利要求3所述的空地一体化车联网性能分析与优化方法，其特征在于，无人机和第v个从属车辆在第一个时隙内接收到的信号和rl,v分别表示为：
5.根据权利要求3所述的空地一体化车联网性能分析与优化方法，其特征在于，第v个从属车辆的接收信号ru,v为：
6.根据权利要求3所述的空地一体化车联网性能分析与优化方法，其特征在于，数据符号和的速率和分别为：
7.根据权利要求1所述的空地一体化车联网性能分析与优化方法，其特征在于，构建下行安全速率和优化问题的目标函数与优化条件具体为：
8.根据权利要求7所述的空地一体化车联网性能分析与优化方法，其特征在于，下行安全速率和优化问题p1为：
9.根据权利要求1所述的空地一体化车联网性能分析与优化方法，其特征在于，通过高斯-切比雪夫积分、强化学习、图论、匈牙利算法进行迭代求解具体为：
10.一种空地一体化车联网性能分析与优化系统，其特征在于，包括：
