1.一种非授权频谱智能接入方法，其特征在于：该方法包括以下步骤：S1：初始化环境参数和智能体参数；

S2：初始化环境状态st＝s1和经验回放机制RB；

S3：根据ε‑贪心策略产生动作at＝π(st)；

S4：在后续βE个执行周期中执行动作at，收到环境反馈rt并更新状态至st+1；

S5：将转移样本et＝(st，at,rt,st+1)存储到经验回访机制RB；

S6：从经验回放机制RB中随机抽取H个转移样本更新Q‑网络；

S7：训练终止，输出最优接入策略。

2.根据权利要求1所述的一种非授权频谱智能接入方法，其特征在于：在步骤S1中，环境由共存的WiFi接入点构成，故环境参数包括WiFi接入点的退避参数以及提出的接入框架的时间参数。具体而言，需要设置的退避参数包括初始窗口大小CW，WiFi接入点包长TW和最大退避阶数m，需要设置的时间参数包括βE、βSF和βS，智能体参数主要包括接入策略更新要用到的训练参数。

3.根据权利要求1所述的一种非授权频谱智能接入方法，其特征在于：在步骤S2中，在正式训练过程开始之前，需要为环境设置一个初始状态st＝s1。状态st被定义为：其中ft为时刻t时共存网络的公平性指数， 和 分别表示时刻t∈(t‑TF,t]中第i个WiFi接入点和LTE小基站(智能体)的吞吐量，故初始状态基于当时共存网络具体的吞吐量和公平性计算得到。此外，LTE小基站包含一个经验回放机制RB，用于存储过往的经验以便样本接入策略的提升。

4.根据权利要求1所述的一种非授权频谱智能接入方法，其特征在于：在步骤S3中，LTE小基站根据当前状态选择接入动作，而动作选择的策略需要权衡对与环境的探索和已有知识的利用，ε‑贪心策略能很好地满足上述要求，其表达式定义为：式中，ε∈[0,1]称为控制参数，其大小表明了LTE小基站在动作选择上的偏好。表示该等式表明以概率1‑ε选择令当前Q值最大的动作，或者以概率ε随机从动作集合A中选择动作。

5.根据权利要求1所述的一种非授权频谱智能接入方法，其特征在于：在步骤S4中，动作at的执行结合了我们提出的接入框架，即LTE小基站会在后续βE个执行周期中执行动作at，这样做能让LTE小基站从更大的时间尺度观察到环境动态，即所有WiFi接入点流量模式的变化，从而在计算rt和st+1更加准确，学习收敛更快。

6.根据权利要求1所述的一种非授权频谱智能接入方法，其特征在于：在步骤S5中，LTE小基站会将一次与环境交互所产生的转移样本et＝(st，at，rt，st+1)存储至RB，逐步累积后续接入策略更新的数据。

7.根据权利要求1所述的一种非授权频谱智能接入方法，其特征在于：在步骤S6中，LTE小基站从RB中随机抽取批量为H的样本，采用梯度下降法更新Q‑网络权重。LTE小基站包含两个相同结构的神经网络，分别称为Q‑网络和目标Q‑网络，前者用于拟合接入策略，后者主要服务于策略的更新。

8.根据权利要求1所述的一种非授权频谱智能接入方法，其特征在于：在步骤S7中，当训练次数达到预期次数时，LTE小基站学习到一个最优解，即最优接入策略，此策略由Q‑网络表示。Q‑网络的输入为信道状态，输出是最优接入动作。