1.一种无人机MEC通信网络中的免授权频谱接入方法，其特征在于：该方法包括以下步骤：

步骤1：面向无人机MEC通信网络，以时分复用和频分复用技术构建免授权频谱接入方法，为不同类型的用户分配不同时频资源：将无人机的任务执行周期T作为飞行周期，每个飞行周期划分为N个时隙，每个时隙划分为实时传输和非实时功控传输阶段，进而K个计算用户和M个下行实时通信用户在实时传输阶段可以通过FDMA技术共享信道，V个下行NPC用户在非实时功控传输阶段与WiFi设备同信道传输；

步骤2：基于步骤1构建的方法，在满足上行计算用户和下行通信用户不同传输速率的前提下，联合考虑实时传输阶段和非实时功控阶段的占空比分配、无人机飞行轨迹、下行非实时功控(Non-realtime Power Controlled,NPC)用户的传输功率分配和实时阶段中上下行链路用户的带宽分配，构建一个最大化上行计算用户总卸载量的优化问题：(P)：

s.t.C1～C11

其中，约束C1为表示无人机的轨迹应该满足的约束，Qu[n]＝(Xu[n],Yu[n])是无人机的位置坐标，Vmax是无人机的最大飞行速度，n是第n个时隙；约束C2为Qu[0]＝Qu[N].，表示无人机在一个短任务周期T之后返回到起始位置；C3为Fmin≤b[n]≤Fmax，确保非实时功控传输阶段和实时传输阶段的用户在每个时隙中传输的均衡性，b[n]是第n个时隙实时通信阶段的时间占比，Fmin和Fmax分别表示实时传输阶段分配到的最小时间占比和最大的时间占比；C4为表示在实时传输阶段，无人机使用FDMA技术分配带宽资源同时为地面的M个实时通信用户和K个计算用户提供通信服务，即第m个下行实时通信用户在第n个时隙中分配的带宽为Bm[n]，第k个上行计算用户在第n个时隙中使用带宽Bk[n]同时卸载任务到无人机上，带宽应满足的约束；C5为表示M个实时用户在每个飞行时隙中应满足的最低吞吐量，pm[n]表示无人机在实时传输阶段中第n个时隙分配给第m个用户的功率，N0表示噪声功率谱密度，表示下行实时通信用户在每个飞行时隙内的最低传输的吞吐量，由于每个实时用户通信链路质量相近，将pm[n]设置为常数不做优化，即pm[n]＝Puav_max/M，Puav_max为实时传输阶段无人机最大的发射功率，gum[n]为无人机与实时用户之间的信道增益；C6为表示满足每个用户的最低计算需求的约束，是第k个上行用户在第n个时隙中本地能够处理的任务量，为第k个上行计算用户在实时传输阶段的第n个时隙中的卸载量，p为每个上行计算用户的卸载功率，是fk[n]第k个用户在第n个时隙中的本地计算能力，Ck是用户计算1bit的任务所需要的CPU的转数，gku[n]是上行用户与无人机之间的信道增益；C7为C8为其中Pmax为非实时功控传输阶段中无人机分配给每个NPC用户v的最大平均功率，P为非实时功控传输时无人机的最大发射功率，pv[n]为无人机在第n个时隙为用户v分配的功率；C9为表示保证每个WiFi设备受到的平均干扰功率之和不超过阈值Γl，Wl是WiFi设备坐标，w0为在1m距离处的信道功率增益，H为无人机的固定高度，Qu[n]是无人机在n时刻的坐标；C10是需要满足每个NPC用户的最低平均通信速率需求的约束：其中，是每个用户v最低的平均通信速率(bits/s/Hz)，Nn表示高斯白噪；约束C11是和步骤3：针对步骤2中建立的复杂优化问题，提出一种高效的基于BCD-SCA的多变量迭代优化算法对建立的优化模型进行求解：首先根据需要优化的占空比、轨迹、带宽和功率四个参数，基于BCD算法将上述原问题分解为占空比分配(P1)、轨迹优化(P2)、带宽分配(P3)和功率分配(P4)四个子问题；在分解的四个子问题中，带宽分配和功率分配均是标准的凸优化问题，而占空比分配是线性规划问题，它们都可以通过使用标准凸优化工具CVX被精确地求解出结果，而飞行轨迹子问题是非凸非凹的，能够通过采用SCA方法将其转化为近似问题进而得到最优解，进而将上述原问题分解为独立的四个子问题，在优化每一个子问题的时候，固定其它子问题的优化变量，再使用SCA方法将其中的非凸子问题进行非凸转凸，通过迭代四个子问题并交替优化的过程，最终满足精度，找到原问题的最终解。

2.根据权利要求1所述的一种无人机MEC通信网络中的免授权频谱接入方法，其特征在于，针对权利要求1中的轨迹非凸非凹子问题采用SCA方法进行求解，有：(P2)：

s.t.C1，C2，C5，C6，C9，C10.

(a)首先引入非负松弛变量xm[n]作为约束C5左边的下界，对于左边的式子，令γ＝pm[n]/(N0Bm[n])，则约束C5可以被表示为：式中，Dm为下行实时通信用户的地理位置，上述不等式左边关于Qu[n]是非凸的，但是关于||Qu[n]-Dm||2是凸的，因此对于||Qu[n]-Dm||2进行一阶泰勒近似作为凸函数的下界，假设给定第i次迭代的局部值为上述不等式左边的下界可转化为：其中

因此，约束C5可被代替为：

对于上述转化后的约束(5.1)和(5.2)，约束(5.2)的不等式左边是关于Qu[n]是凹函数，右边是线性函数，按照准则可得满足凸约束，约束(5.1)是线性约束；

(b)再引入非负松弛变量xk[n]作为C6的下界，目标函数P2和约束C6分别可转换如下形式：

其中Ck为上行用户的地理坐标，对于转化后的目标函数、约束(11.1)和约束(11.2)，均满足凸函数的性质，属于凸约束；

(c)对于约束(9)而言，首先引入松弛变量tv[n]为||Qu[n]-Wl||的下界，即约束C9可转化为：||Qu[n]-Wl||2≥tv[n],                       (9.1)

对于上述约束(9.1)和约束(9.2)，约束(9.2)是凸约束，而对于非凸约束(9.1)，采用SCA方法，可转化为凸约束(9.3)如下：因此，约束C9等价于约束(9.2)和约束(9.3)，到此已转化为凸约束；

(d)约束C10可直接采用SCA方法来处理，类似于约束C5和约束C6的处理方法，处理结果如下：

其中表示下行用户v在时刻n的速率,因此约束C10转化为凸约束(10.1)和(10.2)，处理完毕；

子问题(P2)可转化为：

(P2.1)：

s.t.C1，C2，(5.1)，(5.2)，(6.1)，(6.2)，(9.2)，(9.3)，(10.1)，(10.2).

通过一系列转换上述关于轨迹优化的子问题(P2)被转化为一个标准的凸问题(P2.1)，可直接使用Matlab中的凸优化工具CVX来解决。