1.一种基于图神经网络的无线网络分布式平均共识方法，其特征在于，所述方法包括以下步骤：根据无线网络建立无向连通图，并确定所述无向连通图中所有节点的初始状态值的算术平均值；

设定共识目标，所述共识目标为所有节点的最终状态值收敛至所述算术平均值；

计算实现所述共识目标所需的通信时隙数；

以最小化所述通信时隙数为目标建立优化问题；

构建并训练基于图神经网络的消息传递神经网络，获得每个节点最终的嵌入向量，使用所述嵌入向量获得每个节点的广播概率；

使用每个节点的广播概率求解所述优化问题，获得最优时隙，并基于所述广播概率使用分布式线性迭代方法实现所述共识目标。

2.根据权利要求1所述的一种基于图神经网络的无线网络分布式平均共识方法，其特征在于，所述共识目标由下式确定：

1Tx(0)

其中，为无线网络中节点的数量，为节点，，为第个节点的初始状态值。

3.根据权利要求2所述的一种基于图神经网络的无线网络分布式平均共识方法，其特征在于，计算实现所述共识目标所需的通信时隙数的方式如下：其中，为共识的期望误差容限，，为第共识步骤中的随机混合矩阵。

4.根据权利要求3所述的一种基于图神经网络的无线网络分布式平均共识方法，其特征在于，所述优化问题如下：其中，，K为每个共识步骤中被调度进行广播的节点平均数量，为所有节点的最小调度概率。

5.根据权利要求4所述的一种基于图神经网络的无线网络分布式平均共识方法，其特征在于，所述构建并训练基于图神经网络的消息传递神经网络，获得每个节点最终的嵌入向量，使用所述嵌入向量获得每个节点的广播概率，具体包括：(1).建立消息传递神经网络，所述消息传递神经网络包括消息传递阶段、聚合阶段和更新阶段；

(2).迭代训练所述消息传递神经网络，获得每个节点最终的图嵌入；

(3).将每个节点最终的图嵌入输入rescale函数，具体为：获得每个节点的广播概率。

6.根据权利要求5所述的一种基于图神经网络的无线网络分布式平均共识方法，其特征在于，迭代训练所述消息传递神经网络具体包括：(1).在每一次训练中，在消息传递阶段，每个节点根据本地特征和邻居节点的边缘特征生成第一消息，并将所述第一消息传递给邻居节点，其中，所述本地特征为初始状态值、节点的度、PageRank值和介数中心性中至少一种，所述边缘特征为节点之间的强度、带宽和距离至少一种；在聚合阶段，每个节点聚合来自所有邻居的第一消息生成第二消息；在更新阶段，每个节点根据所述第二消息和本地特征来更新自己的节点特征，前一次训练之后的每个节点的节点特征作为后一次训练的本地特征参与训练；

(2).重复上述操作，直到上述消息传递神经网络收敛，获得每个节点最终的图嵌入。

7.根据权利要求6所述的一种基于图神经网络的无线网络分布式平均共识方法，其特征在于，迭代训练所述消息传递神经网络所使用的损失函数如下：其中，，为节点的数量，为小批量的大小。

8.根据权利要求6所述的一种基于图神经网络的无线网络分布式平均共识方法，其特征在于，使用每个节点的广播概率求解所述优化问题，获得最优时隙,包括：(1).基于对数函数的单调性对所述优化问题进行重新表述，具体如下：其中，，；

(2).将每个节点的广播概率输入上式，获得最优时隙。

9.根据权利要求1所述的一种基于图神经网络的无线网络分布式平均共识方法，其特征在于，基于所述广播概率使用分布式线性迭代方法实现所述共识目标，具体包括：(1).在每个迭代步骤中，每个节点根据所述广播概率确定是否向邻居节点发送自己当前的状态值，确定具体通过伯努利随机变量表示：当时，节点的状态值被广播给所有邻居点，，节点不进行广播；

(2).每个节点根据自己的当前状态值和接收到的邻居状态值，采用线性加权平均的方式更新状态值；

(3).重复上述步骤，直到实现所述共识目标。

10.根据权利要求9所述的一种基于图神经网络的无线网络分布式平均共识方法，其特征在于，每个节点向其邻居节点广播自己当前的状态值所采取的通信方式为时分多址和/或正交频分多址。