1.一种非授权频段LTE-U和WiFi系统基于Q算法的动态占空比共存方法，其特征在于：该方法利用Q算法，不断学习探索网络环境，动态调节LTE-U与WiFi的最佳共存时间，以此来降低LTE-U对WiFi系统的干扰，提高网络整体吞吐量；

该方法具体包括以下步骤：

S1：分别给LTE-U和WiFi设置预期吞吐量 并给LTE基站编号；

S2：划分状态State和动作Action；

S3：对全部LTE基站建立全零Q矩阵；

S4：确定当前网络整体吞吐量C所处的状态State j，j表示当前的状态编号，1≤j≤N，N表示状态总数；

S5：选择动作Action：产生一个服从均匀分布的0到1的随机数r，如果r小于预设固定值ε，则随机选择动Action q，否则，则选择 中对应的动作Action q；此种选择动作Action方式，即可保证以一定概率随机探索新动作Action，又可依照经验选择此状态下Q值，即代价最小的动作Action；q表示当前的动作编号，1≤q≤S，S表示动作Action总数；

S6：执行所选择的动作Action q，并在当前传输周期T结束后，记录下LTE-U和WiFi系统当前各自的吞吐量CL、CW；

S7：更新网络整体吞吐量Cupd，得出此时网络所处的状态State upd并更新Q矩阵；

S8：更新状态State：根据步骤S7中得出的当前状态State upd，更新此时的网络状态State，并跳转至步骤S5，进行下一个传输周期T内动作Action的选择。

2.根据权利要求1所述的非授权频段LTE-U和WiFi系统基于Q算法的动态占空比共存方法，其特征在于：在步骤S1中，网络侧根据LTE-U和WiFi系统各自的瞬时吞吐量峰值乘以相应的百分比，设置LTE-U和WiFi系统的预期吞吐量 设置LTE基站编号，编号从场景中心小区的基站起始，依次编号：B1、B2…BM，M为场景中的基站总数。

3.根据权利要求1所述的非授权频段LTE-U和WiFi系统基于Q算法的动态占空比共存方法，其特征在于：在步骤S2中，状态State的划分可对网络整体期望吞吐量进行均分得出。

4.根据权利要求1所述的非授权频段LTE-U和WiFi系统基于Q算法的动态占空比共存方法，其特征在于：在步骤S2中，动作Action划分为4种情况，即20％、40％、60％、80％；该4种Action代表LTE-U在一个传输周期内T的传输时间比例，即LTE-U与WiFi在一个传输周期时间T内共存的时间。

5.根据权利要求1所述的非授权频段LTE-U和WiFi系统基于Q算法的动态占空比共存方法，其特征在于：在步骤S3中，全部LTE基站建立全零Q矩阵，基站Bi的Q矩阵元素为其中，j表示当前的状态编号，q表示当前的动作编号，1≤j≤N，1≤q≤S；N表示状态总数，S表示动作总数，即为4。

6.根据权利要求1所述的非授权频段LTE-U和WiFi系统基于Q算法的动态占空比共存方法，其特征在于：在步骤S4中，根据步骤S2中的State划分规律，确定当前网络整体吞吐量C所处的Statej。

7.根据权利要求1所述的非授权频段LTE-U和WiFi系统基于Q算法的动态占空比共存方法，其特征在于：在步骤S5中，考虑到Q学习算法是根据过去的经验选择动作Action q，为了保证Q算法选择的有效性，在Q算法中规定以一定的概率ε跳出经验的限制以探索更优的选择结果并进一步保障Q算法在提高网络整体吞吐量的优势，其中，ε的取值为0.04。

8.根据权利要求1所述的非授权频段LTE-U和WiFi系统基于Q算法的动态占空比共存方法，其特征在于：在步骤S6中：在当前传输周期T内，LTE-U系统执行Action q对应的传输时间比例，传输比例与传输时间比例的对应关系为：传输时间＝传输时间比例×传输周期T。

9.根据权利要求1所述的非授权频段LTE-U和WiFi系统基于Q算法的动态占空比共存方法，其特征在于：在步骤S7中，利用步骤S6中记录的LTE-U和WiFi的当前吞吐量CL、CW，通过Cupd＝CL+CW计算出此时网络整体吞吐量Cupd，结合步骤S2中确定的State划分情况，得出此时的网络状态State upd。

10.根据权利要求1所述的非授权频段LTE-U和WiFi系统基于Q算法的动态占空比共存方法，其特征在于：在步骤S7中，每一个传输周期结束后，都需要对Q矩阵进行更新，Q矩阵更新式为：

上式等号右边的

为更新后的Q值，等号左边的

为更新前的Q其中，代价Cost和更新的

Q_v的计算方式为：

代价Cost值代表着已选的动作Action q对于LTE-U和WiFi网络达到预期吞吐量是否有促进的作用；当Cost值较小，表示Action q有利于LTE-U和WiFi网络达到预期吞吐量，反之，则表示Actionq不利于使LTE-U和WiFi网络达到预期吞吐量；更新公式中的学习因子α和折扣因子γ，取值范围都为(0，1)，二者协同作用调节Q矩阵的更新，进而影响Q算法的学习效果，α取值0.5，γ取值0.9。