1.一种认知D2D通信系统中多用户博弈提高能效的资源分配方法，其特征在于，包括以下步骤：S1：将认知无线网络中若干个D2D用户以underlay模式复用蜂窝用户的频谱模型等价为若干个理性参与者为了最大化各自能效而组成的非协作博弈模型；

S2：根据非协作博弈模型设计获得认知无线网络中D2D用户和窝用户的能效最大化问题；其中第i对D2D用户的能效最大化问题为第k个蜂窝用户的能效最大化问题为

式中： 为第i对D2D用户的能效，rid为第i对D2D的传输速率， 为第i对D2D发送端的发送功率， 为D2D用户最大的发送功率约束， 为第k个蜂窝用户的能效， 为第k个蜂窝用户的传输速率， 为第k个蜂窝用户的发送功率， 为蜂窝用户最大的发送功率约束， 为第i对D2D用户的最小传输速率， 为第k个蜂窝用户的最小传输速率， 为第i对D2D用户的发送端的策略， 为在N对D2D对中除第i对D2D用户之外的其他D2D用户发送端的策略， 为第k个蜂窝用户的策略， 为在M个蜂窝用户中除第k个蜂窝用户之外的其他蜂窝用户的策略；

S3：采用拉格朗日对偶方法求解步骤S2中的能效最大化问题。

2.根据权利要求1所述一种认知D2D通信系统中多用户博弈提高能效的资源分配方法，其特征在于：还包括在蜂窝用户的干扰门限约束条件下构建基于干扰门限的能效最大化问题，通过引入凸优化理论将最大化系统能效的问题转化为凸优化问题；基于干扰门限的能效最大化问题为 为第i对D2D发送端的发送功率， 为在第k条信道，第i对D2D发送端和基站之间的干扰信道增益， 为第k个蜂窝用户能忍受的最大的干扰。

3.根据权利要求1所述一种认知D2D通信系统中多用户博弈提高能效的资源分配方法，其特征在于：所述认知无线网络中D2D用户和窝用户的能效最大化问题的获取过程为：首先，分别计算D2D用户和蜂窝用户的信干噪比SINR；

在第k条信道上第i对D2D对的信干噪比SINR为：

其中， 是第i对D2D发送端的发送功率， 是第k个蜂窝用户的发送功率， 是第j对D2D发送端的发送功率， 是第i对D2D之间的信道增益， 是第k个蜂窝用户对第i对D2D接收端的干扰信道增益， 是第j对D2D的发送端对第i对D2D接收端的干扰信道增益，N0为噪声功率；

基站处接收到第k个蜂窝用户的信干噪比SINR为：

其中， 是第k个蜂窝用户和基站之间的信道增益， 在第k条信道，第i对D2D对发送端和基站之间的干扰信道增益；

再分别计算D2D用户和蜂窝用户的所消耗的总功率；

第i对D2D的传输速率为 第i对D2D所消耗的总功率为第k个蜂窝用的传输速率为 不考虑基站的电路功耗，第k个蜂窝用户所消耗的总功率为其中，pcir是用户的电路功耗；D2D发送端和接收端均产生电路功耗，且所有的用户电路功耗均一样；η是功率放大系数，0<η<1；

最后分别计算第i对D2D用户发送端的能效和第k个蜂窝用户的能效；

第i对D2D用户的发送端的策略为

其中， 是D2D用户最大的发送功率约束；

第k个蜂窝用户的策略为

其中， 是蜂窝用户最大的发送功率约束；

在N对D2D对中除第i对D2D用户之外的其他D2D用户发送端的策略为：在M个蜂窝用户中除第k个蜂窝用户之外的其他蜂窝用户的策略为：为在N对D2D对中除第i对D2D用户之外的其他D2D用户发送端的最大发送功率，为在M个蜂窝用户中除第k个蜂窝用户之外的其他蜂窝用户的最大发送功率；

第i对D2D用户的能效 为

第k个蜂窝用户的能效 为

4.根据权利要求1到3任一项所述一种认知D2D通信系统中多用户博弈提高能效的资源分配方法，其特征在于：D2D用户和蜂窝用户的功率策略集Pd和Pc分别为

5.根据权利要求4任一项所述一种认知D2D通信系统中多用户博弈提高能效的资源分配方法，其特征在于：所述采用拉格朗日对偶方法求解步骤S2中的能效最大化问题包括找到最大化能效的功率和找到最优功率对应的最小拉格朗日因子两个内容。