1.一种用户关联与功率控制在异构蜂窝网络中的协同优化算法，其特征在于，该算法通过将问题分解为两个子问题，在用户关联子问题中求得最佳用户关联矩阵和带权重的有效速率值，保证用户以能效最优的方式关联到基站中，在功率控制子问题求得最佳传输功率，利用功率控制技术降低系统间的干扰，最后利用迭代的方法求得系统的能效值；

该算法具体包括以下步骤：

S1：利用拉格朗日函数和凸优化工具找出最佳的用户与基站间的关联指数；

步骤S1中，首先初始化用户与基站间的关联矩阵和基站的传输功率，具体包括：S11：初始化用户关联矩阵，计算出带权重的有效速率和朗格朗日因子，完成对带权重的有效速率和拉格朗日因子的初始化；初始化计算公式如下：其中， 表示在第t1次迭代时的拉格朗日因子，它表示为能效问题的数学模型中速率限制条件的拉格朗日因子， 表示在第t1次迭代时的带权重的有效速率； 表示第t1次迭代时的用户关联指数，wk和 分别表示用户的有效速率权重和用户的有效速率，n代表基站，k代表用户；U＝{1，2，3，...,k}表示所有用户的集合；

S12：当用户选择其中的一些基站时，利用一种使效用函数值最大的原则找出最佳的用户关联矩阵，数学表达式如下：

其中，B＝{1,2,3,...,N}表示所有基站的集合，该网络中一共有N个基站；利用凸优化工具找出最佳的用户关联矩阵；

S13：找出最佳的用户关联矩阵后，然后再调整 最终得到本次迭代中最佳的用户关联矩阵X、拉格朗日因子λnk和带权重的有效速率ωnk；

S2：利用牛顿方法和回馈直线搜索方法为基站分配合适的发射功率；

步骤S2中，利用牛顿方法和回馈直线搜索方法分别求出搜索方向和步长，具体包括：S21：利用牛顿方法求得功率更新的搜索方向；

S22：利用回馈直线搜索方法求得功率更新的步长；

S23：利用 为基站分配合适的功率，其中 表示第t+1次迭代中基站的传输功率，σ(t)表示步长，Δpn表示搜索的方向；

S3：双层迭代方案：在外层循环寻找最佳的用户关联矩阵，在内层循环找出基站最佳的传输功率，通过反复的迭代找出最终的用户关联矩阵和基站的传输功率，使系统能效最优；

步骤S3中，利用双层迭代的方案求得最终的能效值，具体包括：首先，在步骤S1中求得本次迭代的最佳用户关联矩阵，求得用户关联矩阵后，在步骤S2为基站重新分配最佳的传输功率，完成一次迭代，求得本次迭代的能效值；但此时的能效值并不是最佳的能效值，在算法没有收敛或者还没有达到最大迭代次数时，反复执行步骤S1和步骤S2，寻找最佳的用户关联矩阵与功率分配方案，将每次迭代的能效值进行比较，直到最算法收敛或者达到最大迭代次数，最后得到的能效值即是最大的能效。