1.一种基于粒子群算法的非正交接入上行传输时间优化方法，其特征在于，所述方法包括以下步骤：(1)在基站的覆盖范围下总共有I个移动用户，移动用户用集合 表示，移动用户使用非正交接入技术同时向基站发送数据，其中移动用户i需要发送的数据量用表示；

在保证发送完成所有移动用户数据量的条件下，最小化上行传输时间与所有移动用户总能量消耗的优化问题描述为如下所示的优化问题ORRCM问题，ORRCM指的是整体无线资源消耗最小化：

0≤t≤Tmax        (1-3)Variables:t

下面将问题中的各个变量做一个说明，如下：α:上行传输时间的权重因子；

β:上行传输总能量消耗的权重因子；

t:移动用户发送数据到基站的上行传输时间，单位是秒；

是关于t的函数，表示移动用户i为了在给定上行传输时间t内完成发送数据量所需要的最小发射功率，单位是瓦特；

W:移动用户到基站的信道带宽，单位是赫兹；

n0:信道背景噪声的频谱功率密度；

giB:移动用户i到基站的信道功率增益；

移动用户i需要发送到基站的数据量，单位是兆比特；

移动用户i最大上传能量消耗，单位是焦耳；

Tmax:移动用户发送数据到基站的最大上行传输时间，单位是秒；

通过引入一个辅助变量求解ORRCM优化问题；

(2)ORRCM问题表示如下：

s.t.constraint(1-1)constraint(1-2)

Variable:0≤t≤TmaxORRCM问题是在给定移动用户上传量 的情况下找到最小的上行传输时间与所有移动用户总能量消耗，定义一个变量x，如下：ORRCM问题等价为ORRCM-E问题，“E”表示的是等价地，如下：ORRCM-E:minθ

Variable:x≥1/Tmax定义函数G(x)如下：

因此，得到函数G(x)的一阶导数如下：(3)求解ORRCM-E问题的算法ORRCM-Algorithm，采用粒子群算法的基本思想，用随机解初始化一群随机例子，然后通过迭代找到最小的θ值，该θ值满足ORRCM-E问题中约束条件(2-2)和(2-3)，是ORRCM所对应的整体资源消耗的最小值，步骤如下：步骤3.1:初始化种群个数N＝50，最大迭代次数ger＝50，当前迭代次数iter＝1，惯性权重w＝0.08，自我学习因子c1＝0.03，群体学习因子c2＝0.03，利用对分法求出函数Gi(x)＝0的零点；如果 且 则ORRCM-E问题不可行；如果 且或者 则得到 更

新 设定xmin＝1/Tmax；初始位置 每个个体的历史最佳位置{smi}＝0，每个个体的历史最佳适应度{fsmi}0＜i≤N＝0，种群的历史最佳位置ym＝0,种群的历史最佳适应度fym＝-∞，随机初始种群速度{vi}0＜i≤N∈(0，0.01)，更新速度的限制Δ＝0.05；

步骤3.2：如果 且 则ORRCM-E问题不可行，转至执行步骤

3.19；否则执行步骤3.3；

步骤3.3：如果iter≤ger，则执行步骤3.4；否则转至执行步骤3.19；

步骤3.4：令i＝1；

步骤3.5：如果i≤N，则执行步骤3.6；否则转至执行步骤3.8；

步骤3.6：如果fsmi>θ(si)，则更新fsmi＝θ(si)，smi＝si,执行步骤3.7；否则转至执行步骤3.8；

步骤3.7：更新i＝i+1，返回步骤3.5；

步骤3.8：如果fym大于{fsmi}0＜i≤N中的最小值fsmi，则更新fym＝fsmi，ym＝smi；否则执行步骤3.9；

步骤3.9：令i＝1；

步骤3.10：如果i≤N,则执行步骤3.11；否则转至执行步骤3.13；

步骤3.11：更新速度vi＝vi*w+c1*(smi-si)+c2*(ym-si)；

步骤3.12：更新i＝i+1，返回步骤3.10；

步骤3.13：如果发现vi>Δ，则更新vi＝Δ；否则执行步骤3.14；

步骤3.14：如果发现vi<-Δ，则更新vi＝-Δ，否则执行步骤3.15；

步骤3.15：更新种群位置，上一时刻的每个位置si加上更新速度vi，得最新的位置{si}0＜i≤N；

步骤3.16：如果发现 则更新 否则转至执行步骤3.18；

步骤3.17：如果发现 则更新 否则转至执行步骤3.18；

步骤3.18：更新iter＝iter+1，返回步骤3.3；

步骤3.19：如果ORRCM-E问题可行，输出θ*＝fym以及x*＝ym；否则输出ORRCM-E问题不可行；

最后，算法ORRCM-Algorithm输出的θ*代表ORRCM问题所求的最小整体无线资源消耗，ORRCM问题中待求的最优传输时间t*表示为