1.一种基于强化学习的无人机辅助物联网抗敌意干扰方法，其特征在于：包括：步骤10、建立抗敌意干扰攻防Stackelberg博弈模型，在所述抗敌意干扰攻防Stackelberg博弈模型中地面传感器节点、无人机和智能干扰机为博弈的三个参与者；

步骤20、推导所述抗敌意干扰攻防Stackelberg博弈模型中的博弈均衡点及所述博弈均衡点的存在条件，所述博弈均衡点包括智能干扰机的最优干扰功率、无人机的最优发射功率、无人机的最优移动距离以及地面传感器节点的最优发射功率；

步骤30、在未知干扰模型的条件下，引入WoLF‑PHC算法动态优化地面传感器节点的发射功率、无人机的发射功率和无人机的移动轨迹；

所述步骤10具体包括：

步骤11、在时隙k内，无人机在初始位置 收到地面传感器节点发送的信息，然后以速(k)度 直线飞行到目标位置L ，将信息转发给位于LB的基站，智能干扰机对基站实施干扰；

步骤12、定义Ai为功率集，i∈(s,u,j)，其中s表示地面传感器节点，u表示无人机，j表示智能干扰机，D为无人机飞行距离动作集，|Ai|表示功率集中元素的个数，|D|表示动作集中元素的个数；

步骤13、地面传感器节点首先以发射功率 将信息传给无人机，无人机通过信号功率与飞行轨迹控制策略提高转发质量，无人机设置当前信号发射功率 之后控制目标飞行距离 飞到 和LB之间的最优位置转发信息，其中Du是无人机的最大可达飞行距离，智能干扰机在地面固定的位置，以功率 向基站持续发送干扰信号，降低无人机与基站之间的通信质量；

步骤14、将地面传感器节点定为领导者，无人机为副领导者，智能干扰机为追随者，三个参与者的目的均为最大化自己的效用函数，地面传感器节点、无人机和智能干扰机之间的先后行为建模为抗敌意干扰攻防Stackelberg博弈模型；

所述步骤20中，推导出的博弈均衡点及所述博弈均衡点的存在条件，具体包括：智能干扰机的最优干扰功率，公式如下：

其中，hs为地面传感器节点的信道增益，hu为无人机的信道增益，hj为智能干扰机的信道增益，ps为地面传感器节点的发射功率，pu为无人机的发射功率，pj为智能干扰机的发射功率，Cj为单位干扰信号功率损耗系数，σ为噪声功率；

无人机的最优发射功率，公式如下：

其中，Cu表示无人机的单位信号功率损耗系数，

Ω1:

Ω2:

其他:

无人机的最优移动距离，公式如下：

其中，Du是无人机的最大可达飞行距离，DB是无人机起始位置和基站位置之间的欧氏距离，Ω1:

Ω2:

其他:

地面传感器节点的最优发射功率，公式如下：

其中，Cs表示地面传感器节点的单位信号功率损耗系数，Cr表示无人机的单位飞行距离损耗系数，Dr表示系统的参考距离，hr表示无人机或者智能干扰机与基站的距离为参考距离Dr时的参考信道增益。

2.根据权利要求1所述的方法，其特征在于：所述步骤30具体包括：步骤31、输入(k‑1)时隙无人机的发射功率和移动距离以及智能干扰机的干扰功率，其中，k为当前时隙序号；

步骤32、通过WoLF‑PHC算法确定地面传感器节点k时隙的发射功率；

步骤33、根据所述地面传感器节点k时隙的发射功率，通过WoLF‑PHC算法确定无人机k时隙的发射功率和移动距离；

步骤34、根据所述地面传感器节点k时隙的发射功率和无人机k时隙的发射功率和移动距离，通过WoLF‑PHC算法确定智能干扰机k时隙的最优干扰功率；

步骤35、判断是否达到博弈均衡点；若否，令k＝k+1，然后返回步骤31；若是，结束步骤。

3.一种基于强化学习的无人机辅助物联网抗敌意干扰系统，其特征在于，包括：博弈模型建立模块、博弈均衡点推导模块以及动态优化模块；

所述博弈模型建立模块，用于建立抗敌意干扰攻防Stackelberg博弈模型，在所述抗敌意干扰攻防Stackelberg博弈模型中地面传感器节点、无人机和智能干扰机为博弈的三个参与者；

所述博弈均衡点推导模块，用于推导所述抗敌意干扰攻防Stackelberg博弈模型中的博弈均衡点及所述博弈均衡点的存在条件，所述博弈均衡点包括智能干扰机的最优干扰功率、无人机的最优发射功率、无人机的最优移动距离以及地面传感器节点的最优发射功率；

所述动态优化模块，用于在未知干扰模型的条件下，引入WoLF‑PHC算法动态优化地面传感器节点的发射功率、无人机的发射功率和无人机的移动轨迹；

所述博弈模型建立模块，具体用于执行如下步骤：

步骤11、在时隙k内，无人机在初始位置 收到地面传感器节点发送的信息，然后以速(k)度 直线飞行到目标位置L ，将信息转发给位于LB的基站，智能干扰机对基站实施干扰；

步骤12、定义Ai为功率集，i∈(s,u,j)，其中s表示地面传感器节点，u表示无人机，j表示智能干扰机，D为无人机飞行距离动作集，|Ai|表示功率集中元素的个数，|D|表示动作集中元素的个数；

步骤13、地面传感器节点首先以发射功率 将信息传给无人机，无人机通过信号功率与飞行轨迹控制策略提高转发质量，无人机设置当前信号发射功率 之后控制目标飞行距离 飞到 和LB之间的最优位置转发信息，其中Du是无人机的最大可达飞行距离，智能干扰机在地面固定的位置，以功率 向基站持续发送干扰信号，降低无人机与基站之间的通信质量；

步骤14、将地面传感器节点定为领导者，无人机为副领导者，智能干扰机为追随者，三个参与者的目的均为最大化自己的效用函数，地面传感器节点、无人机和智能干扰机之间的先后行为建模为抗敌意干扰攻防Stackelberg博弈模型；

所述博弈均衡点推导模块中，推导出的博弈均衡点及所述博弈均衡点的存在条件，具体包括：智能干扰机的最优干扰功率，公式如下：

其中，hs为地面传感器节点的信道增益，hu为无人机的信道增益，hj为智能干扰机的信道增益，ps为地面传感器节点的发射功率，pu为无人机的发射功率，pj为智能干扰机的发射功率，Cj为单位干扰信号功率损耗系数，σ为噪声功率；

无人机的最优发射功率，公式如下：

其中，Cu表示无人机的单位信号功率损耗系数，

Ω1:

Ω2:

其他:

无人机的最优移动距离，公式如下：

其中，Du是无人机的最大可达飞行距离，DB是无人机起始位置和基站位置之间的欧氏距离，Ω1:

Ω2:

其他:

地面传感器节点的最优发射功率，公式如下：

其中，Cs表示地面传感器节点的单位信号功率损耗系数，Cr表示无人机的单位飞行距离损耗系数，Dr表示系统的参考距离，hr表示无人机或者智能干扰机与基站的距离为参考距离Dr时的参考信道增益。

4.根据权利要求3所述的系统，其特征在于：所述动态优化模块，具体用于执行如下步骤：步骤31、输入(k‑1)时隙无人机的发射功率和移动距离以及智能干扰机的干扰功率，其中，k为当前时隙序号；

步骤32、通过WoLF‑PHC算法确定地面传感器节点k时隙的发射功率；

步骤33、根据所述地面传感器节点k时隙的发射功率，通过WoLF‑PHC算法确定无人机k时隙的发射功率和移动距离；

步骤34、根据所述地面传感器节点k时隙的发射功率和无人机k时隙的发射功率和移动距离，通过WoLF‑PHC算法确定智能干扰机k时隙的最优干扰功率；

步骤35、判断是否达到博弈均衡点；若否，令k＝k+1，然后返回步骤31；若是，结束步骤。