1.一种基于粒子滤波的UAV无线携能通信网络系统上行链路吞吐量最大化方法，其特征在于，所述方法包括以下步骤：步骤一：初始化：设置UAV的飞行高度H和能量信号发射功率P，飞行时间T，以及两架UAV之间的最小间隔为dmin，待优化的系统变量X＝{x1,x2,y1,y2,δI,δE,Q1,Q2}，初始化为将UAV的飞行时间T等间隔划分为N个时隙，即δ＝T/N，在第n，n∈[1,N]个飞行时隙内，UAV位于一个固定的位置qu[n]＝(xu[n],yu[n],H)，u∈{1,2}交替地对地面信息节点wi＝(xi,yi,0)，i∈{1,2}进行充电，充电时间为δE[n]，地面信息节点则交替地将自身的信息传到对应的UAV上，发送信息的时间为δI[n]，地面信息节点的信息传输功率为Qi[n]，i∈{1,2}；系统上行链路的最大信息吞吐量为Rf＝[]，优化算法对变量集合X进行迭代优化的最大迭代次数为I0，初始迭代次数i＝0；待优化的系统变量X包含的变量向量X(j)的个数记为J＝8，初始化变量向量的优化个数为j＝0；每个变量向量X(j)∈X,j∈[1,8]的最大优化次数为I1，初始优化次数i1＝0，改进型粒子滤波算法的最大迭代次数为Np，初始迭代次数k＝0，采样粒子的总数为M；

步骤二：开始迭代，对系统变量集合X进行迭代优化，以获取一个全局最优解，增加迭代优化的次数，得到的最优解应趋于稳定，对应的系统最小吞吐量的最大值也趋于收敛，当前迭代次数为i＝i+1；

步骤三：依次对变量向量X(j)∈X,j∈[1,8]进行优化，其它变量向量作为常量固定，以减少优化变量的维数，并且将优化之后的X(j)代入到下一个变量X(j+1)的更新当中，当前优化个数为j＝j+1，初始化第i次迭代对X(j)进行优化得到的系统上行链路最小吞吐量步骤四：开始对变量向量X(j)进行迭代优化，以获取一个变量向量X(j)的最优解，随着迭代优化次数的增加，系统上行链路最小吞吐量的最大值 趋于收敛，变量向量X(j)的当前优化次数为i1＝i1+1；

步骤五：开始对变量向量X(j)进行迭代优化，利用改进型的粒子滤波算法进行迭代优化，以搜索出一个全局最优解，在变量向量X(j)的取值范围内，随机生成一个维数与X(j)相同的向量作为初始值，状态粒子x0的初始值等于该初始值，以指引粒子滤波搜索最优解的方向；

步骤六：开始进行粒子滤波迭代优化，在一个初始范围内搜索变量X(j)的最优解，变量向量通过迭代次数的增加，不断地向最优解的方向进行搜索，通过收缩变量的搜索范围，使得当迭代结束时，最终收敛于全局最优解附近，当前优化搜索的次数为k＝k+1；

步骤七：采样：对于粒子m＝1,2,…,M，根据 采集新粒子 使用均匀

分布U(xk‑1‑ck,xk‑1+ck)代替 然后在变量向量X(j)的取值范围内进行随机采k‑1样，采样粒子数为M，其中ck＝Λ/a 是一个随迭代次数而逐渐变小的参量，Λ是定义域，a＝1.01；然后对采样粒子进行交叉和变异操作；

步骤八：更新全局最优：首先，计算当前迭代次数下，采样粒子 的适应度值其中， 系统变量集合，且 且满足以下约束条件：C1：地面信息节点消耗的能量不超过收集到的能量：

C2：发射能量信号的时间与收集信息的时间不超过每个时隙的时间：

δI[n]+δE[n]≤δ，n∈[1,N]                                    (3)C3：发射能量信号的时间大于传输信息的时间：

0≤δI[n]＜δE[n]≤δ，n∈[1,N]                                (4)C4：UAV的飞行速度是受限的：||qu[n+1]‑qu[n]||≤Vmaxδ，u∈{1,2},n∈[1,N]                    (5)C5：UAV需要避免碰撞：之后，找到并保存适应度值的最大值yg及其对应的采样粒子，以作为下一次迭代搜索的中心点：步骤九：更新粒子的权值：以上一次迭代得到的状态粒子xk‑1的适应度值yk‑1作为观测值：其中，Xk‑1(j)＝xk‑1，且满足约束条件 若采样粒子 的适应度值 且不满足约束条件C1～C5，则该粒子对应的权值 若采样粒子 的适应度值 且满足约束条件C1～C5，则根据以下式子计算该粒子的权值：2

其中，粒子的适应度值集合 视为服从正态分布N(yk‑1,s)，s是样本的

方差，之后，归一化所有采样粒子的权值：

步骤十：重采样：为了丰富粒子多样性，避免优化算法过早收敛，陷入一个局部最优解，对采样粒子和相应的权值加权求和近似表示的概率密度函数重新抽样，设定一个阈值Nth＝

2M/3，并计算有效粒子数：

当Neff＜Nth时必须启动重采样；

步骤十一：更新状态粒子xk：将目标函数的最优解的逼近过程视为一个动态时变系统，更新动态时变系统的状态更新方程，使状态粒子xk逐步朝着使目标函数逼近最优解的方向前进：步骤十二：判断是否可以跳出粒子滤波迭代搜索：若当前迭代次数未超过最大迭代次数Np，则返回步骤六继续迭代优化，若迭代次数超过最大迭代次数Np时，算法结束，停止迭代，输出变量向量X(j)在第i1次优化得到的最优解 和对应的系统上行链路吞吐量的最大值步骤十三：利用第i1次优化得到的最优解 和对应的系统上行链路吞吐量的最大值 更新系统变量集合X和对应的系统上行链路最小吞吐量更新之后的系统变量用于下一次迭代优化；

步骤十四：判断是否可以跳出对变量向量X(j)的优化：当第i次迭代对X(j)进行优化得到的系统上行链路最小吞吐量 趋于收敛，或者迭代优化次数超过最大迭代次数I1时,可以跳出对变量向量X(j)迭代优化，即满足以下条件时跳出迭代：否则返回步骤四继续迭代优化：

步骤十五：判断是否已经对所有的变量向量进行了优化：如果j≤8，返回步骤三继续对下一个变量向量X(j+1)进行优化，如果j＞8，则停止优化，此时所有变量向量已经完成了优化，最后的一个变量向量X(8)优化之后，得到的系统上行链路最小吞吐量 即为第i次迭代对变量集合X进行优化得到的系统上行链路最小吞吐量的最大值，更新系统上行链路的最大信息吞吐量Rf为：步骤十六：判断是否可以停止迭代：当系统上行链路的最大信息吞吐量Rf随着迭代次数i的增加而趋于收敛时，跳出对变量集合X的迭代优化，否则返回步骤二继续迭代优化，满足以下条件时停止迭代：步骤十七：对变量集合X的迭代优化结束，由于在优化的过程中，每一次对变量向量X(j)优化结束之后，都会用X(j)的优化结果更新系统变量集合X，因此，当对变量集合X的迭代优化结束之后，X即更新为了全局最优解，对应的系统上行链路吞吐量的最大值为Rf(end)，即输出的全局最优解Xopt及其对应的系统上行链路最小吞吐量的最大值为：Xopt＝X                                              (22)Rmax＝Rf(end)                                        (23)。

2.如权利要求1所述的基于粒子滤波的UAV无线携能通信网络系统上行链路吞吐量最大化方法，其特征在于，所述步骤一中，优化算法对变量集合X进行迭代优化的最大迭代次数为I0＝10，每个变量向量X(j)∈X,j∈[1,8]的最大优化次数为I1＝5，改进型粒子滤波算法的最大迭代次数为Np＝200，采样粒子的总数为M＝500。