本发明公开了一种无人机辅助NOMA网络的路径规划和功率分配方法。所述方法包括以下步骤：构建基于多波束和功率分配的无人机辅助NOMA网络通信系统；在基于多波束和功率分配的无人机辅助NOMA网络通信系统的基础上，建立信道模型，进而制定NOMA系统的收发策略；制定系统和速率最大化问题，将无人机的三维布局、波束方向和发射功率三者结合起来进行优化系统和速率最大化；对系统和速率最大化问题进行分解，分别优化无人机位置、波束图和无人机发射功率。本发明与正交频分多址算法(Orthogonal Frequency divisionMultiple Access，OFDMA)方案相比，具有更好的频谱效率，可以有效地提高基于无人机辅助NOMA网络的性能。
本发明公开了一种基于深度学习的携能NOMA系统的资源分配方法，包括以下步骤：(1)构建携能NOMA系统中基于发射功率最小化的联合资源分配的数学优化问题；(2)设计基于深度学习算法的联合资源分配策略。本发明针对携能NOMA系统，从节能的角度出发，构建了在满足用户服务质量(Quality of Service,QoS)需求和发射功率约束的条件下，最小化系统发射功率的数学优化问题，并设计了基于深度学习算法的联合资源分配策略，实现了低功耗资源分配的同时，更加地符合了低时延的要求。
本发明公开了一种携能多载波NOMA系统中基于发射功率最小化的资源分配方法，包括以下步骤：(1)携能多载波NOMA系统的网络模型建立；(2)基于最小化发射功率的联合资源分配方案的数学模型建立，包括载波调度、功率分配及时间切换系数；(3)基于遗传算法的联合资源分配方案的算法设计与分析。本发明创新性地提出了将无线携能技术(Simultaneous Wireless Information and Power Transfer,SWIPT)应用于多载波NOMA系统中，并建立了该网络模型基于最小化发射功率的数学优化问题，应用遗传算法来设计联合资源分配策略，以实现在满足用户对服务质量(Quality of Service,QoS)需求的同时，最小化携能多载波NOMA系统的发射功率。
