1.基于SDR的IRS‑NOMA系统波束赋形优化方法，其特征在于：该方法包括以下步骤：S1：给所有用户都分配一个波束，通过功率的大小来区分不同用户；

S2：建立系统模型和QoS问题模型；

S3：利用交替优化的思想，迭代求解波束赋形矢量和相移矩阵；

所述系统模型为：

考虑一个下行IRS‑NOMA系统，其中，基站具有Nt根发射天线，IRS具有N个反射单元，共有M个单天线用户；假设所有用户被分为K簇，且K≤Nt，第k簇用户数为Mk，簇内采用NOMA复用，簇间则通过MIMO进行复用，令 为所有簇的集合， 为所有用户的集合，为第k簇所有用户的集合，且有 以及

为了消除簇内外用户间干扰，对所有用户的发送符号进行波束赋形，BS发送信号表示为其中sk，i和 分别为第k簇第i个用户Uk，i的发送信号和波束赋形矢量，并且假设信号sk，i具有零均值和单位方差；此时，用户Uk，i的接收信号表示为N×1

其中 rk，i∈C 和 分别表示BS到Uk，i、IRS到Uk，i以及BS到IRS之间的信道； 表示IRS的相移对角矩阵，而且满足为加性高斯白噪声；

使用 作为用户分簇的依据，采取使同簇用户间信道增益尽量大的方案进行用户分簇，将所有用户的最大信道增益从小到大排序，有η1≤η2≤…≤ηM，逐个把用户1，…，M归入第1，…，K簇，重复此过程，并且不对已经满的簇继续添加用户，直到所有用户全部分组完毕；对于第k簇任意两用户Uk，i和Uk，j ，满足当i＜j时，设Ωk(i)表示Uk，i的解码顺序，有Ωk(i)＝i，用户Ωk(i)是第k簇要解码的第i个信号；在利用SIC技术消除强用户的干扰后，在用户Uk，l处解码用户Uk，m信号的信干噪比为用户Uk，m的可达传输速率为

其中， 为用户Uk，m的目标传输速率；根据M个用户的目标传输速率约束，通过联合优化基站的发射波束形成矢量wj，i和IRS的反射系数矩阵Θ，使基站的总发射功率最小。

2.根据权利要求1所述的基于SDR的IRS‑NOMA系统波束赋形优化方法，其特征在于：所述QoS问题模型为：其中， 表示满足用户Uk，m目标速率下的最小信干噪比。

3.根据权利要求2所述的基于SDR的IRS‑NOMA系统波束赋形优化方法，其特征在于：所述S3具体为：首先，对于给定的相移矩阵，波束赋形优化问题表示为其中， 表示BS到用户之间的合并信道；引入一组矩阵变量 并令

对于Wj，i，满足 定义 则有

带回到问题(7)，将限制条件C1和C2转化为将问题(7)中的优化变量wj，i替换为Wj，i，并且去除秩一约束，即rank(Wj，i)＝1后，将(7)松弛为SDP问题：问题(12)已经是一个凸问题，通过基于内点法的通用凸优化工具进行求解；如果求得(12)的最优解{Wj，i}全部是秩为1的矩阵， 得到 完全恢复(7)的最优解{wj，i}；如果某些解的秩大于1，通过高斯随机化的方法获得一个近似的矢量解；在{Wj，i}的维度小于30×30时，所求的解满足秩为1的约束；

在解得波束赋形矢量后，通过固定波束赋形来优化反射系数矩阵，引入辅助变量反射系数矩阵优化问题如(14)所示；

t t t t t+1 t t

对于第t次迭代，原问题(6)的最优值p(w ，Θ)一定满足p(w ，Θ)≥p(w ，Θ)＝p(w+1 t+1，Θ )，算法总是迭代下降的；引入辅助变量 的目的是收紧问题中的QoS约束，以此加快算法的收敛速度；

注意到约束条件C5和C6具有非凸性，令 即 得到引入辅助变量 并且定义常量矩阵 如

(15)所示；

H

令Ψ＝ψψ，满足 得到(16)式；

将约束条件C5和C6转化为

带回到问题(11)，并且去除秩一约束后，问题化为(19)；

将问题转化为一个凸问题，求得问题(19)的一个最优解Ψ，然后利用随机化方法恢复出一个近似的矢量解 即问题(11)的可行解。

4.根据权利要求1所述的基于SDR的IRS‑NOMA系统波束赋形优化方法，其特征在于：所述解码用户Uk，m为每簇最强用户时，自身信号的信干噪比为