1.一种优化IRS辅助通信系统中相移矩阵的低复杂度方法，其特征在于，包括如下步骤：(1)设定系统配置数据：设定基站参数，定义发送给用户k的数据向量sk、BS处的发射信号向量x、BS的发射波束形成矩阵W；设定智能反射面参数，定义反射系数向量θ、相移矩阵Θ；假设第k个用户受到其他K‑1个用户的信号噪声干扰，定义用户k的信号噪声干扰比为γk；

所述步骤(1)的具体方法为：设定系统配置由一个装有M条天线的BS、一个装有N个反射单元的IRS和K个单天线用户组成；从BS到用户k，从BS到IRS，从IRS到用户k的基带等效信道分别用 和 表示，其中k＝1,…,K；假设sk,k＝1,…,K是均值为零、单位方差为零的独立随机变量，将sk定义为发送给用户k的数据向量；定义BS处的发射信号向量为 其中 为相应的发射波束形成向量，则BS的发射波束形成矩阵为 定义 为第n个反射元素的反射系数，则IRS的相移矩阵为Θ＝diag(θ1,…,θn,…,θN)；第k个用户将来自其他K‑1个用户的所有信号(i.e.,s1,…,sk‑1,sk+1,…,sK)视为干扰；因此用户k的SINR为：其中 为加性高斯白噪声的单位方差；

(2)系统的加权和率：在BS发射功率与连续相移的约束下，得到系统的加权和率WSR表达式；

所述步骤(2)具体方法为：BS的发射功率约束为 连续相移约束为在BS发射功率与连续相移的约束下，系统的加权和率WSR为：其中权重ηk用来表示用户k的优先级；

(3)IRS相移矩阵Θ：将WSR表达式中的变量解耦，通过拉格朗日对偶变换，并加入辅助变量，得到关于Θ的目标函数；

所述步骤(3)具体方法为：将Rsum(W,Θ)中的变量解耦，通过拉格朗日对偶变换处理目标函数公式(2)中的对数，并加入辅助变量μ，则公式(2)可等价为：maxW,Θ,μf(W,Θ,μ)             (3)s.t.(2a),(2b)

T

其中μ＝[μ1,…,μk,…,μK]，则新的WSR表达式定义为：对于给定固定的μ和W，得到关于Θ的目标函数：其中

(4)将相移矩阵Θ的优化问题转化为关于向量θ的优化问题；

所述步骤(4)具体方法为：

定义 在连续相移的约束下，加入辅助变量δ，将Θ的优化转化为θ的优化，目标函数公式(5)可以等价为：T

其中δ＝[δ1,…,δK]；

求解 并设为零，得到固定θ时的求解δk的表达式：H 2

将公式(6)中的|βi,k+θαi,k|展开运算：将公式(8)和公式(7)代入公式(6)，则关于θ的优化问题可以表示如下：H H

minθg3(θ)＝θUθ‑2Re{θv}+C              (9)其中，

去掉不相关的常数项C后，目标函数(9)可等价为：H H

minθg4(θ)＝θUθ‑2Re{θv}             (13)(5)在连续相移的约束下，使用线性交替方向乘数法LADMM优化关于θ的目标函数，求解优化问题；

所述步骤(5)中使用线性交替方向乘数法LADMM求解优化问题，具体方法为：(5.1)引入辅助变量，得到增广拉格朗日表达式：为θ引入一个辅助向量q，并引入一个惩罚参数ρ，则公式(13)可等价地表示为：s.t.q＝θ              (14a)其中，ρ>0为惩罚参数；

公式(14)的增广拉格朗日乘数表达式为：则可以将问题公式(14)表述为：(5.2)LADMM算法框架：将LADMM框架应用到问题公式(16)中，则相应的迭代包含以下三个步骤：t+1 t t+1 t+1

u ＝u+ρ(q ‑θ )                 (19)其中t为迭代次数；

(5.3)求解各子问题：

t t

给定θ和u，求解 并设为0，得到q的迭代表达式:为了避免复杂的求逆运算，将公式(15)中的二次型在θ0处用泰勒展开式进行线性展开：H

其中λ>0是一个正参数， 表示θUθ在θ＝θ0点的梯度，将公式(21)代入公式(15)中，给t+1 t定q 和u ,求解 并设为0，得到θ的迭代表达式：满足收敛条件后，返回θ的值，得到优化后的相移矩阵Θ。