1.非理想CSI的IRS辅助云接入网下行的波束成形方法，其特征在于：针对信道状态信息CSI不准确时，对于智能反射面IRS辅助云接入网下行前传链路和接入链路的通信系统，以提升系统和速率为目的，对BBU池和RRH的发射波束成型矩阵、反射面的相移矩阵、前传量化噪声协方差矩阵进行联合优化，具体包括如下步骤：

1.1)智能反射面辅助云接入网下行前传链路和接入链路的通信系统中，多天线BBU池通过L个多天线RRH与K个单天线用户进行通信，其中BBU池通过点对点压缩或多元压缩处理基带信号，并通过前传链路将量化比特发送给RRH，RRH附近部署了I个智能反射面，在不同时隙辅助无线前传链路和接入链路的IRS数量分别为IF和IA，以上三组IRS分别表示为I、IF和IA,每个BBU和RRH的天线数分别为NB和NR，IRS的反射单元数为M；RRH是半双工节点，工作在时分双工TDD模式,每个时隙分为(1‑α0)和α0两部分，分别用于BBU‑RRH前传链路和RRH‑用户接入链路的传输；

1.2)在前传链路，BBU池首先将用户k的下行链路消息编码为基带信号sk，再将所有用户的信号线性预编码为 其中vk是用户k在所有RRH上的发射波束成形矩阵，是由RRH l传输的信号；在 被传输到RRH之前对 进行量化压缩： El是LNR×NR的矩阵，除了(l‑1)NR+1行到lNR行是尺寸为NR的单位矩阵外，其余元素为0；ql～CN(0,Ωl,l)表示独立于 的量化噪声，将所有RRH的量化噪声向量定义为q＝[q1；...；qL]，q～CN(0,Ω)，Ω是q的复高斯分布协方差矩阵，Ωl,l是Ω对角线上第l个尺寸为NR的单位矩阵，为了将xl传送到RRHl，BBU池对其相应的压缩索引进行编码，产生基带信号tl，BBU池传输的信号为 其中Fl是发射波束成形矩阵，受BBU发射功率PB约束：

1.3)定义Hl,B、Gi,B和Gl,i分别为BBU池到RRH l、BBU池到IRS i、IRS i到RRH l的信道矩阵，RRH l的接收信号为：其中 分别是BBU池到IRS集IF以及从IRS集IF到RRH l的信道矩阵。其中 表示IRSi(i∈IF)的无源波束成形矩阵，假设IRS只调整相移，IRSi(i∈IF)的第m个元件的相移 其中是BBU到RRH l所有信道的加性高斯白噪声， 是nF,l复高斯分布协方差矩阵；RRH l的第r个天线的接收信号为：

其中hl,B,r和 表示从BBU池到RRH l的第r个天线以及从IRS集IF到RRH l的第r个天线的信道向量，分别是Hl,B和 的第r行向量， 是从BBU池通过IRS集IF的反射到RRH l的第r个天线的级联信道， 是包含 对角元素的向量，nF,l,r表示nF,l的第r个元素；

1.4)在接入链路，RRH l将压缩后的信号xl转发给所有用户；RRH的最大发射功率为PR，由步骤1.2)，RRHl的发射功率约束为： hk,l和gk,i分别表示从RRH l到用户k和从IRSi，i∈IA到用户k的信道向量，Gi,l是从RRHl到IRSi的信道矩阵，是IRSi的相移矩阵，其中 表示IRSi，i∈IA的第m个元件的相移，用户k接收到的信号为：

其中 是包含 对角元素的向量， hk,L＝[hk,1,...,hk,L]是RRH集L(L＝＝{1,2,...,L})到用户k的信道矩阵，Gk,L＝[Gk,1,...,Gk,L]是从RRH集到用户k的级联信道， 是从RRH l经过IRS集IA到达用户k的级联信道，和 分别表示从IRS集IA到用户k和从RRH l到IRS集IA的信道矩阵，q是所有RRH的量化噪声向量， 是用户k处的加性白高斯噪声；

1.5)从BBU池到RRH l和从RRH l到用户k的直接信道表示为： 其中和 是估计的CSI, 和 是对应的信道估计误差， 对于BBU‑IRS‑RRH和RRH‑IRS‑用户的级联信道，信道矩阵为：和 是估计的级联CSI, 是对应的信道估

计误差， 和 分别代表 和 复高斯分布的协方差矩阵，每条信道的CSI误差是相互独立的。

2.根据权利要求1所述的非理想CSI的IRS辅助云接入网下行的波束成形方法，其特征在于，所述的BBU池和RRH的发射波束成形矩阵Fl和vk、辅助接入链路和前传链路的IRS相移矩阵ΘA和ΘF以及前传量化噪声协方差矩阵Ω，对其优化使系统和速率最大，具体步骤如下：

2.1)对于步骤1.1)‑1.5)描述的智能反射面辅助下行时分双工云接入网无线前传链路和接入链路的通信系统其特征在于：

2.1.1)用户可达速率的下限为：

其中，

是IRS集IA的反射元件的总数；

2.1.2)无线前传链路的可达速率应该满足：

其中，

2.1.3)BBU池对预编码信号 进行压缩，并且压缩器的输出速率不能超过前传链路的可达速率；考虑点对点压缩和多元压缩这两种压缩策略；

点对点压缩的前传约束为：

点对点压缩在RRH上产生独立的量化噪声，因此所有RRH的量化噪声协方差矩阵是块对角矩阵，即Ω＝diag({Ωl,l}l∈L)；

多元压缩的前传约束为：

多元压缩使得每个RRH的量化噪声之间具有相关性，因此整体量化噪声协方差矩阵Ω是一个完整的矩阵；

2.2)以下行和速率最大化为目标，BBU池采用多元压缩时优化上述系统参数的优化问题可表示为：Ω±0.   (1h)

ωk代表每个用户的权重，(1b)代表前传链路的可达速率约束，(1c)是前传压缩约束，(1d)和(1e)分别代表BBU池和每个RRH的发射功率约束；(1f)和(1g)分别是IRS辅助前传链路和接入链路的无源波束成形矩阵的单位模1约束，(1h)表示前传量化噪声协方差矩阵是半正定矩阵；

2.3)对问题(P1)进行转化后再求解；

2.3.1)利用均方误差MSE的方法将(P1)的目标函数转化为：wA,k为引入的辅助变量，uA,k是在用户k处从yA,k中估计sk的线性估计器，即预测得到的信号为 其中yA,k为用户k接收到的信号，sk为用户k的下行链路消息被BBU编码后得到的基带信号，1是sk的维度， 是均方误差：

当wA,k和uA,k取得如下值时，Rsum取得最优值：

2.3.2)与2.3.1)类似，通过MSE方法，约束(1b)可以近似为：WF,l要求半正定，是引入的辅助变量， 是RRH l处从yF,l中估计信号tl的线性接收器,，即预测得到的信号为 其中yF,l是RRH l接收到的信号，tl是BBU对xl的压缩索引进行编码后得到的基带信号，dR是tl的维度； 是均方误差矩阵：当WF,l和UF,l取如下值时，(6)式右侧取得最大值：

2.3.3)对于约束(1c),令 (1c)可以重写为：约束(1c)可以进一步转化为下述的近似约束：

∑l要求半正定，是引入的辅助变量，|S|是集合S中RRH的数量；当∑l取如下值时，(10)和(1c)等价：

2.3.4)将优化问题(P1)转化为：

Ω±0.   (12h)

通过(4)、(5)、(8)、(9)和(11)更新辅助变量wA,k、uA,k、WF,l、UF,l和∑l。对于固定的wA,k、uA,k、WF,l、UF,l和∑l，通过解决以下问题来优化Fl、vk、Ω、ΘA和ΘF，下式中ωk代表每个用户的权重：s.t.(12b)～(12h).   (13b)

2.4)下面将问题(P3)分解为三个子问题来交替求解；

2.4.1)首先固定问题(P3)中的Ω、ΘA和ΘF来优化BBU池和RRH的发射波束成形矩阵Fl和vk；第一个子问题由下式给出：问题(P3.1)是凸的，通过标准的优化工具CVX来解决；

2.4.2)第二个子问题固定Fl、vk和ΘA，优化前传量化噪声协方差矩阵Ω和用于辅助前传链路的IRS相移矩阵ΘF；第二个子问题如下：Ω±0.   (15f)

可知目标(15a)、约束(15c)和(15d)相对于Ω是凸的；下面对约束(15b)进行转化，根据和式(6)对 的定义，将(15b)重写为下式：其中，

dR是每个RRH的数据维度，上述各式中：

dF,l＝diag(DF,l),

问题(P3.2)转化为下述问题：

约束(17f)仍是非凸的，应用半定松弛法(SDR)，除去约束(17f)后求使用标准优化工具CVX得到最优解，如果求出的 最优解的秩不为1，那么对 进行随机化处理从而产生可行的次优解，并且只当(P3.2.1)的目标函数值增加时更新Ω和ΘF；

2.4.3)固定Fl、vk、Ω和ΘF，对ΘA进行优化，得到第三个子问题：将目标函数改写如下：

其中，

上式中，

子问题(P3.3)可以重写为：

问题(P3.3.1)与(P3.2.1)类似，也可通过半定松弛法SDR，采用随机化的方法获得可行次优解，并且只当(P3.3.1)的目标函数值增加时更新ΘA；

2.5)重复2.4.1)‑2.4.3)中的步骤至收敛；

2.6)当BBU池采用点对点压缩方法时，对BBU池和RRH的发射波束成形矩阵、IRS的相移矩阵和前传量化噪声协方差矩阵进行联合优化，考虑点对点压缩的前传压缩约束，该问题可以表述为：s.t.(1b),(1d)～(1g),   (19b)问题(P4)和(P1)之间的区别在于约束(19c)和(19d)，其中(19c)相对于Ωl,l和vk是非凸的。令 (19c)被重写为：log|Ol|的上限满足： Sl±0是辅助变量，因此可以用下述凸约束代替(19c)：

问题(P4)中的目标函数和其他约束以与问题(P1)相同的方式处理，然后可以应用类似的方法使用连续凸逼近方法和交替优化方法来解决问题；

2.7)对于IRS反射面相位离散情况，首先按照2.1)‑2.3)中的步骤至收敛之后，获得ΘA和ΘF,将其对角线元素θA,i,m和θF,i,m映射到离散相位的点上，确定ΘF后对Ω进行放缩得到满足问题(P3.2.1)的限制条件的