1.一种有源可重构智能表面辅助的无线信息与能量同传方法，其特征在于：包括，获取基站到ARIS、ARIS到终端设备以及基站到终端设备的信道增益；

根据信道增益，计算终端设备处的传输速率和采集到的能量，以及系统总功率消耗；

以终端设备的采集能量为约束，联合优化基站波束成形向量、ARIS反射系数和终端设备的功率分配因子，最大化SWIPT系统的能量效率；

所述终端设备的信道增益包括，终端设备处的接收信号表示为：H

其中，() 表示共轭转置操作； 表示基站与终端设备之间的信道衰落向量； 表示ARIS与终端设备之间的信道衰落向量；

表示ARIS的反射系数，am与θm分别表示ARIS第m个反射单元的振幅与相位，并且am＞0,θm∈[0,2π),m∈{1,2,…,M}，j为虚数单位，diag()表示对角化操作； 表示基站与ARIS各反射单元之间的信道衰落矩阵，其中 表示基站

2

的波束成形向量；s表示基站向终端设备发送的信息，其中E{|s|}＝1，E{}表示取数学期望操作，||表示对复数取模操作；n0和z1分别表示ARIS和终端设备处的高斯白噪声，其分别服从均值为0、方差为 和 的复高斯分布，记作 和 ，式中0M×1表示M×1维的零向量，IM表示M维的单位矩阵；

所述SWIPT系统包括，在SWIPT系统中，终端设备处接收信号可分为信息解码信号yID与能量采集信号yEH两部分，其分别表示为：其中，ρ表示终端设备的功率分配因子，z2表示在信号处理过程中产生的附加噪声，其服从均值为0、方差为 的复高斯分布，记作所述传输速率包括，根据式(2)，信息解码信号部分的传输速率表示为：其中，||||表示对向量取二范数操作；

所述采集到的能量包括，根据式(3)，能量采集信号部分的采集能量表示为：其中，η表示能量转换效率；

所述SWIPT系统的总功率消耗包括基站消耗的功率、ARIS消耗的功率以及终端设备消耗的功率，其中ARIS消耗的放大功率表示为：其中，||||F表示对矩阵取F范数操作；SWIPT系统总功率消耗表示为：‑1

其中， 表示基站的电路功率消耗；ξ 为ARIS放大器效率； 和 分别表示ARIS每个反射单元的电路功率消耗和直流偏置功率消耗； 表示终端设备的电路功率消耗；

所述SWIPT系统的总功率消耗还包括，通过联合优化基站波束成形向量、ARIS反射系数和终端设备的功率分配因子，最大化SWIPT系统的能量效率，构建的优化问题如下：(P0)

am≤am,max,m∈{1,2,…,M}      (8b)

0＜ρ＜1      (8c)

其中，(8a)表示采集能量约束以保障终端设备的基本功率消耗需求，emin是采集能量最小值；(8b)表示ARIS最大振幅约束，am,max是ARIS第m个反射单元的振幅最大值；(8c)表示终端设备的功率分配因子取值范围约束，通过联合优化基站波束成形向量、ARIS反射系数和终端设备的功率分配因子，最大化SWIPT系统的能量效率。

2.如权利要求1所述的一种有源可重构智能表面辅助的无线信息与能量同传方法，其特征在于：所述最大化SWIPT系统的能量效率包括，由于所述基站波束成形向量、ARIS反射系数和终端设备的功率分配因子变量在优化问题中相互耦合，所以利用交替优化算法迭代求解，将问题分解成三个子问题；

固定ARIS反射系数Φ和终端设备的功率分配因子ρ，优化基站波束成形向量ω，构建子问题(P0‑1)如下：s.t.(8a)        (9)

针对(P0‑1)中的目标函数，利用Dinkelbach方法，将分式形式转化为线性形式，通过半正定松弛算法松弛非凸的秩一约束，将子问题转化为凸优化问题，用凸优化工具包CVX进行求解，对于CVX求解后的基站波束成形矩阵W，通过奇异值分解，恢复出优化后的基站波束成*形向量ω 。

3.如权利要求2所述的一种有源可重构智能表面辅助的无线信息与能量同传方法，其特征在于：所述最大化SWIPT系统的能量效率包括，固定基站波束成形向量ω和终端设备的功率分配因子ρ，优化ARIS反射系数Φ，构建子问题(P0‑2)如下：(P0‑2)

s.t.(8a),(8b)     (10)

针对(P0‑2)中的目标函数，利用Dinkelbach方法，将分式形式转化为线性形式，通过SDR算法松弛非凸的秩一约束，将该子问题转化为凸优化问题，可用凸优化工具包CVX进行*求解，对于CVX求解得到的V通过奇异值分解，恢复出优化后的ARIS反射系数Φ 。

4.如权利要求3所述的一种有源可重构智能表面辅助的无线信息与能量同传方法，其特征在于：所述最大化SWIPT系统的能量效率还包括，固定基站波束成形向量ω和ARIS反射系数Φ，优化终端设备的功率分配因子ρ，由于系统功率消耗与变量ρ无关，对此构建子问题(P0‑3)如下：(P0‑3)

s.t.(8a),(8c)    (11)

由于目标函数R是关于ρ的单调递增函数，当目标函数R取得最大值时，采集能量取得最小值emin，根据采集能量约束，得到优化后的终端设备的功率分配因子如下：对三个子问题采用AO算法进行迭代求解，直至目标函数收敛。