本发明涉及智能反射表面技术，具体涉及一种基于混合智能反射面的无线网络多参数联合优化方法，利用调节irs原件的有/无源模式，改善无线网络的性能。
背景技术：
1、智能反射面是一种重要的技术。irs由许多被动反射元件组成，可以调整入射信号的相位和幅度，从而改变信号的传输方向和覆盖范围，提高信号质量和传输速率。
2、然而，在无源irs场景中，当无源元件数量有限时，无源反射增益通常是有限的，因此除非使用非常大量的反射体，否则很容易被传统的中继方案超越。因此如何利用现有资源，实现有限元件数量智能反射面的性能提升是需要优化和解决的关键问题。
技术实现思路
1、本发明的目的是为了提出一种基于混合智能反射面的无线网络多参数联合优化方法，基于由有源和无源元件组成的混合智能反射表面(irs)，提出了一种有效的两阶段策略，使用交替优化来优化irs的放大/反射系数和传输波束形成，从而提高传输速率性能。
2、为实现上述技术目的，本发明采取的技术方案为：
3、一种基于混合智能反射面的无线网络多参数联合优化方法，其特征在于，所述无线网络多参数联合优化方法包括以下步骤：
4、s1，构建基于混合智能反射面辅助的多用户通信系统模型；每个混合智能反射面由有源和无源元件的并联电路组成，有源元件包括放大器和移相器，无源元件仅由移相器组成；
5、s2，基于多用户通信系统模型，确定信道模型；
6、s3，基于步骤s2的信道模型，构建信号传输优化模型；
7、s4，通过联合优化有源和无源智能反射面的反射相移和预编码矩阵，对信号传输优化模型进行求解，以最大化混合智能反射面的无线网络速率。
8、进一步地，步骤s1中，构建基于无人机协助智能反射面辅助的多用户通信系统模型的过程包括以下步骤：
9、构建多用户通信系统模型，其中配备有天线的基站与一组含有l个用户的小区通信，每个用户配备有单个天线，使用无人机装载数量为nmax的智能反射面辅助通信；所有信道都经历了准静态平坦衰落；
10、基站和无人机之间、无人机和第l个用户之间以及基站和第l个用户之间的距离分别为：
11、
12、
13、
14、式中，db，u表示基站和无人机之间；du，l表示无人机和第l个用户之间的距离；db，l表示基站和第l个用户之间的距离；zb、zu和0分别表示基站、无人机和每个用户的高度；b＝(xb，yb)、u＝(xu，yu)和l＝(xl，yl)分别表示基站、无人机和第l个用户的水平坐标，xb，yb分别表示基站在水平方向x轴和y轴的坐标值，xu，yu分别表示无人机在水平方向x轴和y轴的坐标值，xl，yl分别表示第l个用户在水平方向x轴和y轴的坐标值；l∈[1，l]。
15、进一步地，步骤s2中，基于多用户通信系统模型，确定信道模型的过程包括以下步骤：
16、对于入射链路、反射链路和直接链路的信道增益，分别由hb，u，hu，l和hb，l表示：
17、
18、其中，是入射链路和反射链路的路径损耗指数，表示直接链路的路径损耗指数，ρ表征单位参考距离处信道的短期衰落效应，β是莱斯因子；和分别表示入射链路和反射链路的视距分量的信道增益；和分别表示入射链路和反射链路的非视距分量的信道增益，表示瑞利衰落信道；
19、入射链路的视线分量的信道增益计算如下：
20、
21、其中h表示厄米变换算子；a(φu)和a(φb，u)分别表示接收天线阵列对irsa的到达角φu的响应和发射天线阵列对基站的离开角φb，u的响应，计算如下：
22、
23、其中n∈[1，nmax]是用于反射的反射元件的数量，λ是发射信号的波长，d是发射天线之间的间距；
24、反射链路的视线分量的信道增益计算如下：
25、
26、定义：其中和表示irs中无源元件所产生的反射和入射链路信道增益，和表示irs中有源元件所产生的反射和入射链路信道增益，φu，l表示irsa元件对用户l的方向角，则用户l的信道增益表示为其中θ1和θ2分别为无源相移和有源相移；
27、bs处的复基带发射信号表示为其中表示第l个用户的发射数据是预编码向量；当假设完美信道状态信息可用时，第l个用户的接收信号表示为：
28、
29、其中表示由有源irs组件引入的热噪声，其中l∈[1，l]是用户l处的噪声；和σ2表示方差，in表示n阶单位矩阵，是n2阶的单位矩阵，θ是反射面的相移矩阵，表示为：θ＝diag(θ1，θ2，…，θn)，n∈[1，n]是irsa中第n个元素的相移，en是有源元件的放大幅度。
30、进一步地，步骤s3中，信号传输优化模型为：
31、
32、
33、
34、
35、其中式(9)是待优化的目标函数，式(10)的是bs的功率约束，式(11)中的是有源irs元件的功率限制，式(12)是无源irs部件的单位相移限制，n1是无源反射元件数量；第l个用户的解码sinr表示为：
36、进一步地，步骤s4中，通过联合优化有源和无源智能反射面的反射相移和预编码矩阵，对信号传输优化模型进行求解的过程包括以下步骤：
37、s41，对预编码矩阵进行优化，优化过程包括：
38、将信号传输优化模型表示为：
39、
40、rl(w)表示用户l的传输速率，对于目标问题p2的非凸复杂性，使用分式规划方法对其中包含的变量进行解耦，并使用拉格朗日对偶变换引入辅助变量α和μ，将目标问题等价为：
41、
42、其中g(w，θ，αl，μl)表示为：
43、
44、表示取复数的实数部分，是辅助变量μl的共轭复数，通过交替优化变量w，θ，α，μ，得到问题的局部最优解；得到：其中通过固定(θ，α，μ)得到如下预编码矩阵w的优化问题：
45、
46、其中i，υ和ψ分别表示为：
47、
48、il是l阶的单位矩阵，表示张量积用于更高维的矩阵，和是用户1和2的辅助变量μ的共轭复数，是用户l的信道增益，通过使用凸优化工具箱cvx对目标问题p4进行求解；
49、s42，对混合态的相移进行优化，优化过程包括：
50、通过固定(w，μ，α，θ2)得到如下无源相移θ1的优化问题：
51、
52、其中q1是目标问题的限制向量，δ1是对称的半正定矩阵，分别表示为：
53、
54、通过固定(w，μ，α，θ1)得到有源相移θ2的优化问题：
55、
56、其中q2是目标问题的限制向量，是n2阶的单位向量，δ2是对称的正定矩阵和分别表示为：
57、
58、通过凸优化求解器来求解优化问题p5和优化问题p6。
59、与现有技术相比，本发明的有益效果如下：
60、本发明的基于混合智能反射面的无线网络多参数联合优化方法，通过联合优化有源/无源irs的反射相移和预编码矩阵，有效地最大化混合有/无源irs辅助无线网络的和速率，并且使得irs可以充分利用当前位置得到该位置下的速率最大化，解决了由于元件数量限制，通信系统性能增益有限的问题，保障了反射链路的性能，使得通信链路的性能增益更加稳定，在有限的功率下，提升多用户间的和速率。从而保证了通信的可靠性和稳定性。
1.一种基于混合智能反射面的无线网络多参数联合优化方法，其特征在于，所述无线网络多参数联合优化方法包括以下步骤：
2.根据权利要求1所述的基于混合智能反射面的无线网络多参数联合优化方法，其特征在于，步骤s1中，构建基于无人机协助智能反射面辅助的多用户通信系统模型的过程包括以下步骤：
3.根据权利要求1所述的基于混合智能反射面的无线网络多参数联合优化方法，其特征在于，步骤s2中，基于多用户通信系统模型，确定信道模型的过程包括以下步骤：
4.根据权利要求3所述的基于混合智能反射面的无线网络多参数联合优化方法，其特征在于，步骤s3中，信号传输优化模型为：
5.根据权利要求4所述的基于混合智能反射面的无线网络多参数联合优化方法，其特征在于，步骤s4中，通过联合优化有源和无源智能反射面的反射相移和预编码矩阵，对信号传输优化模型进行求解的过程包括以下步骤：
