1.一种多用户场景的3D波束赋形和智能反射面相移优化方法，其特征在于，包括以下步骤：步骤1：随机初始化0时刻基站天线下倾角 和智能反射面相移矩阵 接着根据迫零波束赋形算法初始化基站波束赋形矩阵 最后初始化加权和速率的相对增量Υ＝∞，迭代索引t＝0；此外，以P表示基站发送功率， 为从基站到用户k之间的信道， 为从智能反射面到用户k之间的信道，G为从基站到智能反射面之间的信道， 表示第k个用户的噪声功率，θd，k为用户k相对于基站天线的倾斜角，θr为智能反射面相对于基站天线的倾H 2斜角，θ3dB表示3dB波束宽度，K为总用户数，(·) 表示共轭转置，|·|表示计算复变量的模平方值；

步骤2：如果γ≥ε且t≤T，执行步骤3，否则执行步骤6；其中，T为最大迭代次数、ε为预设停止迭代门限；

步骤3：根据第t次迭代所得局部最优的智能反射面相移矩阵 求解第t+1次迭代时局部最优的基站天线下倾角 和基站波束赋形矩阵步骤4：根据第t+1次迭代所得局部最优的基站天线下倾角 和基站波束赋形矩阵求解第t+1次迭代时局部最优的智能反射面相移矩阵步骤5：根据第t+1次迭代所得局部最优的 和 计算K个用户的加权和速率 其中ηk为第k个用户的加权因子， 为第t+1次迭(t+1) (t)

代时第k个用户接收信号的信噪比；进一步，计算加权和速率的相对增量Υ＝(O ‑O )/O(t+1)，同时令t＝t+1，返回执行步骤2；

步骤6：根据步骤2‑5所得局部最优的智能反射面相移矩阵 对智能反射面相移进行配置，中各对角线元素的相位即为智能反射面各反射单元对应的相位值；进一步，根据步骤

2‑5所得局部最优的基站天线下倾角 按照电子下倾的方式对天线波束指向进行调整；最后，根据步骤2‑5所得局部最优的基站波束赋形矩阵 对发送信号进行波束赋形处理。

2.根据权利要求1所述的一种多用户场景的3D波束赋形和智能反射面相移优化方法，其特征在于，所述步骤3中，第t+1次迭代时优化基站天线下倾角和基站波束赋形矩阵的方法具体为：S31：初始化0时刻的矢量 加权和速率的相对增量为Υ1＝∞，迭代索引a＝0；其中，矢量 的前K个元素表示基站为K个用户分配的初始发送功率；

S32：如果Υ1≥ε，执行步骤S33，否则执行步骤S37；

S33：根据迫零波束赋形算法求解第a+1次迭代时的波束赋形方向S34：计算式(1)在 的梯度，进一步根据梯度下降法计算第a+1次迭代时局部最优的矢量其中， xk为矢量x的第k个元素，xK+1为矢量x的第K+1个元素， 为矩阵 的第k列矢量， 表示第k个用户的噪声功率，S35：按照式(2)所示最优化方法求解最优的矢量其中， 为优化变量，a＝[1，1，…，1，0]， 表示矢量 的第k个元素， 表示矢量 的第K+1个元素；

S36：计算加权和速率 其中ηk为第k个用户的加权因子， 为第a+1次迭代时第k个用户接收信号的信噪比；进一步，计算加权和速率的相对(a+1) (a) (a+1)增量Υ1＝(O ‑O )/O ，同时令a＝a+1，返回执行步骤S32；

S37：根据步骤S32‑S36得到局部最优的矢量 进一步的，矢量 的第K+1个元素值即为第a+1次迭代所得局部最优的基站天线下倾角 矢量 的前K个元素值为基站分配给K个用户的发送功率，进一步根据迫零波束赋形算法来得到基站波束赋形矩阵

3.根据权利要求2所述的一种多用户场景的3D波束赋形和智能反射面相移优化方法，其特征在于，所述步骤4中，第t+1次迭代时优化智能反射面相移矩阵的方法具体为：S41：初始化0时刻的加权和速率的相对增量为Υ2＝∞，迭代索引c＝0；

S42：如果Υ2≥ε，执行步骤S43，否则执行步骤S47；

S43：根据式(3)计算第c+1次迭代时用户k对应局部最优的译码因子其中， 为第k个用户对应的等效信道，其

中， 为第c次迭代时

局部最优的智能反射面相移矩阵；

S44：计算第c+1次迭代时用户k对应局部最优的辅助参数 其中，其中 表

H

示取复数实部处理，(·) 表示共轭转置处理；

S45：根据式(4)采用交替方向乘子算法计算第c+1次迭代时局部最优矢量 进一步，智能反射面相移矩阵表示为 其中，diag{·}表示生成对角化矩阵；

(c+1) (c+1) H (c+1) (c+1)其中，φ 为优化变量，(φ ) 为矢量φ 的共轭转置矢量， 为矢量φ 的第n个元素，N为智能反射面单元数，U和v根据加权和均方误差等效方法来确定；

S46：计算加权和速率 其中ηk为第k个用户的加权因子， 为第c+1次迭代时第k个用户接收信号的信噪比；进一步，计算加权和速率的相对(c+1) (c) (c+1)增量Υ2＝(O ‑O )/O ，同时令c＝c+1，返回执行步骤S42；

S47：根据步骤S42‑S46得到局部最优的智能反射面相移矩阵