用MATLAB和CVX实现RIS多用户波束赋形从理论到代码的工程实践在无线通信系统设计中智能反射面(RIS)技术正逐渐成为提升频谱效率的关键突破点。不同于传统中继设备RIS通过可编程的电磁表面实现对入射信号的智能调控而无需复杂的射频处理电路。这种特性使其在6G网络、室内覆盖增强和物联网场景中展现出巨大潜力。本文将聚焦多用户场景下的联合波束赋形问题通过MATLAB和CVX工具箱带您完整实现从信道建模到半正定规划(SDR)求解的全过程。1. 系统建模与问题分解多用户RIS系统的核心挑战在于如何协调基站主动波束和RIS被动反射的联合优化。考虑一个由M天线基站、N单元RIS和K单天线用户组成的下行系统接收信号可表示为y_k (h_rk * Θ * G h_dk) * W * s n_k其中Θdiag(e^{jθ1},...,e^{jθN})为RIS相移矩阵W[w1,...,wK]是基站预编码矩阵。优化目标是在满足各用户SINR约束下最小化基站发射功率。1.1 交替优化框架采用交替优化策略将原非凸问题分解为两个子问题固定Θ优化W转化为二阶锥规划(SOCP)固定W优化Θ通过SDR和高斯随机化处理注意交替优化保证目标函数单调递减但可能收敛到局部最优解2. MATLAB实现关键步骤2.1 信道建模RIS相关信道需考虑莱斯衰落特性。AP-RIS信道建模示例function G generate_APRIS_channel(d0, alpha_AI, beta_AI, N, M) C0 db2pow(-30); % 参考距离路损 L C0*(d0/1)^(-alpha_AI); % 路径损耗 G sqrt(L)*(sqrt(beta_AI/(1beta_AI))*ones(N,M) ... sqrt(1/(1beta_AI))*(randn(N,M)1i*randn(N,M))/sqrt(2)); end用户端信道需特别注意URA(均匀矩形阵列)的导向矢量生成function sv URA_sv(theta, phi, Nx, Ny) m 0:Nx-1; a_az exp(1i*pi*m*sin(theta)*cos(phi)).; n 0:Ny-1; a_el exp(1i*pi*n*sin(phi)).; sv kron(a_az,a_el); end2.2 SOCP问题求解固定Θ时功率最小化问题可转化为SOCPcvx_begin quiet variable W(M,Uk) complex minimize(norm(W,fro)) subject to for i 1:Uk imag(H(i,:)*W(:,i)) 0; real(H(i,:)*W(:,i)) sqrt(gamma)*norm([1, H(i,:)*W(:,[1:i-1,i1:Uk])]); end cvx_end关键技巧通过相位旋转将复数约束转化为实数使用norm()函数构建二阶锥约束3. SDR与高斯随机化实践优化RIS相位的非凸问题通过SDR松弛3.1 问题重构引入辅助变量Vvv^H将原问题转化为cvx_begin quiet variable V(N1,N1) hermitian maximize(trace(R*V)) subject to diag(V) 1; V hermitian_semidefinite(N1); cvx_end3.2 高斯随机化实现为弥补秩松弛的损失采用高斯随机化[U,S] eig(V); for l 1:L r (randn(N1,1)1i*randn(N1,1))/sqrt(2); v U*S^(1/2)*r; v exp(1i*angle(v/v(end))); % 计算目标函数值 current_obj real(v*R*v); if current_obj max_obj best_v v; max_obj current_obj; end end参数选择建议随机化次数L≥1000保证性能可并行化加速计算4. 调试技巧与性能分析4.1 常见问题排查问题现象可能原因解决方案CVX报错NaN信道矩阵存在异常值检查路损模型计算收敛振荡步长过大/莱斯因子设置不当调整收敛条件epsilon结果与理论不符高斯随机化次数不足增加L或添加局部搜索4.2 性能优化策略预计算优化提前计算固定矩阵乘积缓存频繁使用的信道系数代码向量化% 非优化写法 for k 1:K H(k,:) Hr(:,k)*Theta*G Hd(:,k); end % 优化写法 H (G*Theta*Hr Hd);收敛加速引入动量项自适应步长调整5. 完整实现流程示范将各模块整合为完整仿真流程初始化系统参数M 4; Nx 5; Ny 6; K 4; gamma db2pow(20); % SINR约束20dB max_iter 50; epsilon 1e-4;信道生成[G, Hr, Hd] generate_channels(M, Nx, Ny, K);交替优化主循环while iter max_iter abs(P_old - P_new) epsilon % 优化W W optimize_beamforming(H, gamma, M, K); % 优化Theta [Theta, obj] optimize_RIS(W, Hr, Hd, G, N, K, gamma); % 更新信道和功率 H update_cascaded_channel(Hr, Hd, G, Theta); P_old P_new; P_new norm(W,fro)^2; iter iter 1; end结果可视化plot(1:iter, power_trace(1:iter), LineWidth, 2); xlabel(Iteration); ylabel(Transmit Power (dBm)); grid on; set(gca, FontSize, 12);在实测i7-11800H处理器上N30个RIS单元、K4用户的典型运行时间约为120秒。通过适当减少随机化次数或使用并行计算可显著提升执行效率。