毫米波（Millimeter wave,mm Wave）具有高带宽、低延时和高数据传输速率等优点成为B5G/6G的关键技术之一,然而毫米波传输过程中也存在衰减大、易阻挡等缺点,因此在具体的应用场景实现区域全覆盖存在很大的挑战。可重构智能超表面（Reconfigurable Intelligent Surfaces,RIS）能够以可控的方式重新配置无线通信环境,结合毫米波通信,可以有效地改善覆盖,提高通信质量。为了补偿RIS辅助链路中的双衰落效应,通常在反射表面上部署大量的无源反射原件（REs）,导致RIS具有较大的表面尺寸。本文研究一种有源RIS辅助的毫米波通信,与无源RIS只能对入射信号的相位进行调整不同,每个RE都能反射和放大入射信号,可以通过反射和放大入射信号来增强RIS辅助链路,缓解双衰落效应。然而,有源RIS在放大入射信号的同时对相关噪声也进行了放大,因此必须平衡接收信号功率最大化和RIS相关噪声最小化的问题。本文考虑了有源RIS辅助的SIMO上行通信系统中RIS的幅度和相位联合设计,给出了系统模型和优化问题,该优化问题通过平衡接收信号功率最大化和RIS相关噪声最小化提高系统整体性能。为了简化问题分析,考虑接收端采用线性最小均方误差准则的接收波束成形得到最终的优化问题。对于该优化问题首先使用序列凸逼近（Sequential Convex Approximation,SCA）方法获取RIS反射系数矩阵,该方法依赖于实时信道状态信息,实时信道估计提高了系统开销。为了适应信道时变,降低系统开销,本文提了一种基于深度学习的设计方案,包括一个输入层、三个卷积层、两个Flatten层,将信道状态信息作为数据集,输入到网络中进行离线训练和在线测试。最后,论文使用MATLAB对SCA求解方法进行仿真,使用PYTHON对基于无监督深度学习的方法进行仿真,仿真结果均表明有源RIS辅助系统比传统无源RIS辅助系统具有更好的性能。同时仿真结果表明使用基于深度学习的方法对于求解非凸问题相比于传统算法具有更少的计算量和计算复杂度。