随着全球5G通信的快速发展,作为其三大应用场景之一的大规模机器通信（Massive Machine-type Communications,m MTC）被广泛应用于工农业、智慧医疗以及智慧城市等领域。然而毫米波（millimeter wave,mm Wave）频段的投放极大地增加了m MTC网络的铺设成本以及能量消耗。反向散射通信作为绿色物联网中的新兴技术,具有低成本、低功耗等特性,可有效解决上述难题。同时,mm Wave的超大频谱带宽可显著提升反向散射通信的频谱频率。本文提出了多天线反向散射与毫米波融合通信系统,反向散射设备可从入射信号中收集能量,并通过反向散射调制将信息传输给接收机。本文提出了射频源端混合波束赋形（Hybrid Beamforming,HBF）和反向散射设备端被动式波束赋形（Passive Beamforming,PBF）的联合波束赋形设计算法,以最大化反向散射设备的频谱频率。对于双站式毫米波反向散射通信,本文研究了以反向散射设备能量收集为约束的联合波束赋形问题。由于能量收集发生在反向散射设备端,因此本文假设射频源端进行HBF设计时不考虑能量收集约束。在此基础上,本文提出承接式联合波束赋形设计方案:射频源段进行经典的HBF设计,随后反向散射设备端根据HBF设计进行能量收集约束下的PBF设计。对于PBF设计,本文利用单一数据流的特点,采用半正定松弛（Semi-positive definite relaxation,SDR）算法获得局部最优解。针对毫米波共生通信,本文假设接收机采用串行干扰抵消（Successive Interference Cancellation,SIC）检测算法,随后建立了波束赋形优化问题,在保障接收机与基站正常通信的情况下最大化反射链路的频谱效率。本文利用基于MOMP的联合优化算法进行交替求解:给定PBF矩阵时,利用改进OMP（Modified OMP,MOMP）算法进行HBF设计;给定HBF矩阵时,将PBF优化问题分解为多个子优化问题并提出相应算法。随后,在该优化算法的基础上,本文提出了两种低复杂度的算法设计,在可接受的性能损失内降低了算法复杂度。最后,数值仿真验证了联合波束赋形设计的性能优势,在不同信噪比和天线数配置下,都能显著提升反向散射设备的频谱效率,且天线数越多,性能提升越明显。反射系数的量化比特数在2时,就几乎可以达到连续取值时的性能。另外,本文提出的两种低复杂度算法在低天线数和低信噪比时和基于MOMP的联合优化算法之间的性能损失很小,更有利于实际使用。