技術(shù)特征：

1.一種Masssive MIMO信道估計(jì)方法，其特征在于，包括如下步驟：

S1、初始化，具體為：

S11、BS用T個(gè)時(shí)隙向K個(gè)MS廣播T個(gè)導(dǎo)頻信號(hào)X_P＝[x⁽¹⁾,x⁽²⁾,...,x^(T)]∈C^N×T，其中，N為BS的天線數(shù)，將MIMO信道估計(jì)數(shù)學(xué)模型中的導(dǎo)頻信號(hào)X_P轉(zhuǎn)化為角度域的壓縮感知測量矩陣，用符號(hào)Φ表示，有酉矩陣p,q∈[0,N-1]，Φ^H∈C^N×T的元素即從集合中以等概率抽取，P為每個(gè)時(shí)隙的導(dǎo)頻信號(hào)功率，*^H表示*共軛轉(zhuǎn)置；

S12、K個(gè)MS的接收信號(hào)矩陣為{R_j},其中，R_j表示第j個(gè)MS的接收信號(hào)矩陣，j＝1,2,...,K；

S13、進(jìn)行符號(hào)轉(zhuǎn)換，令其中，酉矩陣a,b∈[0,M-1]，M為MS的天線數(shù)，Φ表示壓縮感知測量矩陣，X_j為角度域信道矩陣的共軛轉(zhuǎn)置，角度域信道矩陣為Ε_j為等效高斯噪聲矩陣，N_j為接收噪聲信號(hào)矩陣；

S2、各用戶稀疏支持集聯(lián)合估計(jì)，即利用多任務(wù)BCS算法聯(lián)合估計(jì)K個(gè)MS的稀疏支持集合，得到K個(gè)估計(jì)的信道稀疏支持集合，所述K個(gè)估計(jì)的信道稀疏支持集合表示為Ω₁,Ω₂,...Ω_K；

S3、各用戶稀疏支持集合迭代估計(jì)，具體為：

S31、設(shè)置各MS稀疏支持集合共同的迭代控制變量N_iter和最大迭代次數(shù)N_set；

S32、給定初始值：

接收信號(hào)矩陣Y；X的先驗(yàn)概率矩陣，矩陣元素服從均值為方差為的復(fù)高斯分布共同稀疏支持和非共同稀疏支持參數(shù)噪聲的復(fù)高斯分布方差符合伯努利分布，初始概率為的經(jīng)驗(yàn)值及初始化為0的中間變量

S33、不含噪聲的接收信號(hào)Z＝ΦX，假設(shè)Z的先驗(yàn)概率服從均值為方差為的復(fù)高斯分布由Z的先驗(yàn)概率得到Z的后驗(yàn)概率，概率服從均值為方差為的復(fù)高斯分布更新規(guī)則為(為的倒數(shù))；

S34、由Z的后驗(yàn)概率聯(lián)合中間變量推得X的先驗(yàn)概率

S35、由Z的后驗(yàn)概率，共同稀疏參數(shù)和非共同稀疏參數(shù)噪聲方差參數(shù)選擇參數(shù)經(jīng)過中間變量的聯(lián)合運(yùn)算，得到更新的X的后驗(yàn)概率

S36、更新初始參數(shù)值迭代S33-S35直到滿足迭代控制變量N_iter和最大迭代次數(shù)N_set的要求，可以得到包含共同稀疏支持和非共同稀疏支持的各個(gè)用戶的信道狀態(tài)信息

S4、多用戶大規(guī)模MIMO信道估計(jì)，各用戶的信道估計(jì)結(jié)果為其中，X的稀疏支持部分由本發(fā)明提出的貝葉斯壓縮感知迭代方法在滿足一定設(shè)定條件時(shí)得到，剩余部分全部為0，所述設(shè)定條件為經(jīng)驗(yàn)條件。

2.根據(jù)權(quán)利要求1所述的一種Masssive MIMO信道估計(jì)方法，其特征在于：S2所述得到K個(gè)估計(jì)的信道稀疏支持集合Ω₁,Ω₂,...Ω_K具體步驟如下；

S21、假設(shè)每個(gè)用戶的M個(gè)接收天線擁有完全相同的稀疏支持集合，K個(gè)MS的稀疏支持度均為S，對(duì)于不同用戶K，共同的稀疏支持位置的個(gè)數(shù)為Sc，非共同的稀疏支持位置的個(gè)數(shù)為S-Sc，其中，Sc是代表稀疏支持位置個(gè)數(shù)的符號(hào)，S-Sc代表每個(gè)用戶獨(dú)有的非共同稀疏支持位置個(gè)數(shù)；

S22、根據(jù)貝葉斯壓縮感知算法，設(shè)第j個(gè)MS的稀疏信道服從參數(shù)為α_j＝[α_j1,α_j2,...,α_ji,...,α_jN]^T的多變量復(fù)高斯分布，其中，元素α_ji為多用戶共有稀疏支持或?yàn)楠?dú)有稀疏支持即聯(lián)合概率密度函數(shù)其中，m＝1,2,...,K，H_j表示第j個(gè)MS與BS之間的信道，表示信道向量的第i個(gè)元素，經(jīng)驗(yàn)值初始值服從伯努利分布，每個(gè)元素k_i概率為i＝1,2,…N；

S23、聯(lián)合考慮K個(gè)MS，根據(jù)導(dǎo)出共同稀疏支持位置的參數(shù)集合的更新規(guī)則非共同稀疏支持位置的參數(shù)集合的更新規(guī)則其中，表示第m個(gè)稀疏信號(hào)的均值，表示第m個(gè)稀疏信號(hào)的方差，m＝1,2,…K；

S24、不同用戶的噪聲服從均值為0，方差為的復(fù)高斯分布，則參數(shù)β_m的更新公式為

S25、聯(lián)合考慮K個(gè)MS，不同用戶的共同分布參數(shù)k的更新公式為其中，其中，π為k_i＝0的初始概率；

S26、輸入S13所述的壓縮感知測量矩陣Φ和角度域接收信號(hào)矩陣Y，對(duì)S23-S25的參數(shù)進(jìn)行聯(lián)合迭代估計(jì)，可得到不同用戶的稀疏支持集合Ω。

3.根據(jù)權(quán)利要求1所述的一種Masssive MIMO信道估計(jì)方法，其特征在于：S36所述更新初始參數(shù)值具體過程為：把S34中得到的X的后驗(yàn)概率代入S23-S25中的參數(shù)更新公式中。