1.一种TDD大规模MIMO系统上行链路多用户联合信道估计方法，其特征在于，该方法包括：步骤11，通过虚拟信道表示实现物理信道矩阵的稀疏表示；

步骤12，将目标小区和干扰小区的多用户联合信道估计建模为压缩感知理论中的二维稀疏信号重构，并运用2D-SL0(two-dimensional smoothed L0algorithm)重构算法联合估计出目标多用户的信道状态信息。

2.根据权利要求1所述的上行链路多用户联合信道估计方法，其特征在于，在步骤11中，第i个小区里全部K个用户到第j个小区基站的物理信道矩阵稀疏表示为

其中，Gji为物理信道矩阵且Gji＝[gji1,…,gjiK]，列向量gjik表示第i个小区里的第k个用户到第j个小区基站的信道响应矢量；AR为接收响应矩阵且AR＝[aR(θ1),…,aR(θM)]，这里θm＝m/M，M表示基站天线数目；M×K维矩阵 是稀疏表示矩阵且其元素值表示第k个用户与第m个虚拟接收角度之间的链接增益，若该链接不存在，则该元素值为0。

3.根据权利要求1所述的上行链路多用户联合信道估计方法，其特征在于，在步骤12中，将目标小区和干扰小区的多用户联合信道估计建模为压缩感知理论中的二维稀疏信号重构方法包括：第j个小区基站的接收导频信号可表示为：

将该式进行转置可得到以下公式：

其中，Hji＝GjiDji且Hji表示第i个小区里的第k个用户到第j个小区基站的信道响应矩阵，这里Hji＝[hji1,…,hjiK]， βjik表示大尺度衰落因子，K表示单天线用户数，K＜＜M。

即可得到以下线性方程：

Y＝XGAR+N。

4.根据权利要求1所述的上行链路多用户联合信道估计方法，其特征在于，在步骤12中，运用2D-SL0重构算法联合估计出目标多用户信道状态信息的方法包括：步骤121，输入观测信号Y，观测矩阵X，DFT变换阵AR，阈值σmin，收缩因子ρ，步长μ和迭代次数Q；

步骤122，令

步骤123，如果σ≥σmin，则顺序执行(Ⅰ)和(Ⅱ)；否则，执行步骤124。

(Ⅰ)在可行解集{G|Y＝XGAR}上，从初始解 开始通过如下的Q次迭代最速下降算法，最大化目标函数(a)设置矩阵Δ＝[δij]的元素值为

(b)令 然后通过 将 投影到其可行解集上；

(Ⅱ)令σ←ρσ，并返回步骤123；

步骤124，计算并输出