1.大规模MIMO的自适应双阈值下行信道估计方法，该方法所采用的系统模型为密集小区的大规模MIMO-OFDM系统模型，该该系统模型中每个小区采用中心基站并配有M根均匀排列的发射天线，用于服务小区中K个同时通信的移动用户；

设该系统模型下共有I个小区，每个小区中有K个用户，第i个小区中第j个用户接收到的信号yij表示为：yij＝Gijxj+ni其中：Gij表示第i个小区中第j个用户接收到的信道矩阵，xj表示第j个用户发射的训练序列；ni表示第i个小区内用户接收到的高斯白噪声；

采用矩阵形式来表示第i个小区接收到的信号，则为：Yi＝GiXi+Ni其中：Gi＝[G1iG2i…GKi]为这I个小区中所有的用户信道组成的合信道矩阵；Xi为第i个小区发送的训练信号矩阵；Ni为第i个小区的接收高斯白噪声，其特征在于：在信道稀疏度和信噪比未知的情况下，对当前多用户多小区系统的下行信道状态信息进行估计：初始化参数:残差r0＝y,原子候选集合 其中y为观测向量；

采用改进的分段正交匹配追踪算法，具体是在第s次迭代时，执行以下步骤：步骤1：计算上一步迭代残差rs-1与传感矩阵A的相关系数集合us,将us中所有大于门限Th＝tsσs的对应传感矩阵Aj列构成新的集合Js；

其中Aj表示传感矩阵A的第j列，σs表示当前迭代状态下噪声的影响程度，ts为当前迭代次数下的门限参数；

步骤2：更新原子候选集Λs＝Λs-1Js；

步骤3：求y＝AsGs的最小二乘解,即计算步骤4：更新当前残差

步骤5：把当前误差es和误差标准e进行比较，若es

反之则根据比例-积分-微分控制算法调整门限参数ts，再返回步骤1重新开始执行计算；

步骤6：若残差比阈值γs>θ，则返回步骤1重新执行，反之继续执行步骤7；

步骤7：得到重构信号 即为最后一次迭代的 结束。

2.根据权利要求1所述的大规模MIMO的自适应双阈值下行信道估计方法，其特征在于：步骤5中采用比例-积分-微分控制算法调整门限参数ts具体计算如下：ts＝Kp[es-es-1]+Kies+Kd[es-2es-1+es-2]；，其中，Kp为比例系数，用于控制当前系统的状态；Ki为积分系数，用于控制系统过去的状态；Kd为微分系数，用于控制系统未来状态。

3.根据权利要求1所述的大规模MIMO的自适应双阈值下行信道估计方法，其特征在于：步骤6中残差比阈值γs计算如下：

其中ls为残差比系数。