1.基于牛顿‑正交匹配追踪的超大规模MIMO信道估计方法，其特征在于，包括：根据空间非平稳特性和近场效应建立信号模型；

根据所述信号模型通过最小化剩余功率获得散射体的增益和位置的最大似然估计；

划分初始网格，运用正交匹配追踪算法搜索网格点，粗略估计散射体位置和路径增益；

根据粗略估计得到的初始值利用牛顿迭代优化方法进行精确估计；

所述基于空间非平稳特性和近场效应建立信号模型，包括：根据空间非平稳特性建立散射体和天线之间的可见关系；

根据近场效应并根据散射体和天线之间的可见关系建立信号模型；

所述根据空间非平稳特性建立散射体和天线之间的可见关系，包括：基站端采用均匀线性阵列，有M个天线，用户端采用单个天线，只考虑下行链路，链路中存在多个散射点，在超大规模多输入多输出信道中，散射假设均为泊松分布，不同天线之间散射体的生存概率可以表示为：其中λr是散射体的存活率，D是与环境相关的相干因子，δ代表不同天线元件之间的间距；

新生成的散射体的平均数量可以表示：为

其中，λg代表散射体的再生速率；

用ψn表示散射体看到可见的阵列ψn＝{sn,1,...,sn,m},m∈{1,2,...,M}，sn,m代表相对于散射体n的第m个可见天线，散射体和所有天线之间的可见关系可以表示为如果sn,m在在集合ψn中，所述根据近场效应并根据散射体和天线之间的可见关系建立信号模型，包括：考虑近场效应用球面波模型来表征信道脉冲响应，散射体和天线之间的响应如下：其中， 表示散射体和阵列中心之间的距离，表示散射体和阵列元素m之间的距离；

在球面波模型中，阵列上的相位变化和路径损耗变化是非线性的，下行链路的信道矩阵是 其中(xn,yn)代表第n个散射体的坐标，N是散射体的数目；gn表示复杂的路径增益；⊙表示哈达玛积；

用矩阵表示法将信号模型表示为 其中 w是加性高斯白噪声，满足分布。

2.如权利要求1所述的基于牛顿‑正交匹配追踪的超大规模MIMO信道估计方法，其特征在于，根据所述信号模型通过最小化剩余功率获得散射体的增益和位置的最大似然估计，其中，最大似然估计为：

为了获得目标函数的最优解，进一步将目标问题转换如下：其中， 是估计后获得的散射体坐标，路径增益表示为：

3.如权利要求2所述的基于牛顿‑正交匹配追踪的超大规模MIMO信道估计方法，其特征在于，所述划分初始网格，运用正交匹配追踪算法搜索网格点，粗略估计散射体位置和路径增益，包括：

假设目标散射体的位置信息满足Xmin＜xn＜Xmax，Ymin＜yn＜Ymax，Xmin、Xmax、Ymin和Ymax分别表示阵列可见范围内散射体位置的最小值和最大值，网格划分如下：Z＝{(x,y)|x＝Xmin,Xmin+Δx,...,Xmax；y＝Ymin,Ymin+Δy,...,Ymax}其中Δx和Δy分别是x轴和y轴上的步长；

粗略估计的散射体位置和路径增益是通过详细搜索网格点获得的，每次迭代只提取一条路径，第(s‑1)次迭代后得到的残差为：粗略估计散射体位置

4.如权利要求3所述的基于牛顿‑正交匹配追踪的超大规模MIMO信道估计方法，其特征在于，所述根据粗略估计得到的初始值利用牛顿迭代优化方法进行精确估计，包括：把gn当作冗余参数，假设 是当前估计值，迭代步骤为：其中， 是一阶偏导向量，二阶偏导数矩阵为：根据 把 的一阶偏导数写成：的二阶偏导数计算如下：

利用同样的方法得到

当剩余功率小于总噪声功率时，迭代过程终止，阈值被设置为：其中，F{a}是a的离散傅里叶变换，而Pfa是误警率，可以得到(xn,yn)的广义似然比检验估计，路径增益表示为：