文摘超大规模多输入多输出(Extremely Large-scale Multiple-Input Multiple-Output,XL-MIMO)系统的信道通常以瑞利距离为边界分为近场信道和远场信道,混合场信道模型用路径数比例因子将球面波前的近场信道模型和平面波前的远场信道模型叠加,致使信道参数维数剧增,信道估计的导频开销极大,且由于离格能量泄露难以获取精确信道参数向量的稀疏度。针对这类通信系统的信道估计问题,为降低导频开销并提高计算效率,分析远场的角度域稀疏信道表示模型和近场的极化域稀疏信道表示模型,在稀疏信号恢复框架下将估计问题转化为L1范数优化问题,提出基于交替方向乘子法(Alternating Direction Method of Multiplier,ADMM)的混合场稀疏信道估计算法,并提出一种改进的ADMM算法,将拉格朗日乘子更新用两步对称的方式迭代计算,使得算法的收敛速度更快,计算效率更高。这两种算法可摆脱常规正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法对信道稀疏度的依赖,相比于OMP算法在估计精度方面有较大提升。
