1.正交模式复用系统中的超低时延下的MIMO均衡方法，其特征在于：包括如下步骤：

1）正交模式复用系统中的超低时延下的MIMO均衡方法中，在各个模式的输入信号中，对均衡器抽头系数，在代价函数公式中引入正则项l0-范数，来实现对0项的迫近；

2）利用RLS算法对自适应均衡器进行了稀疏化处理，使不重要的权值趋于零，通过引入稀疏性加入了基于l0-范数的代价函数来修正权值的更新方程；

3）自适应均衡器通过信号传输前的一段训练序列完成对自适应均衡器的训练；自适应均衡器分为前馈滤波器和反馈滤波器，在训练端通过对前馈滤波器的训练完成对均衡器的训练；

4）通过前馈滤波器完成对反馈滤波器的设置和调整，发送信号进入反馈滤波器，完成信号的均衡；

步骤1）中，所述的各个模式的输入信号中，模式总数M的输入向量为X (n)，其中，第i个模式的滤波器的输入向量Xi(n)，则：（1）；

（2）；

其中，T是矩阵的转置，在n时段的输入信号为x（i n），其中M为模式总数，N为滤波器阶数；

步骤1）中，所述的均衡器的抽头系数为W(n)，则：（3）；

（4）；

其中，W（i n）是按照不同模式划分成M个矩阵； 代表第i个模式，第N阶的滤波器的抽头系数；j为迭代变量且取值范围为1到M的整数，i为迭代变量且取值范围为1到N的整数，均衡器的输出y(n)为：（5）；

定义所述的均衡器输出y(n)相当于均衡器期望输出d(n)的先验误差序列为 ，后验误差序列为 ，则：（6）；

（7）；

其中k为迭代变量取值范围分别为1到n的整数；H代表矩阵的转置共轭；

所述的代价函数为J(n)，则：（8）；

λ为遗忘因子且0＜λ≤1，ξ为权重因子，用来控制标准RLS算法代价函数和正则项的权重；为了获得当J(n)为最小值的情况下最优的W(n)，求得J(n)对W(n)的梯度，则：（9）；

其中：

（10）；

（11）；

为了求得代价函数J(n)最小值，使代价函数J(n)的梯度为0，即：（12）；

（13）；

则归一化的l0-范数 为：（14）；

其中β为常数，通过泰勒级数一阶展开对上式中的指数项进行化简：

15）；

定义 ，根据矩阵求逆引理得：（16）；

其中：

（17）；

其中，W(n)的递推公式为：（18）；

（19）。