1.一种压缩感知稀疏信号恢复方法，其特征在于，包括：获取含噪声的大维度稀疏信号的线型测量量；

利用VAMP算法，并且在SBL框架下利用EM方法计算线性观测量的未知参数；利用所述未知参数确定稀疏信号的估计值，通过稀疏信号的估计值完成稀疏信号的恢复；

所述线型测量量表示为y＝Ax+w；

其中， 为实数域内维度为M×N的测量矩阵， 为待估计的维度为N×1的稀疏信号，w为维度为N×1的高斯白噪声， 其中I为单位矩阵，θ2为噪声逆方差；

所述利用VAMP算法，并且在SBL框架下利用EM方法计算线性观测量的未知参数；利用所述未知参数确定稀疏信号的估计值，包括：步骤1：在大规模MIM0信道估计问题中，用户为单天线，基站配备N天线，用户和基站之N×1 M×N间的信道为h∈C ，考虑下行信道估计，基站发送的导频信号为S∈C ，C表示复数形式，其中M为基站发送的导频数目，用户接收到的信号为y＝Sh+w，其中w为复高斯白噪声；将复数域向量表达式转换成实数域得到：其中，

其中Re(·)和Im(·)分别表示对括号内取实部和虚部，此时的简单线型模型y＝Ax+w中的参数 对测量矩T

阵A作SVD分解A＝USV ，其中S＝diag([s1，...，sR])且R＝rank(A)，已知先验分布表达式和 目标为在已知y和A的情况下估计稀疏信号x；

步骤2：定义g1(r1，γ1)，g2(r2，γ2)，和，其中g1(r1，γ1)和g2(r2，γ2)分别表示内部去噪函数和外部去噪函数，和分别表示对r1，r2的散度，其中<·>表示对括号内求平均值；r1，r2，γ1，γ2分别表示内部残差向量，外部残差向量，内部残差逆方差和外部残差逆方差；

式中，px(x|θ1)表示已知参数θ1条件下的x的先验概率密度，py|x(y|x，θ2)表示已知x条件下y的条件概率密度， 表示x服从均值为r1，协方差为I/γ1的高斯分布，表示x服从均值为r2，协方差为I/γ2的高斯分布；

因为噪声 我们可知已 知x条件下y的条件概率密度为其中 表示y服从均值为Ax，协方差为I/θ2的高斯分布，因此公式(4)和(5)可以进一步改写为：T ‑1 T

g2(r2，γ2)＝(γ2I+θ2AA) (γ2r2+θ2Ay) (6)T ‑1

g′2(r2，γ2)＝γ2tr{(γ2I+θ2AA) }/N  (7)‑1

其中tr(·)表示对括号内求迹，(·) 表示对括号内求逆；

根据测量矩阵A的SVD分解的形式将式(6)和式(7)改写为式(8)和式(9)，其中， 表示可通过预先变换而计算得到的接收信号；

步骤3：设置参数r1，γ1，θ1，θ2的初值步骤4：设置循环i＝1，2，...，To，令这里←表示右边的变量数据赋值给左边的变量；

步骤5：设置循环t＝1，2，...，TE，执行以下操作：计算 得到x1的估计值，上标t表示用于步骤5循环的次数，x1表示待估计x的均值；

计算 其中 表示待估计x每个元素的平均逆方差；

计算

循环执行TE次后，进入步骤6；

步骤6：令 执行以下操作：

计算

计算

计算 得到x2的估计值，x2表示通过外部去噪得到的中间变量；

计算 其中 表示x2每个元素的平均逆方差；

计算

根据已获得的 和 更新参数

同时更新参数

更新参数 上标i表示用于步骤4循环的次数；

更新参数

如果 或者执行To次则结束循环，否则返回步骤4，∈为容错误差；

步骤7：返回估计值 完成对稀疏信号x的估计。

2.一种压缩感知稀疏信号恢复系统，其特征在于，包括：获取模块，用于获取含噪声的大维度稀疏信号的线型测量量；

处理模块，用于利用VAMP算法，并且在SBL框架下利用EM方法计算线性观测量的未知参数；利用所述未知参数确定稀疏信号的估计值，通过稀疏信号的估计值完成稀疏信号的恢复；

所述线型测量量表示为y＝Ax+w；

其中， 为实数域内维度为M×N的测量矩阵， 为待估计的维度为N×1的稀疏信号，w为维度为N×1的高斯白噪声， 其中I为单位矩阵，θ2为噪声逆方差；

所述利用VAMP算法，并且在SBL框架下利用EM方法计算线性观测量的未知参数；利用所述未知参数确定稀疏信号的估计值，包括：步骤1：在大规模MIMO信道估计问题中，用户为单天线，基站配备N天线，用户和基站之N×1 M×N间的信道为h∈C ，考虑下行信道估计，基站发送的导频信号为S∈C ，C表示复数形式，其中M为基站发送的导频数目，用户接收到的信号为y＝Sh+w，其中w为复高斯白噪声；将复数域向量表达式转换成实数域得到：其中，

其中Re(·)和Im(·)分别表示对括号内取实部和虚部，此时的简单线型模型y＝Ax+w中的参数 对测量矩T

阵A作SVD分解A＝USV ，其中S＝diag([s1，...，sR])且R＝rank(A)，已知先验分布表达式和 目标为在已知y和A的情况下估计稀疏信号x；

步骤2：定义g1(r1，γ1)，g2(r2，γ2)，和，其中g1(r1，γ1)和g2(r2，γ2)分别表示内部去噪函数和外部去噪函数，和分别表示对r1，r2的散度，其中<·>表示对括号内求平均值；r1，r2，γ1，γ2分别表示内部残差向量，外部残差向量，内部残差逆方差和外部残差逆方差；

式中，px(x|θ1)表示已知参数θ1条件下的x的先验概率密度，py|x(y|x，θ2)表示已知x条件下y的条件概率密度， 表示x服从均值为r1，协方差为I/γ1的高斯分布，表示x服从均值为r2，协方差为I/γ2的高斯分布；

因为噪声 我们可知已 知x条件下y的条件概率密度为其中 表示y服从均值为Ax，协方差为I/θ2的高斯分布，因此公式(4)和(5)可以进一步改写为：T ‑1 T

g2(r2，γ2)＝(γ2I+θ2AA) (γ2r2+θ2Ay)  (6)T ‑1

g′2(r2，γ2)＝γ2tr{(γ2I+θ2AA) }/N   (7)‑1

其中tr(·)表示对括号内求迹，(·) 表示对括号内求逆；

根据测量矩阵A的SVD分解的形式将式(6)和式(7)改写为式(8)和式(9)，其中， 表示可通过预先变换而计算得到的接收信号；

步骤3：设置参数r1，γ1，θ1，θ2的初值步骤4：设置循环i＝1，2，...，To，令这里←表示右边的变量数据赋值给左边的变量；

步骤5：设置循环t＝1，2，...，TE，执行以下操作：计算 得到x1的估计值，上标t表示用于步骤5循环的次数，x1表示待估计x的均值；

计算 其中 表示待估计x每个元素的平均逆方差；

计算

循环执行TE次后，进入步骤6；

步骤6：令 执行以下操作：

计算

计算

计算 得到x2的估计值，x2表示通过外部去噪得到的中间变量；

计算 其中 表示x2每个元素的平均逆方差；

计算

根据已获得的 和 更新参数

同时更新参数

更新参数 上标i表示用于步骤4循环的次数；

更新参数

如果 或者执行To次则结束循环，否则返回步骤4，∈为容错误差；

步骤7：返回估计值 完成对稀疏信号x的估计。

3.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1所述的方法。

4.一种计算设备，其特征在于，包括，一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1所述的方法中的指令。