1.基于外推原理的大规模MIMO低复杂度信号检测方法，其特征在于，包括以下步骤：步骤1，构建大规模MIMO系统上行传输模型，获取MIMO系统的相关参数，所述相关参数包括信道响应矩阵、发射天线的数量、接收天线的数量、接收信号矢量和噪声方差；

步骤1中，所述大规模MIMO系统上行传输模型包括大规模MIMO系统，所述大规模MIMO系统包括基站和用户端，所述基站包括NT个单天线用户和NR根天线通信，所述大规模MIMO系统中信道为瑞利平坦信道，且基站的信道状态信息同步，则NT个用户独立发送的信号向量x表示为 基站端接收的符号向量y表示为 则x和y之间的关系表示为y＝Hx+n；其中， 表示第NT个用户发射的信号， 表示第NR个基站接收的符号， 为信道响应矩阵， 为加性高斯白噪声，是复数集；

步骤2，根据所述MIMO系统的相关参数，构建MMSE检测矩阵，并求出匹配滤波信号，根据发射天线数量和接收天线数量，得到MMSE检测矩阵的最小特征值和最大特征值；

步骤2包括：根据信道响应矩阵，构建MMSE检测矩阵，并求出匹配滤波信号；

根据发射天线数量和接收天线数量，得到MMSE检测矩阵的最小特征值和最大特征值；

步骤2中，所述MMSE检测矩阵的表达式为：H 2

A＝HH+σI，

H 2

其中A为MMSE检测矩阵，H是信道响应矩阵H的对称转置矩阵，σ 为噪声方差，I为NT×NT的单位矩阵；

所述匹配滤波信号的表达式为：

其中，为匹配滤波信号；

步骤2中，所述MMSE检测矩阵的最大特征值表达式为：其中，λmax为MMSE检测矩阵的最大特征值；

所述MMSE检测矩阵的最小特征值表达式为：其中，λmin为MMSE检测矩阵的最小特征值；

步骤3，对匹配滤波矩阵进行分解，得到基于滤波矩阵中的对角元素的迹，以及发射天线和用户的数量的迭代初始值；根据发射信号的初始数据，优化计算过松弛参数和加速度参数，从而计算得到外推参数，采用根据优化后的过松弛参数和外推参数改进的基于外推原理结合优化的EISOR迭代的信号检测方法对接收信号进行检测，得到信号检测结果；

步骤3包括如下步骤：

步骤3‑1，对MMSE滤波矩阵进行分解，求出对角线分量矩阵；通过提取矩阵元素分解滤波矩阵，得到矩阵带宽参数为1的带状矩阵、上三角矩阵和下三角矩阵；

步骤3‑2，根据发射信号初始数据，计算过松弛参数和加速度参数，再计算得到外推参数；

步骤3‑3，根据对角线分量、发射端天线数量和接收端天线数量计算初始值；

步骤3‑4，根据步骤3‑3得到的初始值进行迭代，采用将外推技术与改进后的连续过松弛算法相结合的算法进行迭代计算；

步骤3‑1中，采用如下公式对MMSE滤波矩阵进行对角分解：A＝D+L+U，

其中，D为对角线分量矩阵，L为严格下三角矩阵，U为严格上三角矩阵；

通过提取矩阵元素对匹配滤波矩阵进行分解，得到带宽参数为1的带状矩阵、上三角矩阵和下三角矩阵：A＝D1+L1+U1，

其中，D1为矩阵带宽参数为1的带状矩阵，L1和U1分别为匹配滤波矩阵的下三角矩阵和上三角矩阵；

步骤3‑2中，所述过松弛参数的表达式为：其中，β为过松弛参数；

所述加速度参数的表达式为：

其中，α为加速度参数；

步骤3‑2中，所述外推参数的表达式为，其中，γ为外推参数；

步骤3‑3中，所述初始值计算公式为：0

其中，x为初始值，trace(D)为对角线分量矩阵的迹；

步骤3‑4中，将连续过松弛算法利用差向量进行线性优化得到改进后的连续过松弛算法，公式为：i

其中，i＝0,1,...,K，K为总的迭代次数，ω为松弛因子；x为第i次迭代发射信号估计值；

步骤3‑4中，采用将外推技术与改进后的连续过松弛算法相结合的算法进行迭代计算，公式为：i+1

其中，x 为第i+1次迭代发射信号估计值。