1.一种基于改进的自适应混合优化平滑L0范数的MIMO水声信道估计方法，其特征在于，包括以下步骤：步骤1、建立一个具有Nt个发射端和Nr个接收端的MIMO系统，形成一个Nt×Nr的子信道模型，每一个子信道对应于一个水声信道模型，得到子信道的t时刻第m个发射端和第n个接收端在τ时延时的信道频域响应Dmn(t,τ)，从而得到整个MIMO系统的Nt×Nr水声信道在t时刻τ时延下的信道频域响应矩阵D(t,τ)；

步骤2、将得到的信道频域响应矩阵D(t,τ)向量化为一个N×1的向量h为h＝vec(D(t,τ))

其中，vec(.)表示向量化函数，N是向量h的元素个数；

步骤3、建立水声信道压缩感知方程y＝Ax+r，其中，x表示待估计的水声信道向量，y表示一维观测向量，其维度为M×1，M表示观测向量y的元素个数，A为已知的随机高斯矩阵测2

量矩阵，其维度为M×N，r表示独立同分布的高斯白噪声，其均值为0，方差为w；

步骤4、采用Nesterov梯度加速法和牛顿法结合的迭代算法进行混合优化，得到最终迭代后的水声信道向量估计值x；具体如下：步骤4a、初始化：

步骤A、利用最小二乘法求出水声信道的初始值x(0)，预设第一循环次数为L、第二循环次数为K；

步骤B、选取一个序列[σ1,σ2,σ3,....,σJ.],且σ1>σ2>σ3>,...,>σJ，其中，σj表示第j个控制参数σ的值，J表示控制参数σ的序列数，令j＝1；

步骤(1)、令SL0算法中的目标函数的控制参数σ＝σj,利用Nesterov梯度加速法进行L次计算，求解fσ(x)的最小值xL(j)，其中xL(j)表示第j次迭代时L次循环后的最小值；

在SL0算法中的目标函数选择fσ(x)作为近似L0范数的函数进行SL0算法，fσ(x)表达式为其中，e表示自然底数，σ表示目标函数的控制参数；

步骤(2)、牛顿法初始化：x＝xL(j)；

利用牛顿法进行K次计算，求解fσ(x)的最小值xK(j)，其中xK(j)表示第j次迭代时K次循环后的最小值；

计算正则化因子λ,并投影到可行集上：

x(j)＝xK(j)-AH(AAH+λ-1Im)-1(AxK(j)-y)其中，(.)H表示共轭转置，Im表示M×M阶单位矩阵,Q是一个常数,x(j)是第j次迭代后水声信道的最优值；

步骤(3)、输出x＝x(j)；

步骤4b、当σj>σJ时，令j＝j+1,σj＝βσj-1，转至步骤(1)，β为衰减因子，0<β<1。

2.根据权利要求1所述的一种基于改进的自适应混合优化平滑L0范数的MIMO水声信道估计方法，其特征在于，σ1＝1。

3.根据权利要求1所述的一种基于改进的自适应混合优化平滑L0范数的MIMO水声信道估计方法，其特征在于，步骤1中，得到子信道的信道频域响应Dmn(t,τ)为其中，p是每个子信道的径数，m,n分别表示第m个发射端和第n个接收端，Dmn(t,τ)表示t时刻第m个发射端和第n个接收端在τ时延时的频域响应，τi,mn表示第m个发射端和第n个接收端的第i条路径的时延，hi,mn(t)表示第m个发射端和第n个接收端的第i条路径在t时刻的脉冲响应，δ(t-τi,mn)表示在τi,mn时延的单位冲激函数；

整个MIMO系统的Nt×Nr水声信道在t时刻τ时延下的信道频域响应矩阵D(t,τ)表示为

4.根据权利要求1所述的一种基于改进的自适应混合优化平滑L0范数的MIMO水声信道估计方法，其特征在于，K＝3、L＝2。

5.根据权利要求1所述的一种基于改进的自适应混合优化平滑L0范数的MIMO水声信道估计方法，其特征在于，β＝0.5。