1.一种毫米波多输入多输出系统的信道估计方法，其特征在于，该方法包括以下步骤：基于参考信号和设定的信道感知位置确定信道测量矩阵，并利用奇异值分解算法分解所述信道测量矩阵，得到初始第一因子矩阵和初始第二因子矩阵；将包括被用作初始第一估计矩阵的信道测量矩阵、所述初始第一因子矩阵和初始第二因子矩阵的初始输入集输入预训练的迭代神经网络进行多轮更新操作，最终得到信道的估计矩阵；其中，所述迭代神经网络以当前轮更新操作的输出作为下一轮更新操作的输入；每一轮更新操作包括：利用投影梯度下降算法，基于当前轮输入的第一因子矩阵、第二因子矩阵和第一估计矩阵得到当前轮的第一中间投影矩阵和第二中间投影矩阵，并通过反投影卷积层将所述当前轮的第一中间投影矩阵和第二中间投影矩阵分别转换为当前轮输出的第一因子矩阵和第二因子矩阵；以及基于当前轮输入的第一估计矩阵、当前轮输出的第一因子矩阵和当前轮输出的第二因子矩阵，得到当前轮输出的第一估计矩阵；所述利用投影梯度下降算法，基于当前轮输入的第一因子矩阵、第二因子矩阵和第一估计矩阵得到当前轮的第一中间投影矩阵和第二中间投影矩阵，包括：针对第一因子矩阵，基于当前轮输入的第一因子矩阵、第二因子矩阵、第一估计矩阵和设定的第二步长计算梯度，从而得到梯度下降值；将所述梯度下降值输入投影卷积层，输出得到第一中间投影矩阵；针对第二因子矩阵，基于当前轮输出的第一因子矩阵、当前轮输入的第二因子矩阵和第一估计矩阵，以及第三设定步长计算梯度，从而得到梯度下降值，或者基于当前轮输入的第一因子矩阵、第二因子矩阵和第一估计矩阵，以及第三设定步长计算梯度，从而得到梯度下降值；将所述梯度下降值输入投影卷积层，输出得到第二中间投影矩阵；针对第一因子矩阵，所述梯度下降值的计算过程包括以下步骤：计算当前轮输入的第一因子矩阵与第二因子矩阵的共轭转置的乘积；计算该乘积减去当前轮输入的第一估计矩阵的差值，将得到的差值、设定的第二步长以及当前轮输入的第二因子矩阵相乘得到梯度；将当前轮输入的第一因子矩阵减去梯度得到梯度下降值；针对第二因子矩阵，所述梯度下降值的计算过程包括以下步骤：计算当前轮输出的第一因子矩阵与当前轮输入的第二因子矩阵的共轭转置的乘积，或者计算当前轮输入的第一因子矩阵与当前轮输入的第二因子矩阵的共轭转置的乘积；计算该乘积减去当前轮输入的第一估计矩阵的差值，将得到的差值、设定的第三步长以及当前轮输出的第一因子矩阵相乘得到梯度，将当前轮输入的第二因子矩阵减去梯度得到梯度下降值。
2.根据权利要求1所述的方法，其特征在于，所述初始输入集还包括被用作初始第二估计矩阵的信道测量矩阵；以及在初始输入集包括初始第二估计矩阵的情况下，所述每一轮更新操作还包括：将当前轮输出的第一估计矩阵输入降噪卷积层，输出得到当前轮输出的第二估计矩阵。
3.根据权利要求2所述的方法，其特征在于，所述基于当前轮输入的第一估计矩阵、当前轮输出的第一因子矩阵和当前轮输出的第二因子矩阵，得到当前轮输出的第一估计矩阵，包括：在将最终轮输出的第一估计矩阵作为信道的估计矩阵的情况下，基于当前轮输入的第一估计矩阵、当前轮输出的第一因子矩阵和第二因子矩阵、所述信道测量矩阵和设定的第一步长，得到当前轮输出的第一估计矩阵；在将最终轮输出的第二估计矩阵作为信道的估计矩阵的情况下，基于当前轮输入的第一估计矩阵、当前轮输出的第一因子矩阵和第二因子矩阵、所述信道测量矩阵、设定的第一步长和当前轮输入的第二估计矩阵，得到当前轮输出的第一估计矩阵。
4.根据权利要求1所述的方法，其特征在于，在计算得到梯度之后，所述方法还包括：将缩放算子和计算得到的梯度的乘积作为优化后的梯度来计算所述梯度下降值；其中，针对第一因子矩阵，所述缩放算子为当前轮输入的第二因子矩阵及其共轭转置的乘积的逆矩阵；针对第二因子矩阵，所述缩放算子为当前轮输出的第一因子矩阵及其共轭转置的乘积的逆矩阵，或者所述缩放算子为当前轮输入的第一因子矩阵及其共轭转置的乘积的逆矩阵。
5.根据权利要求1所述的方法，其特征在于，在通过反投影卷积层得到当前轮输出的第一因子矩阵和第二因子矩阵之前，所述更新操作还包括：对利用投影梯度下降算法得到的第一中间投影矩阵和第二中间投影矩阵中的各个元素执行软阈值操作，得到更新的第一中间投影矩阵和第二中间投影矩阵。
6.根据权利要求3所述的方法，其特征在于，在将最终轮输出的第一估计矩阵作为信道的估计矩阵的情况下，所述当前轮输出的第一估计矩阵的计算公式如下： ；在将最终轮输出的第二估计矩阵作为信道的估计矩阵的情况下，所述当前轮输出的第一估计矩阵的计算公式如下： ；其中， 表示当前轮输出的第一估计矩阵， 表示当前轮输入的第一估计矩阵， 表示由 中设定的信道感知位置的元素值构成的部分矩阵， 表示设定的第一步长， 表示信道测量矩阵， 表示当前轮输入的第二估计矩阵， 和 分别表示当前轮输出的第一因子矩阵和第二因子矩阵， 和 均表示权重。
7.根据权利要求1所述的方法，其特征在于，所述迭代神经网络在训练阶段中的损失函数为信道真实矩阵与该迭代神经网络输出的信道估计矩阵之间的均方误差；所述投影卷积层和反投影卷积层是结构对称的、由ReLU激活函数分隔的卷积层。
8.一种毫米波多输入多输出系统的信道估计系统，包括处理器和存储器，其特征在于，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该系统实现如权利要求1至7中任一项所述方法的步骤。
