信道估计是信号处理中重要且基础的问题之一，尤其是考虑到未来无线通信系统中更高精度的要求。传统的信道估计算法研究主要基于噪声白高斯假设，这限制了传统算法在真实无线通信场景下的性能。

SCIENCE CHINA Information Sciences最新录用了西交大薛江教授团队的文章“Robust Channel Estimation Based on MEP”. 这项工作主要研究针对非高斯噪声的鲁棒信道估计算法。文章提出了一种基于极大熵准则的自适应信道估计算法，该算法可以分析出噪声环境的统计特性。除此之外，通过利用非导频部分的接收信号，该算法提升了信道估计的精度以及减小了导频开销。另外，对于大规模和小规模MIMO，作者分别设计了求解算法以获得较高的信道估计精度。通过数值仿真，所提出算法的优势在不同通信环境，信道规模，导频长度以及信道和参数估计准确性等方面都得到了验证。

实验展示：

EMEP (即EMEP-A和EMEP-B)算法在相同的信道规模下性能优于对比算法。EMEP在不同的噪声环境下，性能均优于所有对比算法，这说明了所提算法的自适应性。

表中展示了所提算法在参数估计上的结果。从表中可以看出所提算法在不同的噪声分布下的估计误差在0.1左右，这说明了我们的算法有很强的提取噪声矩分量的能力。表中的结果说明了所提噪声建模方法可以发现环境中噪声的矩信息。