MASSIVE MIMO作为5G移动通信系统的关键技术之一,自其提出以来就受到人们的广泛关注与研究。通过在收发两端安装大量的天线,使系统的性能得到了极大的改善。然而,收发两端天线维数的增加使得系统在进行信道估计时的难度相应增加。传统的非盲信道估计算法在进行信道估计时算法性能很大程度上依靠发送端训练序列的特性,然而由于系统相干时间等因素的限制使得理想的训练序列难以获得,而在MASSIVE MIMO系统中由于天线维数的增加这一问题更为明显。所以,研究能够降低对训练序列要求的信道估计算法意义重大。本文从研究MASSIVE MIMO系统出发,重点研究了MASSIVE MIMO系统中关键技术——信道估计技术。鉴于对特定信号,压缩感知理论(COMPRESSIVE SENSING)在进行信号恢复时降低了对采样维数以及采样矩阵的要求这一性质,本文研究了基于压缩感知的信道估计算法。本文首先研究分析了MASSIVE MIMO系统在进行信道估计时的难点;随后研究了几种适用于平坦衰落条件下的基于训练序列的信道估计算法,包括最小二乘法、最小均方误差法等,并分析了算法特点及其局限性;最后针对多小区多用户的通信场景提出了基于压缩感知的新的信道估计算法。在该过程中,通过对信道矩阵进行建模来模拟通信系统中的大尺度衰落和小尺度衰落,给出了两种等价的MASSIVE MIMO系统信道估计形式,并根据压缩感知理论设计了信道估计算法。本文算法对训练序列的要求比传统算法要更为宽松。最后,通过在MATLAB中仿真验证了输入信噪比以及训练序列长度对算法性能的影响。仿真结果表明,本文提出的算法在对MASSIVE MIMO系统进行信道估计时性能有一定改善。