伴随着信息技术的飞速发展,移动通信技术不断创新,宽带信息服务已经延展到移动终端,以语音业务为主的传统移动通信系统已逐渐演变成向移动用户提供视频传输、无线因特网服务的宽带移动通信系统。最新投入使用的第四代(4G, 4th Generation)移动通信技术,其峰值传输速率可以达到每秒千兆比特。但是,随着移动新业务及智能终端的日益普及,无线数据传输需求呈指数级增长。截至2020年,移动通信业务量将达到目前系统运营业务量的一千倍,届时4G移动通信系统将无法承载这种急剧增长的通信业务需求。与此同时,频带资源紧缺的现状也更为严峻,而授权频谱并未得到充分的利用,频谱资源的供需矛盾日益突显。为了有效解决上述问题,不增加传输带宽和发射功率便可大幅提升系统传输速率和系统容量的多输入多输出(MIMO, Multiple-Input Multiple-Output)技术应运而生。MIMO技术突破了传统理论对收发端天线数量的限制,在发射端和接收端均安装多根天线,同时进行信号传输来提高功率效率和频谱效率。然而,在目前典型天线节点配置的情况下,MIMO技术的性能受到很大的限制。例如,考虑实际配置的天线数目有限、接收端信道间干扰(ICI, Inter Channel Interference)问题等,将会导致非理想信道条件下其性能的大幅下降。为此,人们进一步提出了大规模MIMO (Large MIMO)的概念,其用大规模天线阵列代替目前采用的多天线以充分利用空间自由度来形成多条射频链路,进而解决未来移动通信面临的频效和能效问题。大规模MIMO技术是传统MIMO技术的延伸和扩展,其基本特征是基站装置数十乃至数百根天线形成天线阵列,基站覆盖区域内的移动用户利用天线阵列提供的并行传输链路,在同一时频资源上同时与基站进行通信。虽然大规模MIMO技术是应对未来通信瓶颈的重要手段,但其相关研究仍处在起步阶段。符合实际的信道模型、适度的导频开销及实现复杂度等问题亟需深入研究解决。时分双工(TDD, Time Division Duplexing)模式的大规模MIMO系统上行传输时,用户向基站发送导频信号,基站利用接收的导频信号进行信道估计。由于导频数量有限,用户数目越来越多,相邻小区用户发送的导频信号难以完全正交,信道估计不可避免的受到相邻小区使用相同导频用户的干扰,这就是大规模MIMO系统中的导频污染,也是其瓶颈问题之一。本文以缓解大规模MIMO导频污染影响为着眼点,以提高系统和速率为目标,提出了两种新的基于智能优化算法的大规模MIMO系统导频分配方案,它们主要利用了人工智能领域的两种性能优异的优化算法,即遗传算法(GeA, Genetic Algorithm)与人工鱼群算法(AFSA, Artificial Fish Swarm Algorithm),这两种启发式算法通常被用来解决优化问题。基于上述算法的两种导频分配方案可以充分利用其优化算法的自身特性,突破局部最优解的限制,同时能以较低的算法复杂度实现各小区用户和速率的最大化,并最大限度地减轻导频污染对系统性能的影响。论文通过仿真与分析发现,基于AFSA和GeA的导频分配方案所获得的系统和速率已经非常接近穷举搜索最优方案,且基于AFSA和GeA的导频分配方案能够以更少的迭代次数实现收敛,充分说明了所提方案具有更低的复杂度。