随着通信技术的不断发展,第五代移动通信技术(5G)逐步进入我们的生活。相比4G,5G通信系统的容量大大增加,能够满足人们各种各样的通信需求,极大的促进信息社会的建设。大规模多输入多输出(Massive MIMO)技术是5G中的关键技术之一。为了充分发挥大规模MIMO的技术优势,准确的信道状态信息(CSI)是其关键。5G系统中,小区覆盖面积较小,相邻小区间干扰增大。传统的信道估计技术中,为了节省系统资源,相邻小区采用相同的正交训练序列,会造成严重的导频污染问题,使得信道估计性能急剧下降;若小区间采用不同的正交训练序列,会造成系统开销成倍增加。本文重点讨论大规模MIMO系统中的信道估计技术。基于大规模MIMO系统中时延域信道的稀疏特性,本文引入压缩感知技术进行信道估计。在压缩感知理论中,观测矩阵的大小与待测向量的大小无关,而与其稀疏度有关。压缩感知方法的引入,大大减少了单个小区中所需导频序列的长度,使得相邻小区间采用正交导频成为可能。基于上述思想,本文研究了现有基于压缩感知的信道估计算法,对算法的信道估计性能进行了仿真评估;提出适用于稀疏度未知情况下的SAOMP信道估计算法。相较于现有稀疏度未知的信道估计算法,提出算法的性能更好。基于大规模MIMO系统中时延域信道的空时共稀疏特性,本文提出了一个信道估计方案。在通信过程中发送一帧专门的导频序列来快速估计信道中的稀疏度范围,作为后续选择导频序列长度的依据,避免无效的导频开销。基于获取的信道稀疏度范围,将提出SAOMP信道估计算法进一步改进,提高了算法收敛速度,以适用大规模MIMO系统。