高数据速率服务的爆炸性需求对无线通信系统提出了巨大挑战，分布式大规模多输入多输出(Multiple Input Multiple Output, MIMO)被视为解决这项挑战的关键技术之一，受到了广泛研究。分布式大规模MIMO系统结合了大规模MIMO和分布式天线系统的优势，可以提高系统的频谱效率、能量效率以及系统的覆盖率等。然而，由于硬件成本以及系统功率消耗的限制，实际系统中可能配置价格低廉但是性能受限的硬件，这会降低系统的性能。本文主要考虑本地晶振带来的相位噪声和低精度模数转换器(Analog-to-Digital Convertors, ADCs)带来的量化噪声，对系统的频谱效率和能量效率进行分析和优化，为分布式大规模MIMO系统的参数选择和实际部署提供参考。同时，为了进一步提升系统的频谱效率并解决日渐严重的上下行传输不对称问题，本文考虑了网络辅助全双工系统，对频谱效率进行分析并提出提升该系统频谱效率的方案。
　　首先，分析相位噪声对分布式大规模MIMO系统频谱效率的影响。综合考虑大尺度衰落，小尺度衰落以及相位噪声，定义了等效信道模型，利用导频训练机制得到信道的估计值。基于估计的信道状态信息(Channel State Information, CSI)，对采用最大比发送(Maximum Ratio Transmission, MRT)和迫零(Zero-forcing, ZF)预编码时的可达速率闭合表达式进行推导，并给出了天线数目趋于无穷时系统的极限速率。仿真结果证明了闭合表达式的正确性，相位噪声会降低系统的频谱效率，虽然ZF预编码可以获得更高的频谱效率，但是相位噪声对ZF预编码的影响更严重。
　　然后，分析量化噪声对分布式大规模MIMO系统频谱效率和能量效率的影响，并对ADCs精度选择算法进行设计。首先，利用加性量化噪声模型对低精度ADCs的影响进行建模。然后，基于量化噪声模型以及不理想的CSI，对采用最大比合并(Maximum Ratio Combining, MRC)接收机时的可达速率闭合表达式进行推导，并给出了量化比特数目、用户发送功率以及天线数目趋于无穷时系统的极限速率。最后，基于可达速率闭合表达式，利用多目标优化框架同时最大化系统的频谱效率和能量效率，为ADCs精度的选择提供参考。仿真结果证明了闭合表达式的正确性，量化噪声会降低系统的频谱效率，但是天线数量的增加可以补偿频谱效率的降低。从能量效率的角度来看，与理想的高精度ADCs相比，低精度ADCs可以带来更好的能量效率。同时，证明了低精度ADCs在分布式大规模系统中是可取的。
　　最后，考虑网络辅助全双工分布式大规模MIMO系统，提出利用波束成形训练机制使基站端可以进行干扰消除以及下行用户可以进行相干检测，分析系统的频谱效率并进行有效的导频和数据功率分配机制设计。首先，利用波束成形训练机制对CSI进行估计，进而对采用不同接收机和预编码机制时的可达速率闭合表达式进行推导。然后，基于这些只与大尺度有关的表达式，我们利用多目标优化框架同时最小化导频和数据发送功率。仿真结果证明了闭合表达式的正确性，基于波束成形训练的干扰消除和下行信道估计可以显著提高系统的频谱效率，两个优化目标的折衷曲线为系统的功率分配提供了参考。