随着第五代移动通信系统（5th Generation,5G）的技术成熟和商业部署,第六代移动通信系统（6th Generation,6G）技术的开发研究开始受到广泛关注。可重构智能表面（Reconfigurable Intelligent Surface,RIS）被认为是6G网络的潜在技术之一。相关的实验测试结果表明:RIS能够有效地控制反射信号和入射信号间的相位、振幅、频率差,从而智能地控制无线电波的散射、反射和折射特性来帮助无线通信系统克服自然无线传播环境中的负面影响。因此,许多已有的研究建议使用RIS技术辅助毫米波（Millimeter Wave,mm Wave）大规模多输入多输出（Massive multiple--input and multiple--output,Massive MIMO）系统来进一步提升系统的频谱利用率,系统容量,传输可靠性和系统覆盖范围等。为了充分发挥RIS辅助的mm Wave Massive MIMO系统的优势,系统需要获取准确的信道状态信息（Channel State Information,CSI）。目前,许多基于压缩感知的稀疏信号恢复算法被应用在RIS辅助mm Wave Massive MIMO系统的信道估计问题中。但现有的绝大部分研究都假设系统处于理想硬件条件和理想环境中,而一些非理想条件对系统性能的影响以及此时系统的信道估计问题仍尚待研究。鉴于此,本文重点研究的问题如下:首先,本文分析了RIS辅助的mm Wave Massive MIMO系统在非理想CSI条件下的中断性能。本文提供一种基于联合有源和无源波束成形技术的分析框架,并重点关注了与RIS相关信道参数在非理想情况下的系统中断性能。基于Double--Nakagami分布和余弦天线方向图模型,推导了系统中断性能的表达式。并依据凸优化理论知识和Hermite--Hadamard不等式推导了系统中断概率的上下界来以低复杂度估计系统中断概率的范围。另外采用类似的框架,推导出传统中继系统的中断概率表达式。蒙特卡洛仿真结果表明,解析表达式能够准确拟合仿真结果,通过与传统中继系统的对比,证明了RIS系统对非理想CSI的鲁棒性较差。其次,本文研究了低精度模数转换器（Analog--to--Digital Converter,ADC）量化的RIS辅助的mm Wave Massive MIMO系统信道估计问题。针对系统级联信道给信道估计带来的挑战,本文基于级联信道模型推导出等效信道模型,并利用等效信道估计替代对级联信道的估计。依据传统毫米波信道的虚拟角域稀疏结构推导出等效信道在虚拟角域存在行列块稀疏。在此基础上,本文提出了一种基于期望最大（Expectation Maximization,EM）算法、近邻学习（Nearest Neighbor Learning,NNL）算法和广义近似消息传递（Generalized Approximate Message Passing,GAMP）算法的EM--NNL--GAMP算法。该算法能够自适应地重构等效信道虚拟角域上的稀疏结构以提升信道估计性能,从而弥补低精度ADC量化对系统性能的影响。蒙特卡洛仿真结果表明:本文所提出的算法能够在不增加计算复杂度的条件下提升信道估计性能。再次,针对RIS辅助的mm Wave Massive MIMO系统中阵列诊断和信道信息联合估计问题进行了研究。在RIS遭遇阵列阻塞的传输模型基础上,分析了阵列阻塞对系统的接收功率/信噪比增益的影响。本文将系统的级联信道参数化,并基于此参数信道模型提出一种两阶段的估计方案来完成阵列诊断和信道参数的联合估计。其中第一阶段使用迭代重加权算法完成部分信道参数的估计。在第二阶段提出批处理算法和双时间尺度在线优化算法完成阵列诊断和剩余信道参数的估计。在此基础上,提出了一种噪声抑制算法,加快两种双时间尺度优化算法的收敛速度,提高估计性能。仿真结果证明了上述所提算法的有效性以及性能优势。最后,本文对RIS辅助的多用户mm Wave Massive MIMO系统中阵列诊断和信道信息联合估计问题进行了研究。考虑到参数化的信道模型在多用户场景中应用的缺点,本文在级联信道基础上推导了等效信道模型。并依据多用户与RIS的虚拟角域信道的联合稀疏结构,推导出多用户等效信道在虚拟角域上也存在联合稀疏结构。基于该稀疏结构,本文提出一种基于反馈的联合阵列诊断和信道估计的方案。针对小数目用户和大数目用户场景,本文分别提出联合正交匹配追踪阵列阻塞校正（Joint Orthogonal Matching Pursuit Array Blockage Calibration,JOMPABC）算法和两种低复杂度的双空间尺度优化算法,来实现阵列诊断和有效信道信息的联合估计。蒙特卡洛仿真结果表明:本文所提出算法能够获取更好的信道估计性能。