随着第五代通信的即将到来,大规模MIMO技术作为其关键技术之一,受到了广泛的关注。然而大规模MIMO需要在基站配置数百根的天线以及大量的晶体振荡器,不稳定的振荡器所产生的相位噪声将会严重影响系统的性能。本文将采用不同的估计策略对MIMO系统中的相位噪声进行估计。首先,本文对MIMO系统和相位噪声进行建模,然后用最小二乘的方法对存在相位噪声的MIMO信道进行估计,并将估计出的信道信息分别用于面向判决和导频辅助的相位噪声估计方法中。其次,在面向判决的相位噪声估计方法中,本文首次提出了用无迹卡尔曼滤波的方法对相位噪声进行估计,并且用RTS平滑滤波的方法对估计出的相位噪声进行平滑。本文将数据符号判决和相位噪声估计这两个过程进行迭代,然后将扩展卡尔曼算法、无迹卡尔曼算法以及无迹卡尔曼RTS平滑算法作对比,分析其在不同天线数目、不同相位噪声方差以及不同调制方式中的性能表现。实验结果表明,当相位噪声的方差比较大时,无迹卡尔曼滤波比扩展卡尔曼滤波能够获得更好的相位噪声估计,且无迹卡尔曼RTS平滑算法估计效果最好,但当相位噪声方差比较大或者调制星座比较密集时,采用硬判决的的方法可能会引起数据符号判决和相位噪声估计之间产生的恶性循环,严重影响系统的性能。然后,在导频辅助的相位噪声估计方法中,本文将导频周期性地插入到数据符号中去,通过计算得到导频处的相位噪声,然后用平滑滤波的方法对数据符号处的相位噪声进行估计。本文推导了维纳滤波算法,并将无迹卡尔曼RTS平滑算法和无迹卡尔曼线性平滑算法用于导频辅助结构的相位噪声估计,然后将这三种算法做对比实验。实验结果表明,当相位噪声的方差不是很大的时候,无迹卡尔曼RTS平滑算法和无迹卡尔曼线性平滑算法性能相差不大,但都要优于维纳滤波算法,且导频辅助的方法对插入导频的频次并不是特别敏感。最后,本文将面向判决的无迹卡尔曼RTS平滑算法和导频辅助的无迹卡尔曼RTS平滑算法做对比实验,分析和探讨这些相位噪声估计算法中可能出现的问题。实验结果表明,当采用硬判决对数据符号进行估计时,导频辅助的方法要优于面向判决的方法,与面向判决的理想状态,即完美判决的效果非常接近。