随着高速率、低时延、高可靠性、海量连接等业务需求的快速增长,5G无线通信面临指数级增长的数据传输压力。由于丰富的频谱资源,毫米波大规模多输入多输出（Multiple-input Multiple-output,MIMO）系统受到广泛关注,基站利用大量天线构成的阵列来补偿毫米波频段严重的路径损耗以实现高的阵列增益,能显著提高了系统的吞吐量和传输速率。为了获取准确的信道状态信息,本文针对毫米波大规模MIMO信道估计开展研究工作,具体如下。考虑到信道在时域和角域具有稀疏性,可采用压缩感知（Compressed Sensing,CS）技术来进行信道估计。本文着重研究了压缩感知贪婪重建算法,分别根据稀疏度已知和未知两种情况,详细对比了多种贪婪重建算法,着重考虑了原子的最优化选择和残差的更新方式等。在此基础上,将多种贪婪重建算法应用到毫米波大规模MIMO系统的相干信道估计中,仿真结果表明基于广义正交匹配追踪的信道估计算法,在高信噪比条件下,均方误差要低于其他算法。较大的载波频偏（Carrier Frequency Offset,CFO）和系统硬件缺陷引起的随机相位偏移,在不同时间段内会破坏接收到的导频信号。在考虑随机相位偏移的情况下,本文首先研究了只利用信号强度信息进行压缩相位恢复（Compressive Phase Retrieval,CPR）的非相干信道估计算法。随后利用信道时域的部分相干性,即不同射频链路发送的导频在同一时间段内具有相同的相移、而在不同时间段内具有不同的相移,研究了基于格点的部分相干CPR（Partially Coherent CPR,PC-CPR）信道估计算法,在此基础上提出了一种改进的PC-CPR（Modified PC-CPR,MPC-CPR）信道估计算法。仿真结果表明,在高信噪比、不同测量值和不同射频链路数目条件下,MPC-CPR算法均方误差和信道估计成功率的性能要优于PC-CPR算法。