大规模多输入多输出(Multiple Input Multiple Output,MIMO)技术作为传统MIMO技术的延伸,在信道容量、频谱效率、传输速率及可靠性等方面都带来显著的提升,然而随着基站端的天线数和用户数不断地增加,其实现复杂度亦不断增加,如何降低复杂度成了大规模MIMO系统信号检测中亟待解决的问题。由于大规模MIMO信道之间渐近正交,以MMSE为典型代表的线性检测算法能以较低的计算复杂度达到很好的检测性能。但因为涉及复杂的矩阵求逆计算,导致其难以快速有效地实现。针对此问题,本文首先提出简化近似信息传递方案以降低矩阵求逆的计算复杂度,然后综合性地介绍了基于矩阵求逆化简算法,将Neumann级数展开、多级线性接收、Newton迭代近似、Richardson迭代算法、雅克比迭代算法,连续超松弛迭代算法、对称连续超松弛迭代算法、共轭梯度迭代算法以及简化近似信息传递算法分为了三大类,即基于近似矩阵求逆、基于求解线性方程和基于近似信息传递。根据不同的算法结构特性,给出了相应的优化方案,比如合适的初始值、合适的松弛参数、有效噪声方差等。最后,通过仿真对比分析了每一类算法的检测性能和计算复杂度,在基于近似矩阵求逆算法中,多级线性接收方案最优。在基于求解线性方程算法中,对称连续超松弛迭代算法最为可取。在所有基于矩阵求逆化简算法中,简化近似信息传递算法能最优地平衡检测性能和复杂度之间的关系。其次,本文将基于矩阵求逆简化算法运用于大规模MIMO系统MMSE软干扰消除方案中,利用软符号估计值对接收信号进行干扰消除,进一步提高信号检测的性能。在此基础上,给出了有效后验LLR的计算方案和自迭代方案来优化算法整体性能。根据仿真结果可知,基于矩阵求逆化简算法在MMSE软干扰消除方案中的检测性能相对于硬判决方案有很大的提升,并且考虑基站端的处理能力,在以性能为最高优先级的核心目标时,尽管进行简化后的复杂度依然很高,但其仍不失为一种可供选择的方案。