近年来,移动智能终端的发展使移动通信数据业务量剧增。大规模多输入多输出(Multiple Input Multiple Output,MIMO)技术能够进一步挖掘移动通信空间资源的复用效率,因此成为目前提升系统容量的关键技术之一。在移动通信系统中,信道信息(Channel State Information,CSI)获取是信号检测的基础。大规模MIMO系统因为在基站配备了大量天线(数量远多于MIMO系统),所以信道信息的获取更加重要。本文主要研究大规模MIMO系统下的信道信息获取技术。首先,本论文简单介绍了大规模MIMO系统信道模型和导频污染问题,详细阐述了上行信道估计和上下行数据传输过程。在导频资源受限,部分用户导频不正交时系统可达速率主要受”导频污染”的影响。然后,本文针对半正交导频设计提出两种优化方法。半正交导频设计是一种能够降低导频资源开销的设计。本文从半正交导频设计的结构出发,提出一种基于用户分组的半正交导频设计,并推导了信道估计和上下行可达速率的结果。仿真结果表明基于用户分组的半正交导频设计在合适的用户分组下和传统半正交导频设计相比可以降低信道估计误差传播的影响,使得该导频设计在更大范围的相干时间上比正交导频设计有系统可达速率增益。从优化系统可达速率的角度出发,本文提出一种导频和数据能量分配优化的方法。仿真结果表明在信噪比(Signal-to-Noise Ratio,SNR)较低时,该优化方法有性能增益。其次,针对半正交导频设计中信道估计误差传播的问题,本文给出了数据辅助的迭代信道估计方案。方案包括硬判决和软判决辅助估计。论文进一步分析了软判决辅助信道估计的收敛性。通过仿真给出软判决符号方差和检测信干噪比(Signal-to-Interference-plus-Noise Ratio,SINR)的关系。仿真结果表明数据辅助信道估计在数据较为可靠且数量较多时的性能远优于仅基于导频估计的性能。数据辅助估计的归一化均方误差(Normalized Mean Square Error,NMSE)在多次迭代后会收敛,在高信噪比下不同用户信道估计的NMSE趋于一致。最后,本文针对大规模阵列天线信道信息在空间角度域的稀疏性给出了一种基于离散傅里叶变换(Discrete Fourier Transform,DFT)辅助的信道估计方案。DFT辅助估计是在LS估计的基础上引入角度域的滤波。仿真结果表明,在已知用户到达角(Direction of Arrival,DOA)信息时,角度域DFT辅助估计性能大大优于LS估计并接近最小均方误差(Minimum Mean Square Error,MMSE)估计。但在高信噪比下,DFT辅助估计会出现估计误差平台的问题。基于DFT辅助估计,本文提出一种导频复用方案。该导频复用方案大大降低了导频资源的开销。在中低信噪比时,本文所提导频复用方案下的DFT辅助估计和正交导频下MMSE估计的性能是很接近的。