大规模多输入多输出(MIMO)系统在基站侧配置大量天线,在相同时间频率资源内服务于多个用户,能够显著提升无线通信系统的频谱效率、信道容量和链路可靠性,满足未来无线通信业务的需求。为了充分利用这种技术优势,基站必须准确地获取下行链路信道状态信息(CSIT)以进行波束成形、预编码和资源分配等操作。在频分双工(FDD)系统中,基站通过下行导频训练和上行反馈获取信道状态信息(CSI),信道估计和反馈开销通常与基站侧的天线数量成正比,消耗了大量的通信资源。本文重点关注了FDD大规模MIMO系统中的信道稀疏性和时间相关性,研究了压缩感知技术并将其应用于信道估计和反馈中。首先,本文对移动通信系统中的关键技术、信道估计方法和压缩感知理论进行了总结。简述了MIMO技术、大规模MIMO技术和正交频分复用(OFDM)技术的原理、优点和面临的挑战;介绍了下行链路信道估计方法,包括最小二乘(LS)法和最小均方误差(MMSE)法;围绕信号的稀疏表示、测量矩阵的设计和信号重构算法三部分细述了压缩感知理论,并对两种信道估计方法和常见的信号重构算法进行了仿真分析。然后,本文对基于信道时间相关性的压缩感知信道估计技术进行了研究。基于信道稀疏性和时间相关性,给出了系统模型和普适的信道稀疏模型;研究了一种利用先验信道支撑集的信道估计算法——改进的子空间追踪(MSP)算法;针对模型失配的场景,研究了保守MSP算法,并考虑其在未失配场景下性能下降的缺陷,提出了自适应MSP算法;对上述算法进行了仿真分析和比较。仿真结果表明,MSP算法比传统的信号重构算法具有更好的信道估计性能;保守MSP算法和自适应MSP算法对模型失配场景具有更高的鲁棒性;自适应MSP算法对信道传播环境具有更好的适应能力。最后,本文对基于信道时频域公共稀疏特性的自适应信道估计和反馈方案进行了研究。分析了大规模MIMO-OFDM系统中信道的频域公共稀疏特性和时间相关性;总结了信道估计和反馈方案;基于信道频域公共稀疏性研究了分布式稀疏自适应匹配追踪(DSAMP)算法并给出了非正交导频设计,该算法能够对多个导频子载波上的信道进行联合估计;基于DSAMP算法研究了自适应CSI获取算法,该算法能够自适应地调整导频时隙长度以获取可靠的CSI;基于信道时间相关性研究了闭环信道追踪方案,该方案能够以较少的导频时隙开销估计连续多个时间块内的信道;对上述算法进行了仿真分析和比较。仿真结果表明,DSAMP算法比传统的信号重构算法具有更好的信道估计性能且不需要稀疏度作为先验信息;自适应CSI获取算法能够自适应地将导频时隙长度调整到合适的值,其性能接近性能上界;闭环信道追踪方案进一步减少了导频时隙开销且保持较好的信道估计性能。