大规模MIMO由于能够有效地提升移动通信系统的信道容量、频谱效率以及实现绿色通信,已经成为当前以及未来的无线通信核心技术。为了有效发挥大规模MIMO技术的优势,信道状态信息的准确获取是至关重要的。本文针对最为广泛运用于实际的FDD系统,基于稀疏性与压缩感知技术,研究了大规模MIMO下行信道状态信息的获取方案。首先,本文简述了移动通信技术的发展历程以及发展前景;介绍了MIMO技术的发展以及优势;概述了国内外针对大规模MIMO系统下行信道状态信息获取的研究状况。接着,本文探究了FDD大规模MIMO系统在虚拟角度域和延时域中的稀疏特性。针对虚拟角度域,比较了多种角度域变换方式的性能特点,提出了基于OMP-GSO算法的自适应终止迭代的OMP-GSO-Adp算法,能够以更少的迭代次数获得与OMP-GSO几乎相同的稀疏表示性能;同时还提出了一种基于字典学习的过完备变换矩阵。仿真表明,针对ULA天线阵列而言,相比广泛运用的DFT矩阵,提出的OMP-GSO-Adp变换方式以及基于字典学习优化后的变换矩阵能获得更好的稀疏表示性能。针对延时域,本文给出了对应的大规模MIMO信道模型,阐述了信道响应CIR在延时域中存在的稀疏性,并且论述了延时域中存在的时空共同稀疏特性。然后,本文探究了基于延时域结构稀疏性的下行信道压缩感知估计方法。分析了一种等间隔均匀选取子载波的非正交导频放置策略,同时,在时空共同稀疏性假设下,探究了基于结构稀疏性的自适应结构子空间追踪（ASSP）下行信道估计算法。此外,在仅存在时空部分共同稀疏性的假设下,基于信道稀疏模型提出了局部自适应结构子空间追踪（PASSP）下行信道估计算法,该算法能够利用前几个天线组的信道估计结果作为本次天线组估计时的稀疏性先验知识。仿真表明相比传统压缩感知算法,ASSP算法能够利用更少的导频开销获得更好的信道重构效果。同时相比ASSP算法,提出的PASSP方法能够更好地适应结构稀疏性不严格满足的情况并获得更好的估计性能。最后,本文研究了基于角度域稀疏性的信道估计方法。针对FDD系统上行信道估计问题,利用虚拟角度域稀疏性将其规整为稀疏重构问题,并提出一种优化导频矩阵列相关性的方法,即使在导频正交性不满足的情况下仍可以重构上行信道。针对下行链路估计问题,分析了基于互易性的角度域信道信息获取方案,并给出了最大复用与最小干扰两种部分正交导频设计方案。此外,针对上行与下行角度域支撑集不匹配的问题,分别在使用部分正交导频以及非正交导频时提出了角度域支撑集修正方案;同时给出了一种压缩信道信息反馈方案,利用角度域稀疏性仅仅对少量的角度域信道分量使用RVQ量化反馈。仿真结果表明,研究的下行链路信道信息获取方案相比基于正交导频的LS估计,在减少使用的导频长度的同时能够获得不错的信道估计性能;提出的支撑集修正方案在不增加反馈开销的情况下,相比修正前,在中高信噪比下能够提升信道估计性能;相比传统信道信息量化反馈,提出的压缩信道信息反馈方案显著减少了需要的反馈比特数。