第五代移动通信系统(5G)可以从各个方面对4G通信进行增强,目前已经成为通信界研究的重点。大规模MIMO(Massive MIMO)技术是指在收发两端配置大量天线,在同一时频资源上同时为多个用户提供服务的技术,作为5G通信系统的关键技术之一,大规模MIMO具有系统容量大、频谱效率高等优点。但是大规模MIMO技术能够发挥这些优势的关键是发射端必须获得下行信道状态信息(CSI)。在频分双工(FDD)传输模式下,由于信道互易性不复存在,发射端通过接收端的反馈获得发射端CSI(CSIT)。然而,在大规模MIMO系统中,天线数量的急剧增加导致CSIT的反馈量也相应增加,降低了系统的性能。基于此,本文针对FDD模式下大规模MIMO系统中CSIT获取问题展开研究,旨在降低反馈开销的同时保证获得CSIT的准确度。主要贡献如下:(1)分析了大规模MIMO信道模型,并详细阐述了压缩感知(CS)技术,基于此,针对大规模MIMO系统,提出一种基于空间稀疏性的CSIT获取方法。在目前广泛应用的稀疏度自适应匹配追踪(SAMP)基础上,针对SAMP方法存在的缺陷,提出一种改进的SAMP方法。该方法结合分段思想、初始稀疏度估计以及变步长的优点,实现稀疏信号快速、精确地重构。仿真结果表明,所提方法无论是在重构精度还是在运算时间方面都要优于SAMP方法。此外,应用于大规模MIMO系统中,与基于正交匹配追踪(OMP)、子空间追踪(SP)和SAMP的CSI获取方法相比,所提方法有效地提高了归一化均方误差(NMSE)性能。(2)在大规模MIMO系统中,由于大规模天线阵列的部署和天线间距离较小,信道表现出很强的空间相关性。因此,利用这一信道特性提出了两种基于降维的CSI压缩反馈方法。首先,针对基站未知瞬时相关矩阵时使用卡洛南-洛伊变换(KLT)计算复杂度高的问题,提出一种基于低复杂度主成分分析(PCA)的CSI压缩反馈方法。其次,针对PCA不能完美地处理具有复杂的非线性结构的信道数据的问题,进一步提出基于拉普拉斯特征映射(LE)非线性处理的CSI压缩反馈方法。理论分析和仿真结果表明,所提两种方法均可在保持一定精度的情况下降低反馈量,与离散余弦变换(DCT)压缩反馈方法相比系统误码率(BER)和系统容量性能更优,且与KLT方法相比运算复杂度低,平均运行时间短。