大规模MIMO（Massive Multiple Input Multiple Output）技术是目前5G通信系统研究的关键技术之一,通过配置大量天线,在不增加系统带宽的前提下能够极大地提升系统容量。大规模MIMO系统在天线数激增时产生的导频污染严重影响信道状态信息（Channel State Information,CSI）的准确获取,导致系统容量受到限制。本文主要研究如何采取有效措施来减小导频污染带来的影响,从而提升系统的容量。其中主要研究的内容有以下三个方面:1.介绍大规模MIMO系统的模型,并对其产生的导频污染进行理论分析,为后续章节抑制导频污染奠定理论基础。2.针对最小二乘（LS）算法信道估计精度不足的问题,本文在上行链路提出了一种L₂范数修正的S函数变步长LMS算法与LS信道估计相结合的信道估计算法,可提高估计所得信道矩阵的精度,从而减小导频污染的影响。首先,为了提高S函数变步长LMS算法的综合性能和抗干扰能力,引入₂L范数控制步长更新。其次,将本文提出的变步长LMS修正算法用于LS辅助导频的信道估计,在上行链路接收端进行LMS滤波处理,得到精确度更高的信道矩阵。仿真结果表明,在相同导频长度下本文上行链路信道估计算法的归一化均方误差和归一化瞬时误差更低,可有效地减小导频污染的影响。3.针对大规模MIMO预编码矩阵求逆困难的问题,本文在下行链路提出最大化信噪比（Max-SNR）的预编码策略来抑制导频污染。在一个真实信道中,除了改进的LMS估计得到的估计信道外,综合考虑误差信道因素,把真实信道最大化信噪比的问题转换为瑞利熵优化问题。通过寻优得出最优矩阵向量解,据此判断信道优劣并进行导频调度,从而减小导频污染。仿真结果表明,在不同天线数下本文算法有更低的误比特率,对天线数变化有更好的适应性,且复杂度较低,更加适用于数据流巨大的大规模MIMO系统。