Massive MIMO系统利用在基站和用户端安装大规模天线阵列的方式增加空间自由度,改善传统MIMO系统容量不足、通信质量低等性能缺陷。因此,作为未来移动通信的核心技术,Massive MIMO理论一经提出便引起国内外的研究热潮。为了充分利用Massive MIMO的空间复用增益,必须在信号检测之前获取准确的信道状态信息。然而,随着收发两端天线维数的增加,系统在进行非盲信道估计时难度也会增加,这是因为传统方法在Massive MIMO系统中需要大量的导频开销,造成资源浪费。因此,对Massive MIMO系统进行信道估计研究时,采用能够降低导频训练开销,提高频谱利用率的重建算法成为一项硬性指标。压缩感知技术运用于Massive MIMO系统能有效降低信道估计所需的导频开销。研究表明,在Massive MIMO系统中随着天线数量成规模的增加,信道矩阵将呈现稀疏性;并且运用压缩感知技术可以从较少的导频观测值中重构出稀疏信道。本论文考虑在频分双工(Frequency Division Duplexing,FDD)多用户Massive MIMO系统的场景下进行压缩感知信道估计。通过分析,确定多用户信道矩阵在虚拟角域具有块稀疏特性,以及包含公共稀疏部分和独立稀疏部分的联合稀疏特性。基于这两个稀疏特性,提出一种联合块正交匹配追踪(Joint Block Orthogonal Matching Pursuit,JBOMP)算法在基站端进行信道估计。该算法首先将多用户信道矩阵在虚拟角度域进行稀疏表示,然后由信道的稀疏性在标准的压缩感知模型下重写信道传输方程,最后根据Massive MIMO系统特殊的稀疏块结构特征重排信道矩阵,并建立相应的等效测量矩阵来重构信道。论文通过仿真验证了 JBOMP算法的性能,其相比传统算法具有更好的性能。为了进一步降低上述JBOMP算法的复杂度,本论文提出两种低复杂度的改进算法。在第一种算法中,我们仅利用具有高信噪比的用户来求出所有用户的公共稀疏部分,在此基础上迭代求出所有用户的独立稀疏位置。在第二种算法中,在估计公共稀疏位置和独立稀疏位置时采用不同的块长,以此加快公共稀疏位置的重建时间。仿真结果表明,两种算法在某些特定场景下,不仅改善了系统性能而且降低了复杂度。