多输入多输出(MIMO)技术能够给无线通信系统带来可靠性和容量上的明显提升,在过去的二十年里得到了广泛的关注以及研究。但随着无线通信设备的发展和多媒体业务要求的提高,使得未来移动通信要求更快的传输速度、更高的可靠性,传统MIMO已经无法满足。Massive MIMO技术通过在基站端配置大量的天线使该技术在简单处理后获得频谱效率和能效的数倍提升,相比传统MIMO有着显著优势。然而由于信道相干时间有限,相邻小区存在使用相同导频的情况,这会导致目标小区接收信号受到导频污染干扰,从而进一步影响基于导频的信道估计精度。另一方面,信道估计中传统估计方法的高复杂度问题也会影响估计算法的实用性。因此,对Massive MIMO中减小导频污染和降低信道估计算法复杂度的研究是提升系统性能和实用性的关键,具有十分重要的意义。本文主要研究内容如下所述:首先,本文研究了 Massive MIMO系统模型和TDD通信模式。给出导频的正交特性,传统导频分配形式,以用户公平性和系统和速率最大化为目标的导频分配形式。将分配问题建模为优化问题,对优化问题的模型求解方法进行说明,并给出经典的优化搜索算法。最后给出信道估计中两种传统估计算法的模型。其次,针对Massive MIMO中多小区系统,提出两种导频分配方案,所提方案建立在以系统和速率最大化为目标的优化问题基础上。第一种方案通过在已有基于贪婪禁忌搜索算法的分配基础上对禁忌搜索算法加入变异操作进行改进,在不增加算法复杂度的前提下提高了系统的性能。第二种方案通过竞争算法的竞争思想兼顾了全局搜寻和局部搜寻能力,大幅度提升系统性能,并在系统中用户数增加的时候体现出复杂度优势。仿真结果证明两种算法在提升系统可达和速率以及信道估计准确性上的有效性。最后,针对Massive MIMO多小区系统中基于导频的信道估计展开研究,提出一种基于稳定双共轭梯度算法的信道估计方案。先对经典的贝叶斯MMSE估计模型做出介绍,分析算法中矩阵和求逆运算引起的高复杂度问题。通过将矩阵和求逆运算转化为求解线性方程组,利用稳定双共轭梯度算法求出估计矩阵,在原有基于共轭梯度算法基础上改善了其性能,更逼近传统贝叶斯MMSE算法,并成功将复杂度由O(M3)降低到O(M-),这里M为收发天线数乘积。仿真结果证明了算法在不明显降低系统性能的前提下有效降低了算法的复杂度,所提算法同样适用于存在导频污染的系统。