大规模MIMO具有传输效率高、频谱利用率高、能量效率高、抗干扰能力强等优点近年来成为无线通信领域一个研究热点。信号检测技术是大规模MIMO的核心技术之一,对整个系统的抗干扰能力及可靠性有着重要影响。随着大规模MIMO天线数目的增加,常规MIMO的信号检测技术应用到大规模MIMO当中,存在复杂度过高、检测性能不佳的问题。为解决这两个基本问题,论文重点研究了两种启发式算法似然上升搜索算法(LAS)及动态禁忌搜索算法(RTS)。论文主要工作如下:(1)给出了大规模MIMO系统模型。分析了现有信号检测算法的性能和复杂度。重点研究了LAS、RTS算法及两种算法的衍生算法,并通过实验仿真分析初值性能、初值个数及最大搜索次数,对BER性能及复杂度的影响,为论文研究工作提供了切入点。(2)针对LAS信号检测算法易陷入局部极小、检测性能不佳以及现有改进算法改善了局部极小的情况、但大大增加了信号检测复杂度的问题,提出一种结合遗传性质的改进LAS信号检测算法。该算法在传统LAS算法基础上,通过分析无差错接收情况下ML代价函数的统计信息判定解的质量,然后用解的质量不断修正算法所需要的迭代次数。同时继承最优解向量、引入随机因素对最优解向量的某些位置进行变异、得到下一次迭代的初始向量。仿真结果表明结合遗传性质的改进LAS算法进一步提高了算法的性能,使LAS算法所需要的迭代次数减少,降低了复杂度。(3)针对RTS算法在高阶调制的情况下,检测性能较差的问题,提出一种基于等效信道维度的改进分层RTS算法。该算法在分层RTS算法基础上,根据等效信道矩阵维度,自适应改变最大搜索步数。在等效信道矩阵维度较小时,用较小的最大搜索步数避免迂回搜索;在等效信道矩阵维度较大时,用较大的最大搜索步数让搜索的范围更广,增强搜索能力,提高检测性能。仿真结果表明,算法提高了信号检测能力,提升了系统可靠性。