数据量、尤其是移动端数据量的迅速增长对现有的网络提出了更高的要求。第五代移动通信系统（the fifth generation mobile wireless system,5G）因其更高的数据速率、更大的网络容量、更高的频谱效率等吸引了大量的关注并已开始商用。作为5G中的一个核心技术,大规模多输入多输出（Multiple-Input Multiple-Output,MIMO）技术能够提升链路可靠性、频谱效率、能耗效率等。在大规模MIMO的研究中,信号检测是一个关键问题。通过接收端的信号以合理的复杂度尽可能准确的估计出发送信号是非常重要的。本文通过对现有检测算法的回顾与分析,提出了新的并行最小化余差下降的加速松弛（parallel minimize residual descent accelerate relaxation,P-MRD-AOR）检测算法并对其进行了硬件实现,证明该算法达到了性能与复杂度上较好的平衡。此外,本文还对基于期望传播（expectation propogatation,EP）算法而进行改进的加权雅各比的近似期望传播（expectation propogatation with approximation-weighted Neumann series approximation,EPA-w NSA）算法进行了硬件实现,验证其在性能与硬件效率上有较好的平衡。首先,本文先简要介绍了大规模MIMO技术及其具有的优势和面临的问题。作为大规模MIMO技术中重要的一个问题,大规模MIMO的信号检测问题便是本文的研究重点。针对该问题,以性能与复杂度的矛盾为切入点,介绍了该问题的研究现状。现有的检测算法可以分为最优检测算法和次优检测算法,而更好的性能就会带来更高的复杂度。次优检测算法中的最小均方误差（minimum mean square error,MMSE）检测算法因其较好的检测性能与较低的复杂度成为本文的研究重点之一。对于MMSE检测算法而言,其中的大规模矩阵求逆操作在天线数变大时,带来的复杂度也是难以接受的。为了避免对高阶矩阵的直接求逆,不同的基于MMSE的检测算法被提出。雅各比（Jacobi）迭代算法、高斯赛德尔（Gauss-Seidel,GS）迭代算法、超松弛（successive over-relaxation,SOR）迭代算法以及加速松弛（accelerate over-relaxation,AOR）迭代算法经过分析被纳入AOR-family算法的范畴。之后,分析了AOR-family算法的迭代结构与预处理技术的相似性,对AOR-family的迭代结构进行了改写。对于这样的线性迭代结构而言,收敛速率与迭代矩阵的谱半径负相关。因此,为了提升线性迭代算法的收敛速率,以最小化迭代矩阵的Frobenius范数为目的的P-MRD-AOR算法被提出。P-MRD-AOR算法相较于现有的AOR-family迭代算法具有更好的并行性,这对于硬件实现而言是很有益的。不同场景下的数值仿真结果证明了P-MRD-AOR算法相较于其他AOR-family算法具有更好的检测性能,并在性能与复杂度上获得了较好的平衡。为了验证P-MRD-AOR算法因其全并行性带来的硬件上的优势,本文提出并完成了相应的硬件设计。提出了总体上的硬件结构及顶层时序图,以尽量节约硬件资源为目的设计各子模块,通过定点化仿真结果确定量化方案。基于SMIC（semiconductor manufacturing international corporation）65nm工艺实现的P-MRD-AOR检测器可以在2.22mm~2的面积上以455MHz频率获得570Mbps的吞吐率。与现有的一些大规模MIMO检测器的对比说明了P-MRD-AOR检测器在性能与硬件效率上达到了较好的平衡。EPA-w NSA算法相较于精确的EP检测算法降低了复杂度,并可以在一定情况下达到接近精确的EP检测的性能。为了更好地评估该算法在复杂度上的优势,本文对该算法进行了硬件实现,在SMIC 65nm工艺下的综合结果表明该检测器可以获得较好的性能与硬件效率的平衡。