Massive MIMO技术是下一代无线通信系统(5G)中预采用的技术,具有频谱效率高、吞吐量大等优点。信道模型作为Massive MIMO通信系统中研究的热点问题之一,通过信道模型可以获得信道传输信息的能力;在实际的通信系统中,由于信道时变或相对运动会使发射端的信道状态信息过时,而信道预测技术可以有效的解决这个问题,因此在Massive MIMO系统中信道预测技术成为另外一个研究热点。本篇文章对Massive MIMO系统的基本理论知识、信道模型的建模和信道预测技术进行了研究,主要内容如下:1.研究了MIMO系统中现有的信道模型。对Massive MIMO系统中接收功率的不同、收发端天线阵元的角度漂移等非平稳特性和由于采用大规模天线导致远场假设不成立的新特性进行了研究,发现传统的MIMO信道模型对于Massive MIMO系统不再适用。于是针对Massive MIMO系统出现的新特性,提出一种基于天线阵列尺寸大小的功率衰减矩阵的信道模型,将此功率衰减矩阵与现有3GPP的3D信道模型结合起来构成Massive MIMO信道模型,并且通过仿真验证了Massive MIMO信道模型的空间互相关、时间自相关和信道矩阵的条件数等统计特性的正确性。2.提出基于多任务学习的Massive MIMO信道预测方法。在Massive MIMO通信系统中,由于多径传播现象和多普勒扩展,使信道呈现频率选择性和时变特性,造成发射端的CSI信息过时。针对此问题,提出一种基于多任务的Massive MIMO信道预测方法,采用多天线的Massive MIMO信道与多任务学习框架可以完美的契合在一起,通过利用不同收发天线对之间CSI信息的相似性将各个收发天线对结合在一起,进行共同学习,从而可以通过信道预测技术更加准确的预测信道状态信息。在本章中分别研究了基于多任务学习的单步预测和多步预测的信道预测算法性能,并经过仿真验证了该算法可以在相同实验条件下具有较低的预测误差。3.研究了结合空间相关性的Massive MIMO信道预测。在Massive MIMO系统中,由于大规模天线阵列导致天线对之间空间距离受限,所以将天线对之间的空间相关性引入到信道预测模型中,通过各个天线对之间空间相关性的相互促进从而改善信道预测性能。基于此,将天线对之间的空间相关性引入到基于多任务的信道预测模型中,利用多任务学习框架,将各个收发天线对更加紧密的联合在一起进行信道预测。经过仿真验证,发现在具有较高空间相关特性的时候该算法具有较低的预测误差。