频分双工(Frequency Division Duplexing,FDD)大规模多输入多输出(Multiple Input Multiple Output,MIMO)蜂窝网络中,基站需要提前获知各个用户的信道状态信息(Channel State Information,CSI)以实现发射端波束赋形。但由于上下行信道部署在不同频段而不具有互易性,需要额外消耗与基站天线数成正比的时频资源做下行信道估计,故降低下行CSI获取代价已成为系统设计的一个关键问题。围绕降低FDD大规模MIMO系统下行CSI估计开销的问题,本文重点关注通过上行CSI重构下行CSI的方法。本文首先聚焦FDD系统上下行信道的相关性,总结和分析了已有基于空间角度、信道协方差矩阵的部分参数重构方案的性能。在此基础上针对视距(Line of Sight,LOS)和非视距(Non-Line of Sight,NLOS)两类不同的信道,分别提出了相应的信道重构方案。LOS场景中,上下行信道的空间互易性较强、信道路径较为稀疏,基于这些特点我们提出了基于相干子信道模型的重构方案。采用传统几何信道建模的思想,通过多径参数的估计获得上下行CSI间的映射关系,该方案具有实时性高、性能优良和部署简单等特点。NLOS场景中,无线信道的空间复杂度大大增加,依赖于信道路径参数估计的方案性能急剧下降。CSI矩阵中的每个元素都是连续的,这与图像中像素的性质非常类似。我们把CSI矩阵转换为图像,利用当前最流行的深度学习算法解决CSI的重构问题。该方案的优点是具有较好的重构性能,特别是在复杂的多径场景下的NLOS信道中对系统性能的提升相对更为明显,其缺点是算法实施复杂度相比传统方案更高。本文分析了FDD大规模MIMO系统上下行信道的相关性,并结合实际系统中存在的两种信道类型提出了相应的下行CSI重构方案。为FDD大规模MIMO信道建模和系统设计提供了可能的思路和参考。