作为5G的关键技术之一,大规模MIMO具有较高的频谱效率和能量效率,然而,基站端的大规模天线和复杂的频率选择性衰落信道使得准确的信道状态信息的获取具有挑战性。鉴于大规模MIMO的估计参数数目较大,大多数传统的信道估计技术仅适用于4G小规模MIMO系统(如8天线的LTE-A系统),无法直接扩展到大规模MIMO系统。因此本论文探究适用于5G大规模MIMO稀疏信道的估计技术。基于宽带毫米波大规模MIMO信道的波束域稀疏性与频率相关性的特点,利用残差学习网络以及噪声预处理的相关理论,本文提出了宽带毫米波大规模MIMO-OFDM系统基于降噪卷积神经网络(Denoise convolutional neural network,Dn CNN)的稀疏信道估计方案以及进一步的改进方案。本文根据宽带系统中的波束偏斜理论以及由波束偏斜所造成的波束域信道的稀疏结构,对宽带波束域大规模MIMO-OFDM系统进行建模,提出了基于Dn CNN的稀疏信道估计方案,并通过实验验证性能。其次,本文在之前的研究基础上提出了结合噪声预处理的Dn CNN稀疏信道估计方案,进一步对所提算法进行改进,通过对Dn CNN输入信号进行降噪处理来降低算法复杂度,提升了信道估计性能。