大规模多输入多输出-正交频分复用(MIMO-OFDM)系统,因其既可以获得较高的信道容量,同时又会得到较高的能量有效性,而成为未来5G技术的关键。本文研究了将结构化压缩感知理论用于该系统的稀疏信道估计。本文的主要贡献在于:(1)考虑到大规模MIMO-OFDM系统中将每个发送天线上的导频重叠放置,即每个发送天线可以在相同的时频资源块上发送导频符号,那么此时的系统稀疏信道估计问题可以建模为结构化压缩感知重建问题,从而建立了稀疏信道估计与结构化压缩感知的对应关系。(2)考虑到导频设计涉及导频位置以及符号两个关键因素,为了优化导频位置和导频符号来改进稀疏信道估计的质量,本文首先针对导频位置选取提出了与之对应的最小化完全块间相关值的导频优化准则以及基于此准则的导频搜索算法。完全块间相关值是结构化压缩感知框架下衡量恢复矩阵子块间相关程度的量值。仿真结果表明,与其他未优化导频相比,使用此优化方法获得的导频可以使信道估计误差(MSE)明显减小,信道估计性能提高约2-4dB。(3)将导频位置与导频符号这两个因素结合在一起,提出了这种情况下的基于最小化完全块间相关值的导频优化准则以及基于此准则的导频搜索算法。仿真结果同样表明,与其他导频相比,使用此优化算法获得的导频可以使信道估计的MSE明显减小,约2-5dB。同时仿真结果表明导频位置和符号联合优化方法获得的优化导频性能优于单纯优化导频位置获得的优化导频,它能使得大规模MIMO-OFDM系统的信道估计具有更低的MSE。