大规模MIMO作为5G通信系统的关键技术之一,与传统的MIMO技术相比,能够大幅度提升系统的频谱效率和传输速率。但是这些性能增益的前提,是系统上下行链路要有准确的信道状态信息(CSI)。由于移动终端的运动和环境因素的影响,增大了大规模MIMO信道估计的难度,特别是一些终端高速移动场景。另外,对于TDD模式下的大规模MIMO系统,当接入的用户数量很多时,会大大增加系统的导频开销;而对于FDD模式下的大规模MIMO系统,下行链路训练的反馈开销与基站侧天线数成正比。因此,在保证CSI尽可能精确的同时,如何减小导频开销和算法复杂度是大规模MIMO应用的一大难题。本文针对这些问题展开深入研究。首先,本文简要介绍了大规模MIMO系统。阐述了两种无线衰落信道模型,包含大尺度衰落模型和小尺度衰落模型。并详细分析了两种常见的大规模MIMO信道估计算法:LS信道估计和MMSE信道估计。其次,本文提出了一种基于波束域分解和SVD的大规模MIMO信道估计算法。利用波束域分解将大规模MIMO信道矩阵从角度域变换到波束域,并设计出一种波束分配准则,以降低导频开销。对获取的信道自相关矩阵进行SVD,以降低信道估计算法的复杂度。之后推导出信道估计误差的闭式表达式,提出一种基于波束域分解的低秩LMMSE信道估计算法。仿真结果表明,与已经提出的指数相关模型-LMMSE信道估计算法相比,所提出的信道估计算法性能更好。然后,针对高铁场景下的大规模MIMO信道快速追踪问题,本文又提出了一种新的大规模MIMO波束域信道追踪方案。为了简化系统模型和减小导频开销,同样将大规模MIMO信道从角度域变换到波束域。鉴于高铁信道的时变特性,将时间相关模型引入到波束域信道建模中,推导出系统的转移方程和状态方程。根据状态方程和转移方程,利用卡尔曼滤波进行波束域信道追踪,提出一种两阶段的波束域信道追踪方案,在信道追踪精度和导频开销方面取得了折中效果。仿真结果表明,与已经提出的角度域信道追踪算法相比,当基站侧天线数不超过100时,所提出的方案导频开销更小,同时信道追踪性能更好。