无线移动通信系统已由单输入单输出系统演变为多输入多输出(Multiple-Input Multiple-Output, MIMO)系统,而且逐步发展为大规模多输入多输出系统。在大规模MIMO通信系统中,由于天线数的增加,传统的信道估计算法需要大量的导频数目,降低了系统的频谱利用率,并且可能造成不同小区导频污染的问题,于是许多研究者考虑采用压缩感知恢复算法进行信道估计。压缩感知技术是近几年来新兴的一门信息采集处理技术,它可以从压缩测量值中重构稀疏信号。目前这项技术已经广泛应用于信号处理和图像压缩等领域中。基于压缩感知恢复算法的信道估计方法可以大大减少所需的导频符号个数,提高系统的频谱利用率。在多用户大规模MIMO通信系统中,由于基站侧相似的信道传输环境,信道呈现出结构化稀疏特性。然而,传统的压缩感知算法,如正交匹配追踪和基追踪算法,没有考虑到多用户大规模MIMO信道结构化稀疏的特性。本文提出了一种信道估计算法,这种算法在进行信道估计的同时考虑到信道矩阵的联合稀疏特性和由发送端抽样抖动引起的测量矩阵受扰动问题,拥有较好的抗扰动特性和更精确的信道估计性能。该算法基于多用户大规模MIMO系统的联合稀疏特性,在进行信道估计时每个用户并不是独立进行自己的信道估计过程,而是先利用所有用户的接收符号信息筛选出公共的稀疏支撑集,然后在此基础上对每个用户独立稀疏支撑集进行估计。由于联合利用了所有用户的接收符号信息并且有扰动处理机制,信道估计的性能更好。本文在MATLAB仿真平台上比较了该算法与其它算法的信道估计性能。最后在TMS320C6678上实现了 MIMO信道中不同信道估计算法,并进行性能对比。