毫米波大规模MIMO通信是5G研究热点之一,其在能量效率和频谱效率等方面具备显著优势。在毫米波大规模MIMO系统中,高准确性的信道估计有助于设计高方向性波束、提高波束成形增益,弥补毫米波信号的路径损耗。天线数目的增多导致信道矩阵维度增加,若采用传统信道估计方法,导频开销和计算复杂度将难以承受。考虑到毫米波信道在角度域的稀疏特性,低复杂度的稀疏信道估计方法被广泛研究。估计性能和训练开销之间的矛盾是应用此类信道估计方法的瓶颈,因此快速且精确的信道估计方法具有显著的研究意义。本文首先介绍毫米波大规模MIMO的性能优势,以及波束搜索和毫米波稀疏信道估计方法的技术基础和研究现状,随后着重研究毫米波大规模MIMO系统下基于波束搜索的稀疏信道估计方法,具体包括以下两个方面:1、针对波束搜索方法的估计精度受限、低信噪比（signal-to-noise ratio,SNR）条件下性能下降等问题,提出一种自适应高精度信道估计方法。首先,借助预定义的码本,采用基于最大似然检测（maximum likelihood,ML）的分层波束搜索算法,在训练过程中自适应调整导频开销和备选路径集;接着,基于压缩感知理论设计稀疏信号恢复问题,从粗估计信道中恢复出更高精度的到达角和离开角。为了进一步减小量化误差,设计虚拟测量过程进行角度校准,无需增加训练开销。仿真结果显示,与其他波束搜索类方法相比,所提出方法能够在更宽的SNR范围内实现估计准确率与导频开销的折中。2、考虑用户移动场景下的时变信道估计,针对波束搜索方法导频开销过大等问题,设计一种两阶段的快速波束追踪方法。该方法利用信道的时间相关性,通过基于纽曼-皮尔逊（Neyman-Pearson）检测的邻域波束扫描方法完成宽波束对的更新,然后采用分层搜索方法进一步提升估计精度。利用离散马尔科夫过程建立角度状态演化模型,基于模型分析该方案的检测准确率、导频开销和数据速率,并综合数据速率和导频开销构建优化函数,推导在高SNR条件下邻域波束扫描阶段最佳波束宽度的近似解。仿真结果表明所设计的波束追踪方法适用于缓变信道估计,能够根据用户移动情况选择最佳波束宽度,实现数据速率和导频开销的折中,同时保证较高的成功追踪率。