随着移动互联网的发展,用户对移动通信系统容量的要求越来越高,与此同时无线频谱资源日益稀缺。有很多方案被提出以解决这个问题,例如异构组网、Massive MIMO等技术。其中Massive MIMO技术通过大幅度的提高基站天线的数量以获得更大的自由度,极大的提升了系统的容量和频谱使用率,与传统MIMO技术相比在多个性能指标上都更具潜力。然而天线规模的增大在带来极大优势的同时也引入了一些问题,例如信道信息获取效率低下、前向预编码和反向检测复杂度偏大等问题。该论文着眼于大规模天线系统中反向链路低复杂度的检测算法,主要针对基于探索迭代和统计思路的算法进行分析与研究,论文主要包含以下几个部分：首先,对几种传统检测算法(MF、ZF、SIC、FCSD);和基于统计迭代的检测算法(MCMC相关算法、SSA)进行了介绍和分析,根据分析的结果可以发现这些算法应用于Massive MIMO时都存在一定缺陷,例如过高的复杂度和自由度利用较低等问题,其中有的传统算法甚至因为过高的复杂度而不具备可行性。然后,对基于概率信息和探索迭代的思路进行深入分析研究,根据其在Massive MIMO系统存在的问题进行了多处针对性的改进设计,基于这些改进提出了LSSA算法(分层排序探索检测),经过理论的分析,可以发现LSSA算法可以很大程度改善探索迭代算法在高阶调制和信道正交性不佳场景下的性能。最后,搭建了软件仿真平台用以评估论文中多个算法在Massive MIMO系统中的性能指标。分析最后的结果可以发现论文中提出的LSSA算法可以在更低检测复杂度的同时获得较低的检错率。根据本论文的工作可以发现,随着通信系统中天线规模的变大,基于迭代和统计的算法具有较大的提升潜力。然而目前该类算法仍然存在一定的问题,这些问题需要以后进一步的研究。