当前,以人工智能、量子信息和物联网为代表的新一代信息技术正在加速发展和应用,对移动通信网络的性能也有了越来越高的要求。和传统的大规模多输入多输出（Multiple Input Multiple Output,MIMO）系统相比,去蜂窝大规模MIMO系统不仅可以解决用户频繁切换蜂窝、蜂窝间干扰和服务质量（Quality of Service,Qo S）不均衡等问题,而且可以通过增强宏分集来有效抑制用户间干扰,改善用户服务质量。但是,在低负载的情况下,每个接入点（Access Point,AP）都为所有用户服务将会导致系统能量效率会非常低,不利于实现绿色通信网络和节约资源。因此,通过AP选择的方案使每个用户只被挑选出的一部分AP服务,构建以用户为中心的去蜂窝大规模MIMO系统,从而提高系统的能量效率,有很高的研究价值。本文提出了两种AP选择方法,仿真显示了可以有效提高能量效率:（1）本文研究了下行能量效率问题,提出了一种基于K均值聚类算法的AP选择方法,可以将系统下行能量效率提高10%～20%。K均值聚类算法是机器学习中常用的一种无监督聚类算法,可以用于将用户分组。首先建立了去蜂窝大规模MIMO系统的下行能量效率最大化问题,然后通过K均值聚类算法将所有用户分组,接着根据大尺度衰落因子为每个用户组挑选服务AP的集合。（2）本文研究了上行能量效率问题,提出了一种基于迫零接收器和休眠策略的AP选择方法,适用于用户数量波动非常大的区域,可以将上行能量效率提高5%～20%。首先,建立了采取ZF接收器的去蜂窝大规模MIMO系统的上行能量效率最大化问题。本方法在AP和用户的数量比变化时有两种不同的处理方案,在数量比较大时,本方法利用了休眠策略,在为每个用户挑选了服务AP的集合后将没有被挑选过的AP暂时休眠,以避免不必要的能量浪费;在数量比较小时,推导了用户信道质量以及用户和各AP之间信道质量的表达式,本方法根据用户信道质量将所有用户降序排序,依次将每个用户和信道质量最好的AP进行连接。