大规模MIMO（Massive Multi-Input Multi-Output,Massive MIMO）系统通过在基站部署数以百计的天线,可以显著地改善无线通信系统的传输速率及其可靠性,为更多用户或设备提供优质的通信服务。然而,通信系统中庞大的天线阵列导致了预编码算法具有极高的运算复杂度,从而影响通信系统的传输效率。而且,传统预编码算法要求系统的每根天线都对应一条射频链路,这将导致部署大规模MIMO系统时需要极高的成本。此外,复杂的通信系统会导致信道状态信息的滞后,影响预编码算法的性能。因此,针对资源受限的大规模MIMO系统,研究低运算复杂度、低成本和低时延的预编码算法具有重要意义。本文对有限运算资源和部署成本的大规模MIMO系统进行了深入的研究,提出了一系列低运算复杂度、低成本和低时延的预编码算法。本文的具体研究内容如下:1)提出了一种大规模MIMO系统全数字预编码算法。针对大规模MIMO系统预编码算法高运算复杂度的问题,本文提出了一种自适应混合截断预编码算法。首先,该算法通过M2M4估计法计算基站侧的信噪比（Signal to Noise Ratio,SNR）,进一步利用阈值判别法实现预编码算法的自适应选择。然后,本文将多项式截断法应用于迫零（Zero forcing,ZF）预编码的运算过程,优化ZF预编码的求逆运算,从而使得自适应混合截断预编码算法具有更低的运算复杂度。最后,仿真结果表明,本文提出的自适应混合截断预编码算法能够以较低的运算复杂度,获得近似传统ZF预编码的传输性能。2)提出了一种大规模MIMO系统混合预编码算法。由于大规模MIMO系统的天线阵列规模庞大,传统预编码算法所需的射频链路成本极高。因此,大规模MIMO系统的部署较为困难。为了降低部署成本以及实现难度,本文提出了一种低成本和低复杂度的混合预编码算法。首先,本文通过子连接结构降低了系统需要的射频链路,实现了降低系统成本的目的。其次,本文利用扩展幂迭代法获取子连接结构所需的最优非限制预编码矩阵,依据最优非限制预编码矩阵设计混合预编码算法。其中,扩展幂迭代法避免了复杂的奇异值分解过程,有效降低了求解混合预编码矩阵的运算复杂度。然后,本文采用Aitken加速法进一步提高扩展幂迭代法的收敛速度,加快混合预编码矩阵的求解过程。最后,仿真实验表明,在保证通信性能的前提下,本文提出的低复杂度混合预编码算法有效地降低了大规模MIMO系统的硬件成本,从而便于通信系统的实际部署。3)提出了一种大规模MIMO系统中时延补偿预编码算法。在大规模MIMO系统中,信道状态信息的时延严重影响了预编码算法的性能。因此,本文提出了一种低复杂度时延补偿预编码算法,以补偿时延对预编码算法的影响。首先,本文搭建了在线极限学习机的训练架构,设计了适合在线预测模型的数据集,实现了信道状态信息的在线预测。其次,本文将训练过程与遗忘机制相结合,从而解决数据集时效性的问题,实现精准预测快速时变信道信息的目的。然后,本文引入截断多项式展开算法,进一步降低预测模型的运算复杂度。最后,通信系统可以利用预测的信道状态信息获取更精准的预编码矩阵。仿真结果表明,本文提出的时延补偿预编码算法能够有效地缓解时延对预编码算法的影响。