随着移动通信业务量的急剧增加,未来移动通信系统需支持更高的数据传输速率。在频谱资源日趋紧张的情况下,大规模多输入多输出（MIMO,Multiple Input Multiple Output）技术凭借其能充分挖掘空间自由度、显著提升频谱效率、能量效率以及降低时延和提高传输可靠性等优势,成为第五代移动通信系统（5G,the 5th Generation of Mobile Communication Systems）的关键技术之一。但是,大规模天线阵列的使用会导致硬件成本昂贵、系统功耗过高、数据处理复杂等问题。采用低精度的模数转换器（ADC,Analog to Digital Converter）可有效解决上述问题。然而,低精度ADC引入了严重的量化噪声,准确的信道估计难度较大。叠加导频（SP,Superimposed Pilots）方法下,用户同时发送导频和数据信号,可有效克服传统时分复用导频（TP,Time-Multiplexed Pilots）面临的带宽利用率低、数据传输效率低等问题,且叠加导频长度显著增加,有利于改善信道估计的质量。本文将针对采用叠加导频的低精度量化大规模MIMO系统展开研究,重点考察叠加导频方法对低精度量化大规模MIMO系统性能和信道估计的影响。一方面,研究基于叠加导频的低精度量化大规模MIMO系统性能。考虑在数据检测阶段移除导频,推导出基站采用最小均方误差（MMSE,Minimum Mean Square Error）信道估计和最大比合并（MRC,Maximum Ratio Combining）检测时上行链路可达速率的近似表达式。以可达速率最大化为目标,优化导频功率因子。对系统功耗进行建模,推导出能量效率（EE,Energy Efficiency）的表达式。此外,分析多种渐近极限下系统的可达速率和最优功率分配策略。研究结果表明,具有更高精度ADC或更多基站（BS,Base Station）天线数目的系统需要将更多的功率分配给导频;而当信道缓慢变化时,需要为数据分配更多的功率。通过仿真比较不同量化精度下SP与TP的可达速率和能量效率。研究结果表明,低信噪比（SNR,Signal to Noise Ratio）场景中,对于配置1比特ADC的接收机而言,SP的性能在大多数情况下都优于TP,而对于具有更高精度ADC的系统而言,SP方法适用于基站天线数量相对较少和信道相干时间相对较长的场景。另一方面,研究叠加导频方法面临的数据与导频相互干扰的问题,以进一步提高SP方法下的信道估计与数据检测性能。通过理论推导分析,表明当传统的基于数据辅助的迭代信道估计方法采用LS算法进行信道估计时,该迭代算法将面临着不收敛的问题,从而导致信道与数据的估计性能无法随着迭代次数的增加而改善。基于此,本文对该算法进行优化设计,提出一种信道与数据的联合估计算法。仿真结果表明,特殊场景下,该算法存在最佳的迭代次数,比如1比特量化场景、高速移动场景以及低SNR场景等。通过分析SNR、量化精度、信道相干时间以及导频功率因子对优化算法性能改善程度的影响,可发现该算法可有效改善SP方法下的信道估计与数据检测性能。具体结论如下:高SNR场景中,该算法的性能优势更加显著,有利于改善此时SP相对于TP的性能;优化与未优化算法之间的性能差距随着量化精度的增加逐渐明显,最终将保持不变;信道相干时间的增大可逐渐提高优化算法在信道估计方面的优势;对于数据的估计性能而言,存在可最大程度发挥该算法优势的最优导频功率因子。