通过增加系统中发射天线和接收天线的数目,大规模多输入多输出技术(Multiple-input Multiple-output,MIMO)能够显著提升系统的数据传输速率,传输可靠性以及频谱效率,成为了 5G无线通信系统中的关键技术之一。信号检测是Massive MIMO系统中信号处理的重要组成部分,其性能将关乎整个系统的通信质量。最大似然检测(ML)算法以最高的计算复杂度获得了最优的信号检测性能。为了均衡算法的检测性能和计算复杂度,一系列线性和非线性的检测算法被探索和研究。本文提出了一种超低复杂度的信息传递检测(LCMPD)算法,通过对传递信息的近似更新以及固定最大概率星座点,能够在基本不改变算法误码率性能的基础上显著降低信息更新传递过程中的计算复杂度,并有效减少算法的迭代次数。本文还提出了一种串行最大似然检测(SML)算法,在对信号向量进行分解并指定初始搜索点之后,通过串行单维搜索完成信号的更新,降低搜索复杂度,该算法可以获得优于MMSE算法的性能,比较适用于低阶调制的多用户Massive MIMO系统。除此之外,本文还提出了一种混合预处理共轭梯度检测(HPCG)算法,该算法采用的近似预处理矩阵和混合迭代串行更新方案,使得系统在不同的天线配置下,都能展现出明显优于MMSE算法的误码率性能,相比于同类型的共轭梯度(CG)系列检测算法,其计算复杂度最低。本文对改进型赋初值的高斯赛德尔(IGSI)算法进行了算法和硬件的协同设计,从硬件实现的层面对算法进行优化,首先用泰勒级数展开式来近似求解对角矩阵的逆,然后对下三角矩阵进行分组求逆,减少系统的处理延时。基于IGSI算法,本文设计了一种高效的信号检测器的硬件架构,并在FPGA上进行了实现。FPGA实现结果表明,该信号检测器的吞吐率是基于赋初值的高斯赛德尔(GSI)算法的硬件设计的2.6倍,且具备更高的硬件效率。