由于多输入多输出(MIMO)技术能够为无线通信系统带来容量和可靠性的显著提升,在过去二十年内,它被研究者们研究和广泛应用。但是随着移动数据业务大幅度增长、智能终端的普及和互联网的飞速发展,使得未来的移动通信要求更快的传输速度、更多的用户以及更高的可靠性,传统的MIMO已经无法满足需求。Thomas L.Marzetta在2010年提出了Massive MIMO技术,是指在基站端配备大数量的天线,这一技术能够在简单处理下便获得频谱效率和能量效率的数倍提升,与传统的MIMO相比有着明显的优势。然而,由于信道相干时间有限,相邻小区用户不得不使用非正交导频,导致导频污染问题,限制了Massive MIMO系统的性能。因此,研究有效减轻甚至消除导频污染的方法,从而实现Massive MIMO通信系统的性能的进一步提升,是十分有意义的。本文首先介绍了Massive MIMO系统的模型,说明适用于TDD双工模式的原因,分析了导频序列的选择、经典的信道估计方法以及下行传输链路,并讨论了Massive MIMO系统中可同时服务的用户数,重点研究了产生导频污染的原因以及对系统性能的影响,随后通过仿真分析各个影响性能的因素。接着本文研究了三种信道估计方法,其中Bayes信道估计方法利用了信道的统计特性如大尺度衰落、到达角信息,基于EVD的信道估计方法以及联合ILSP检测算法的EVD信道估计方法则利用了较短的导频序列和部分接收信号,接着详细给出了各个估计方法的结果,并通过仿真进行对比,结果表明这些方法都能有效减轻导频污染。最后本文分析了导频调度对估计性能的影响,从而得到导频调度的优化问题。本文通过对导频调度建模,并以最小化信道估计误差为目标,结合Bayes信道估计方法提出几种调度算法,包括穷举法、基于退化的贪婪算法、基于信道的贪婪算法以及随机选择的贪婪算法。接着在仿真中实现对比并讨论了天线数、到达角以及小区用户数对性能的影响,本文提出的调度算法被证明能有效减轻导频污染、提高信道估计准确度,最终提升通信系统的性能。