大规模MIMO技术被认为是下一代5G移动通信的关键技术之一。当基站天线数变的非常大时,大规模MIMO系统可以实现用简单的信号处理来很大程度地提高链路稳定性和数据传输速率。但是信道估计误差导致不精确的信道状态信息(Channel State Information, CSI),导频污染等问题限制了大规模MIMO系统的性能。本文就是针对大规模MIMO信道估计中导频污染的问题进行研究。所做的主要工作如下：首先,对国内外研究现状做了概括总结。系统地研究了大规模MIMO的基础理论知识,包括系统模型,传输过程,导频污染以及传统的信道估计方法。其次,大多数研究成果是基于对理想信道的假设,而本文专注于对实际物理信道模型进行研究。从相关信道模型入手,着重推导了一种基于传播的分析型信道模型,即有限散射信道模型。之后在基于有限散射信道模型的大规模MIMO系统模型下,给出了基于导频的信道估计算法。此模型中基站可以有有限数量的散射中心。更准确地说,角域被划分为数量很大但是有限的方向(即到达角),并且数量比基站天线数要小。然后,分析了上述实际物理信道模型下依然存在的导频污染问题。考虑到盲或半盲估计能更好地提升频谱效率,本文以此为研究方向,提出将基于奇异值分解(singular value decomposition, SVD)的半盲信道估计算法应用到此实际物理信道模型,即SVD与到达角(angle of arrival, AOA)相结合。通过推导得到了一种新的大规模MIMO系统信道估计器,并与几种典型的信道估计算法进行了仿真与对比,结果表明：提出的估计器估计误差性能方面要明显优于基于LS的信道估计,即使是在强小区间干扰下,且估计误差随天线数增加而降低,更适用于大规模MIMO;与传统的基于子空间的半盲估计算法相比,不仅估计精度较高,还具有不丢失CSI的优势；在此实际物理信道模型下,与另一种新近的基于特征值分解(eigenvalue decomposition, EVD)的半盲信道估计算法相比,仍具有较高的估计精度。