随着用户和市场对移动通信要求不断提高,促使着通信技术快速发展。4G移动通信系统传输速率以及接入能力已经无法满足各行各业不断增加的需求。对此,提高通信速率和通信质量是对5G移动通信系统的要求。而且,目前高速场景下通信已经越来越重要,高速场景下,过高的多普勒频移和导频开销导致获取信道状态信息难度提高,传统OFDM系统性能达不到要求,对此,OTFS系统通过将时变信道转换为时不变的时延-多普勒信道,在高速场景下有着良好性能。本文研究在高速场景下,Massive MIMO OTFS系统下行信道估计问题,通过时延信道的共稀疏特性以及多普勒信道块稀疏特性,结合压缩感知块稀疏理论,提出了一种块稀疏自适应二维压缩采样匹配追踪(2D-BACo Sa MP)算法。随后,结合时延-多普勒-角域信道结构,提出了基于三维信道结构的块自适应压缩采样匹配追踪(3D-B~2ACo Sa MP)算法,有效减少导频开销,提高信道估计性能。本文具体研究内容包括:1,通过阅读相关文献,对课题国内外研究现状进行分析,并构建Massive MIMO-OFDM系统时延域信道模型,在Massive MIMO-OFDM系统时延域上,利用Co Sa MP算法和OMP算法进行信道估计,仿真结果表明基于CS理论在Massive MIMO系统信道估计方面具有优势。2,分析了OTFS系统理论依据,结合OFDM系统,对SISO OTFS系统理论进行分析,构造Massive MIMO OTFS系统时延-多普勒-空域符合压缩感知理论一般形式的信道模型。利用时延信道共稀疏性以及多普勒信道块稀疏特性,结合压缩感知块稀疏理论,提出了一种2D-BACo Sa MP算法,给出了算法详细步骤,在高速场景下通过MATLAB平台进行了仿真,仿真结果表明,基于CS的算法有着良好性能,在同样导频开销情况下比LS算法有着更好的性能,2D-BACo Sa MP算法在性能上较Co Sa MP算法和BOMP算法有明显优势,在信噪比上分别约有10d B和5d B的性能优势。通过利用不同算法获取的CSI进行信道估计,和理想状态下获得完整CSI进行对比,在BER性能上,2D-BACo Sa MP算法性能优于原始算法性能,接近理想状态下BER性能曲线。3,给出了角域信道模型,结合角域信道模型,构造OTFS系统时延-多普勒-角域稀疏信道模型,提出了一种基于三维信道结构的块自适应压缩采样匹配追踪算法(3D-B~2ACo Sa MP),通过MATLAB平台对其在高速场景下进行了仿真,首先,通过在时延-多普勒-空域信道下和时延-多普勒-角域信道下利用Co Sa MP算法进行仿真,表明时延-多普勒-角域信道结构在SNR上约具有10d B的性能优势。随后,在时延-多普勒-角域稀疏信道模型下,对LS算法、Co Sa MP算法以及3D-B~2ACo Sa MP算法进行仿真,所提出的3D-B~2ACo Sa MP算法相较于Co Sa MP算法在信噪比上约有8d B的性能优势,在同样导频开销和天线数量上,性能较原始算法有明显提高。在BER性能上,3D-B~2ACo Sa MP算法性能优于Co Sa MP算法,接近理想状态下BER性能曲线。