大规模MIMO(Multiple-Input Multiple-Output)技术能够提高数据传输速率、增强系统可靠性、降低能耗,从而成为下一代移动通信关注的重点技术之一。分布式天线技术能够提高频谱效率,减少盲区,尤其是应用在室内或者室外的热点覆盖,是一种非常有前景的技术。当大量RAUs(Remote Access Unit)部署在分布式系统中时,大规模MIMO技术可以得到完美应用。在大规模分布式MIMO系统中,基站侧配置上百根甚至更多天线,并同时服务多个用户,从而导致基站侧接收机复杂度急剧增加。低复杂度接收机设计成为关键问题之一。本文在大规模分布式MIMO系统中,主要研究了基于诺依曼级数近似的检测方法,上行链路接收机中的信道稀疏化技术,面向5G试验系统的上行链路接收技术三方面内容。首先,本文分析了大规模分布式MIMO系统模型,并介绍了路径损耗、阴影衰落和多径衰落等无线信道的衰落特性。然后建立了大规模分布式MIMO系统信道模型。另外,本文推导了大规模分布式MIMO系统上行链路和容量公式,并介绍了典型的线性检测算法。其次,本文研究了基于诺依曼级数近似的检测方法。本文研究了MMSE-NSA(Minimum Mean Square Error-Neumann Series Approximation)算法,分析了 MMSE-NSA 算法的收敛性、复杂度、误差等相关内容。仿真结果表明,在基站侧天线数与用户数之比比较大的情况下,MMSE-NSA算法可以在计算复杂度为(?)(K2)的情况下逼近MMSE算法的性能。针对相关信道下MMSE-NSA算法收敛速度变慢问题,提出了 MMSE-TNSA(MMSE-TriangleNSA)算法。该方法通过引入更多的非对角线元素来提高MMSE-NSA算法的收敛速度和稳定性。然后,本文研究了上行链路接收机中的信道稀疏化技术。本文考虑在上行链路接收机中利用稀疏化规则对信道矩阵进行稀疏化,从而获得大规模稀疏信道矩阵。接着利用PARDISO(Parallel Direct Sparse Solver)解算器对大规模稀疏矩阵进行求逆运算。仿真结果表明,在大规模分布式MIMO系统中,可以通过少许的性能损失来大幅度稀疏化信道矩阵;在多核情况下,采用英特尔数学核心库(Math Kernel Library,MKL)中经过优化的PARDISO解算器,可以在接近(?)(K)时间内完成大规模稀疏矩阵求逆问题。最后,本文研究了面向5G试验系统的上行链路接收技术。本文介绍了 5G试验系统的架构,并研究了多用户干扰抑制方案下MMSE联合接收机。针对多用户时MMSE算法求逆复杂度比较高的情况,本文给出了对用户间干扰进行对角化近似处理的MMSE-DA(MMSE-Diagonal Approximation)算法,从而将单用户检测时涉及的矩阵求逆维度从发送天线数降为用户发送的流个数。为了进一步提升系统性能,本文研究了迭代软干扰抵消算法。仿真结果表明,1次迭代即可有效改善系统性能。