大规模多入多出(Multi-Input Multi-Output, MIMO)系统技术与干扰管理技术是目前热门的无线通信技术。其中大规模MIMO技术通过在基站(Base Station, BS)端部署大量的天线并服务较多的用户,能够达到极大的容量和频谱效率。然而由于大规模MIMO系统在同一时间和频率资源内需要支持巨大的数据流,所以该系统是严重的自扰系统。因此必须采用一定的信号处理技术来抑制这些干扰。由于非线性预编码技术在大规模MIMO系统中增加的复杂度极高,所以线性预编码技术在大规模MIMO系统中起到了重要的作用。在无线蜂窝系统和多用户干扰(Multiuser Interference, MUD系统中,小区间的干扰及多用户间的干扰成为了限制系统容量的主要因素。干扰管理技术是一种能够有效抑制干扰,提高系统容量的方法。干扰管理技术通过预编码,将来自其他小区的小区间干扰或其他用户的用户间干扰(Inter-User Interference, IUI)压缩到一个更小维度的信号空间中,使得有用信号在于扰信号之外可以无干扰地进行传输,从而有效地增大系统自由度(Dogree of Freedom, DoF),提高系统容量。本文的主要贡献和研究内容如下：首先,本文在下行大规模多用户MIMO (Multiuser Multi-Input Multi-Output, MU-MIMO)系统中基于线性预编码对实际信道模型下的最优用户数进行了推导。在此基础上,本文将上述的推导结果进行分析,提出了相应的低复杂度数据流分配方法。具体来讲,本文推导了基于正则迫零(Regularized Zero Forcing, RZF)预编码技术和基于奇异值分解(Singular Value Decomposition, SVD)预编码技术在大规模MU-MIMO系统下行链路的渐进遍历合速率,同时推导了基于迫零(Zero Forcing, ZF)预编码技术在大规模分布式天线(Distributed Antenna System, DAS)系统下行链路的渐进遍历合速率。并指出,在这两种系统模型中,在发送功率受限时,存在下行遍历合速率随用户数增加而下降的现象。并根据这种现象,分析了低复杂度的用户选择方案,同时比较了其性能。其次,本文提出了一种新颖的干扰管理技术,并将这种干扰中和技术同时应用在单跳及多跳多用户干扰信道模型中。在多用户干扰信道系统中,通过一个瞬时中继的辅助,接收端将无干扰地接收到有用信号,同时有用信号占据全部的信号空间。在多跳多用户干扰信道模型中,接收端同样可以无干扰地接收到有用信号,同时对于接收到的干扰信号,将使用能量收集(Energy Harvesting, EH)传输技术将干扰信号的功率进行收集,从而提升整个系统的能量效率。两种场景均表明,这种干扰中和技术能够有效地提升用户的DoF口系统的合速率。最后,本文对大规模MIMO系统和干扰管理技术进行了总结,并对下一步的工作进行了展望。