为了应对移动数据爆炸式的需求,实现无处不在的移动信息网络,第五代移动通信系统应运而生。由于频谱资源受限,大规模MIMO(Massive MIMO)作为能显著提高频谱利用率的关键技术成为研究热点。为了充分利用有限的频谱资源,大规模MIMO系统通常会采用高阶调制,这便带来了解调算法复杂度过高的问题。因此,在保证性能的前提下,寻求低复杂度的软解调算法就很有必要。为了降低导频开销,大规模分布式MIMO系统通常采用时分双工方式,通过利用上下行信道的互易性,避免发送下行链路的导频。但是,一方面,非理想的射频(RF,Radio Frequency)电路破坏了信道的互易性。另一方面,接入点(AP,Access Point)间信道的快速波动会大幅度的降低系统的性能。因此,寻求合理的校准方案已经引起学术界的广泛关注。本文研究的课题便是低复杂度的软解调算法与信道校准算法。本文首先分析了论文的研究背景,并阐述了MIMO技术发展历程,其次介绍了本文核心内容及相关的研究现状。本文首先在充分考虑无线信道传播环境的基础上,基于通用处理器(GPP,GeneralPurpose Processor)实现了大规模分布式MIMO系统。随后研究了低复杂度的软解调算法,然后分析了用来保证信道互易性的部分校准方案。最后,为应对接入点间信道的快速波动,在部分校准的基础上提出分集校准方案。在大规模MIMO中采用高阶调制,会带来解调算法复杂度过高的问题。因此在保证性能的前提下,论文研究了低复杂度的软解调算法。本文着重研究了两种比较实用的软解调算法,分别为对数复杂度软解调算法和低复杂度软解调算法,并对这两种算法的复杂度和性能进行仿真分析。随后利用SSE(Streaming SIMD Extensions)指令集对这两种算法进行优化,最后给出相关结论以及对应的仿真分析。仿真结果表明,对于M-PAM信号,在保证性能损失忽略不计的前提下,对数复杂度软解调算法的复杂度为(?)(log M)。在对数复杂度软解调算法的基础上,低复杂度软解调算法进一步降低了算法的复杂度。测试结果表明,采用SSE指令集显著提升了系统执行效率。大规模分布式MIMO系统中采用时分双工时,一方面,RF的非理想性破坏了信道的互易性。另一方面,AP间信道的快速波动大幅度的降低了系统性能。因此,需要寻求合适的信道校准算法。本文首先在系统的AP与用户(UE,User Equipment)端配置单天线,下行采用迫零(ZF,Zero Forcing)预编码时,提出了部分校准方案。其次,在AP与UE端均配置多天线时,提出了适用于部分校准的上下行传输方案。随后,提出利用最小二乘(TLS,TotalLeast Square)算法实现部分校准。然后,为应对AP间信道的快速波动,在部分校准的基础上提出分集校准方案,并对该方案所获得的分集增益进行分析。最后,利用SSE指令集优化分集校准算法,并给出相关结论以及对应的仿真分析。仿真结果表明,采用分集校准大大提升了系统的性能,采用SSE指令集显著提升了系统执行效率。