大规模多输入多输出（Massive Multiple-Input Multiple-Output,Massive MIMO）自问世以来,以其分集增益和空间增益特性,被广泛应用在网络需求大的场景中。随着技术的变革,通信设备数目快速增长,基站集成的天线数量也随之增加,这就导致了整个系统的功耗巨大。因此,如何降低系统功耗,发展绿色通信已经成为当今研究的热点。在此背景下,本文针对大规模MIMO系统的能效优化方案,开展了以下研究:针对高精度模数转换器（Analog-to-Digtial Converter,ADC）带来的高功耗以及单一低精度ADC带来的系统容量低问题,考虑了一种混合精度ADC结构的大规模MIMO系统。首先,根据随机矩阵理论推导出系统的能效近似表达式;然后,在满足用户基本的数据传输速率和功率约束条件下,建立起以能效最大化为目标的优化问题;再将目标问题分解为功率控制和精度选择两个子优化问题,并进行问题等价转换。最后,利用Dinkebach方法和动态更新干扰的迭代算法实现功率分配,利用降维更新低复杂度算法完成ADC的精度选择。仿真结果表明,所提的能效优化算法可以在迭代比较少的次数下达到发射功率和ADC量化精度的收敛;通过和单一精度ADC进行对比,验证了混合精度ADC结构仅牺牲了小部分频效换取了能效的大幅度提升;通过和静态干扰算法、动态干扰算法和协调更新算法对比,验证了所提算法可以保证较高的频谱效率,且能量效率达到最优。针对大规模MIMO系统中接收机被动适应信道的场景,考虑了一种基于智能反射面（Intelligent Reflecting Surface,IRS）辅助的低精度ADC结构毫米波大规模MIMO系统。首先采用加性量化噪声模型（AQNM）对信号的量化进行分析,从而得到接收端的信噪比;然后,以接收端信噪比最大化为目标设计IRS的相移矩阵;再将最高发射功率和最低发送速率作为约束条件,建立起能效优化问题。利用分数规划性质将非凸问题转换成凸问题,利用拉格朗日乘子法将有约束的问题转换成无约束问题。最后提出一种联合优化ADC量化精度和用户发射功率的迭代算法,仿真表明,基于IRS辅助的低精度ADC结构毫米波大规模MIMO系统功耗明显降低,且所提算法的频效略低于高精度ADC的频效,但能效明显优于对比文献的能效。