在大规模MIMO系统中,精确的信道状态信息对于提升系统的性能起着至关重要的作用。实际通信系统通常采用基于导频序列的估计方法来有效地获取上下行的信道状态信息。然而传统下行信道估计过程中会产生巨大的导频开销,尤其是对于FDD大规模MIMO系统。由于压缩感知技术可以有效地减小导频开销并且OFDM技术能够对抗符号间干扰和频率选择性衰落,因此本文结合压缩感知技术研究FDD大规模MIMO OFDM系统中导频设计以及稀疏信道估计问题,以此节省导频资源并且提升信道估计精度。第一,针对大规模MIMO系统中现有的导频设计算法导频开销过大以及频谱利用率不高的情况,提出了一种基于遗传算法的伪随机导频设计算法。首先由基站发射非正交导频信号,其次在基站端将最小化测量矩阵的互相关值作为优化目标对遗传算法进行改进,并且引入交叉、变异判断机制和内、外循环机制,从而得到最小互相关值对应的导频序列,使导频确定性地分布在频带中。仿真结果表明,伪随机导频设计算法能够有效地减小导频开销,并且维持较好的信道估计性能。第二,针对大规模MIMO系统中现有的信道估计算法估计精度不高,耗时较长,且要求预先设定信道稀疏度的情况,本文结合大规模MIMO信道的空间相关性和时间相关性来建立信道模型,并提出一种基于局部公共支撑算法的自适应信道估计算法。首先基于最大相关性原则估计稀疏支撑集,其次对稀疏支撑集进行裁剪,并且利用线性最小均方误差算法进行矩阵估计以重构原始信号。仿真结果表明,自适应信道估计算法不需要预知信道的稀疏度就可以自适应地获取精确的信道状态信息,具有良好的信道估计性能以及较低的时间复杂度。