近几年来，由于小规模MIMO的性能已趋于极限并遇到了瓶颈和大规模MIMO技术在提高系统容量、能效效率方面展现的潜力，对大规模MIMO的研究引起了学术界和产业界的广泛关注，大规模MIMO的关键技术主要包括信道模型、信道估计技术、预编码设计、CSI获取技术和信号检测的算法等。
信道估计是信号检测的基础，目的是为了提取CSI。在传统MU-MIM0系统中，理想情况下，为每一个用户提供多个相互正交的导频序列即可，但在大规模MIMO中，这个方法并不适用，在FDD系统中尤为突出。FDD系统所需导频信号取决于天线的数目，因此，开展导频受限情况下信道估计算法具有非常重要的实际应用价值。
在高速的宽带通信中，无线信道呈现稀疏特性，即大部分能量集中在很少的抽头上，而很小的一部分能量分散在大多数信道抽头上，充分利用信道的内在稀疏性，就能用较少的导频符号取得理想的信道估计效果。传统的信道估计方法由于未能充分利用信道的稀疏性，而当前的利用信道稀疏性的信道估计大多基于压缩感知技术。压缩感知理论针对信号稀疏的情况，能以远低于奈奎斯特采样速率的方式采样，并高精度地恢复出原始信号，将压缩感知理论应用到信道估计中，不仅能获取较高的信道估计性能，而且减少了导频符号的使用，进一步提高系统的传输效率。
大规模MIMO-OFDM系统模型
在大规模MIMO-ODM系统中，假设发送端有M根天线，接收端有U个单天线用户。我们将第k个OFDM符号中第m根发送天线和某一个用户之间的信道冲激响应表示
由压缩感知理论和式(3)可知，在基于CS的信道估计中，测量矩阵由导频符号取值和导频位置决定。因此，可以根据测量矩阵的设计准则确定导频符号及其位置，从而保证获得良好的CS重建性能，获得良好的估计。针对导频符号放置问题，已有文献采取随机放置、固定均匀放置或提出以最小化观测矩阵的互相关为目标，对导频序列进行逐位置优化的方法。然而，如何设计最佳的导频图案从而使基于CS的信道估计的性能得以改善还值得继续研究。
