无线移动通信技术的飞速发展,使得多输入多输出（multiple-input-multiple-output,MIMO）技术成为了二十一世纪互联网移动通信科技发展的一个重要方向。随着大规模MIMO中基站端与用户端配置的天线数不断增加,系统的吞吐量也随之增加,从而使得信道状态信息（chan nel state information,CSI）的获取难度越来越大。为了提升大规模MIMO系统的性能和稳定性,从而借此促进无线移动通信技术的快速发展及革新,大规模MIMO系统的信道恢复算法逐渐引起了科研人员的注意,化身成为了热点研究领域。本文主要是基于压缩感知（Compress ive Sensing,CS）技术对大规模MIMO系统的信道恢复算法进行了深入研究,研究工作如下:首先介绍了压缩感知相关的重构算法,对算法的基本原理和基本流程进行了详细的理论分析,并做了模拟仿真,分析的数据结果为接下来的深入研究做好了铺垫。其次,研究了将Semi-IHT算法用于大规模MIMO信道恢复的可行性。这一工作先对大规模MIMO系统信道模型做了详细介绍,并分析了目前信道估计算法中难以解决的痛点,进而提出了本文所要解决的问题,随后通过将秩最小化问题转化为矩阵完整化问题,提出了半迭代的硬阈值算法,该算法是以压缩感知中IHT算法为基础,通过修改迭代硬阈值重构算法的搜索方向和自适应的调节迭代步长得到信道矩阵。仿真结果表明,该算法性能优于传统方法。最后,本文将研究重点放在了一种基于压缩感知理论的可变步长规则回溯SAMP算法上,并将其用于大规模MIMO系统的信道估计。具体操作是先在SAMP算法中选择固定步长用于最小二乘法,在此基础上优化选择过程,通过这种方法,可以更快地逼近信号稀疏度。同时,在初始阶段使用残差值进行选择,来减少算法的迭代次数。接着利用正则化思想对选择的原子进行二次筛选,对SAMP算法的步长选择进行优化,自动调整步长估计信道。最后通过仿真对比,证明了该算法不仅提高了传统SAMP算法在信道估计中的重构精度,而且具有很好的应用前景。