基站端配置大量天线的大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)技术是5G无线通讯实施方案的核心技术之一。结合了MIMO技术和正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术优点的大规模MIMO-OFDM系统能有效提高频谱资源利用率并对抗信道频率选择性衰落,在系统中加入低精度模数转换器(Analog-to-Digital Converters,ADC)可以有效节约成本并降低系统功耗。信道状态信息(Channel State Information,CSI)在无线通信系统中至关重要,准确估计CSI能够提升系统的通信质量。本文致力于研究低精度ADC下的大规模MIMO-OFDM系统信道估计算法。针对低精度ADC下的大规模MIMO-OFDM系统信道估计问题,在量化精度大于1比特的情况下,本文挖掘并利用大规模MIMO-OFDM系统信道呈现的块稀疏特性,提出了一种基于多比特量化压缩感知的信道估计算法。通过构建系统信道等效块稀疏矩阵,结合多比特硬阈值迭代算法中的迭代方式利用训练序列对系统进行信道估计,该算法在低精度ADC下的大规模MIMO-OFDM系统中能够获得良好的信道估计性能。针对1比特ADC下的大规模MIMO-OFDM系统信道估计问题,本文利用大规模MIMO-OFDM系统信道在角度域下呈现的稀疏特性,提出了一种基于1比特量化压缩感知的信道估计算法。在考虑传统1比特量化压缩感知算法恢复信道幅值信息不完整的缺陷下,通过联合交替优化迭代的方式估计出信道丢失的幅值信息,实现信道的准确估计。该算法在多天线阵列的1比特ADC下的大规模MIMO-OFDM系统中获得了良好的信道估计性能。对于本文所提的两种算法,通过Matlab软件针对不同的系统模型分别进行仿真实验,并分别与不同的信道估计算法进行对比,仿真结果验证了本文算法的可行性与优越性。