大规模多输入多输出技术（Massive Multiple Input Multiple Output,Massive MIMO）以其在基站端配备大量天线从而显著提升系统容量和频谱效率的特点，成为满足第五代（5th Generation,5G）移动通信系统“高速率、高容量、低延时”需求的关键技术。大规模MIMO系统在时分双工模式（TimeDivision Duplexing,TDD）下，受限于相干时间，致使正交导频数有限，且随着用户数的增加，必将导致用户复用导频，从而出现导频污染问题，遏制系统性能提升。因此，导频污染抑制技术的研究日益重要，而通过导频分配方法来抑制导频污染作为导频污染抑制的一大途径也一直是该领域研究热点，论文将继续从该角度展开研究以减轻导频污染影响，主要内容有：
　　①针对高容量密集应用场景下存在大量用户到达角（Angle of Arrival,AOA）重叠情况，致使传统基于AOA和基于位置信息的导频分配算法性能大幅下降不适用，或性能提升不大的问题，提出一种联合位置信息及分组思想的导频分配算法。算法通过扇区划分以及扇区间导频分配策略，将导频污染从一级小区退化到二级小区，然后针对每个扇区先根据用户AOA是否重叠对用户进行分组，再通过基于位置信息的度量函数删选最佳组合进行导频分配。利用分组思想从而同时发挥基于离散傅里叶变换（Discrete Fourier Transform,DFT）的信道估计频域处理以及基于位置信息的导频分配算法优势，在滤除掉AOA不重叠用户间导频干扰的同时抑制AOA重叠用户干扰对性能的影响。仿真结果表明，该算法不仅提高了用户平均信干噪比（signal to interference plus noise ratio,SINR）而且大幅度降低导频开销，系统可达和速率得到显著提升，尤其是在同一区域存在大量用户即实际高容量密集场景下，性能依旧有很大的提升。
　　②针对实际5G场景下对高容量高传输速率的需求，致使小区半径越来越小，二级小区的导频污染无法被忽略，利用扇区划分将导频污染退化到二级小区效果变差的情况，又从图着色思想的角度出发，提出了联合位置信息及图着色思想的导频分配算法。算法一方面利用图着色思想，根据实际用户间干扰情况，实现多小区所有用户的动态导频分配，从而适用于不同小区半径不同小区数场景；另一方面，在图着色思想的基础上，联合位置信息构建干扰图，利用信道估计DFT频域处理的优势，进一步消除AOA不重叠用户间的干扰。仿真结果表明，对比于三种基于图着色的导频分配算法，所提算法性能得到大幅度提升。