能量效率(Energy Efficiency,EE)已经被看做是5G(第五代移动通信系统)的关键性能指标之一。近年来,从无线接入技术到网络控制,针对能效的优化设计遍布网络的各个层面。作为物理层的关键技术,大规模MIMO不仅可以较大地提高频谱效率还可以大大地提高系统的EE。通过配置成百上千根天线,大规模多输入多输出(Multiple-Input Multiple-Out,MIMO)可以有效地减少干扰,在使用相对简单的接收机的情况下也能将能量聚焦到目标用户。因此,大规模MIMO技术已经在学术界和工业界引起了广泛的关注。针对大规模MIMO系统的基于能效的研究已经成为5G研究的重点。注意到大规模MIMO系统参数之间的相互影响,基站激活天线数目、用户调度以及发射功率分配已经成为针对EE设计的关键优化指标。本文主要考虑多小区下基于EE的基站天线数、用户调度以及功率分配的单参数优化或者多参数联合优化,本文的主要工作有:1.分析并得到了所考虑场景下的数据速率的渐近等价表达式。在多小区大规模MIMO系统下,利用数学工具导出数据速率的渐进等价表达式,该式包含了基站激活天线数、用户调度、信道估计误差、导频污染以及传输功率分配等多个参数。已有的方案都是假设用户数相等,我们考虑一个更加一般、更加符合我们考虑的EE优化问题的场景,即每个小区拥有不同的系统配置和用户调度。2.研究了一种基于迫零(Zero-Forcing,ZF)预编码的多小区下行大规模MIMO系统下的高能效的资源配置方案。在多小区大规模MIMO下行场景下,提出了一个基于EE的干扰觉知的,针对基站激活天线数目、用户调度和功率分配的联合优化框架。与传统的单小区优化和多小区多目标优化方案相比,本文中所提的方案只需要控制单元收集和分发干扰信息,从而可以保证每个小区可以并行地进行干扰觉知的优化。本文提出了一个两步走的干扰觉知的小区并行优化方案。首先对基站激活天线数目、用户调度展开联合优化,然后对每个小区做基于EE的干扰觉知的功率分配。相比于单小区的优化方案,干扰觉知的联合优化可以取得显著的性能增益。3.提出一个随日负载变化的基站激活天线数目的优化方案。在使用ZF预编码的下行大规模MIMO系统下,每个基站自适应地调整激活天线数来减少能量消耗。所提系统设计方案主要利用小区内资源负载情况或接入用户请求情况,通过自适应地优化基站激活天线数目,达到面向系统能效的动态系统优化。所提算法分为两步,首先通过单小区下的优化方案获得干扰信息,然后利用干扰信息再次展开基于EE的最优基站激活天线数目的求解。所提方法能够较好地平衡速率和能量消耗,因此能够较大地提高能量效率。