日益增长和日趋复杂的信息传输需求驱动下,新一代移动通信系统技术应运而生,也就是5G。其中,大规模多输入多输出（Multiple-Input Multiple-Output,MIMO）的技术能够满足各项指标要求。对于使用MIMO技术进行信息传输的,比如空间较充沛的自由度,能够依据较多用户相应的下行信号进行协作,以此来干扰偷听者的信号。基于此,利用Massive MIMO所带来的丰富的物理层信息来进行身份鉴权。具体研究内容如下:（1）针对Massive MIMO通信模型,利用一种模拟的场景,其中基站和用户设备之间具有相关的Racian衰落。为了提高获取信道参数的准确性,提出添加信道估计器的方法来建模,其中信道模型由确定性视距（Line of Sight,Lo S）路径和描述实际空间相关多径环境的随机非视距（Non Line of Sight,NLo S）分量组成。分析不同信道估计器的渐近频谱效率。数值表明,在使用最小均方误差（Minimum Mean Squared Error,MMSE）估计器要比逐元素最小均方误差（Element-Wise MMSE,EW-MMSE）估计器和最小平方（Least Square,LS）估计器的效果好,且随着天线的数目而增大。（2）基于Massive MIMO通信场景,提出一种利用假设检验的方法来对用户合法与否鉴权。利用物理层信息的互不相关性,在不同信号到达接收端时间、到达接收天线到达角以及大尺度衰落因子三个参数作为特征向量,并建立基于支持向量机（Support Vector Machine,SVM）的最佳估计器的Massive MIMO鉴权模型,通过提取物理层信道特征信息进行身份“相似性”认证比对。仿真结果表明,经过网格搜索方法优化支持向量机参数的前提下,对中低速用户的鉴权有着良好的效果;在有无估计器组件的情况下对鉴权准确率影响较大;随着信噪比的提高,鉴权准确率也随之提高。（3）针对SVM模型在样本集不同的情况下,其核函数参数的选取难度较高,并且当样本数据集较大情况下,SVM算法的收敛速度比较缓慢的问题,提出一种计算精度高,收敛速度快,易于实现的进化算法即TS算法。禁忌搜索更适合参数选取的过程,而且避免陷入局部求值的死循环。但是使用禁忌搜索算法来优化模型的过程中会依赖于初始解,所以初始解的质量将大大影响鉴权效率,提出一种C-W节约算法来优化初始解质量的问题。仿真结果表明,C-W节约算法相较于生成随机初始解的TS算法以及传统的基于核函数的SVM鉴权效果更优。