智能反射面（Intelligent reflecting surface,IRS）作为一种具有低硬件成本和功耗的可重新配置无线通信环境的技术受到人们的广泛关注。但是应用IRS实现智能可重构环境的前提是获取准确的信道状态信息（Channel State Information,CSI）,而在IRS辅助的大规模多输入多输出（Multiple Input Multiple Output,MIMO）系统中,对CSI的准确捕获是一项富有挑战性的任务:一方面由于IRS系统的无源特性,不能传输、接收或处理任何导频信号来实现信道估计。另一方面由于IRS通常由数百个单元组成,因此要估计的信道维度比传统系统中的大得多,这将导致信道估计中导频的过度开销。对此,本文进行了以下分析及研究:首先,本文研究了IRS辅助毫米波（Millimeter Wave,mm Wave）大规模MIMO系统的信道估计算法。针对传统方案导频开销巨大且估计精度不高问题,假设在Saleh-Valenzuela信道模型下,本文研究了一种基于双结构压缩感知理论的信道估计新方法。构建用户终端（User Terminal,UT）到IRS和IRS到基站（Base Station,BS）的信道模型,获取UT-IRS-BS的级联信道,利用IRS辅助mm Wave大规模MIMO系统角度域级联信道的双结构稀疏特性,将信道估计问题建模为压缩感知（Compressed Sensing,CS）恢复问题,降低导频开销。仿真结果表明,该方案所需的导频开销低于现有方案。其次,本文研究了用户多天线场景的信道估计。借助张量建模,我们解决了IRS辅助大规模MIMO无线通信系统的接收器设计;通过假设导频和IRS相移的结构化时域模式,我们研究了一种依赖于接收信号的平行因子（Parallel Factor,PARAFAC）张量建模的信道估计方法,并采用增强线性搜索（Enhanced Line Search,ELS）算法对其进行优化,数值结果显示了所提出的接收器的有效性,验证了所提出的估计方法的准确性及其相比于传统信道估计的优越性,并且ELS算法极大地减少了算法迭代次数并使算法的收敛时间减少了近二分之一。