近年来压缩感知(CS)技术在信号处理和无线通信领域已经成为一个炙手可热的研究方向。通过CS的相关方法可以显著降低测量时间、采样率和减少使用的模拟-数字转换器资源。随着CS在理论研究走向实际应用的过程中,作为信号的结构化稀疏性特征和信号间的相关性被挖掘出来以便更能准确地把握信号的特征,减少信号观测的次数,同时充分挖掘这些信号的结构化稀疏特性和掌握信号间的相关性也有助于在信号恢复阶段设计和改进良好的算法来提高信号重构的精度。随着无线通信的飞速发展,大规模MIMO系统因其独有的很多优势被广泛研究,其中大规模MIMO系统的信道估计属于当中的关键技术,研究和改进其信道估计性能是大规模MIMO系统研究的重要部分。本文集合了两者的优势,研究基于时间相关性的二维压缩感知在大规模MIMO系统信道估计中的应用。文中利用两个独立的压缩感知矩阵对二维信号的行和列同时进行观测,将二维信号看作一个整体进行信号重构,选择恢复性能稳定、复杂度低、重构速度快的子追踪(SP)算法进行改进,利用现有支撑信息的相关度和块稀疏结构扩展成基于时间相关性的二维观测模型下的改进型二维子空间追踪(M-2DSP)算法。系统模型中充分考虑了信号的稀疏性和信号间的相关性,可以一定程度上提高系统的重构性能。在大规模MIMO系统中,用户端在一般情况下处于局部散射环境中,由于局部散射效应的影响,大规模MIMO系统中传输信道已经被证明在角域上为稀疏信道矩阵。信道矩阵经过奇异值分解后在角域中呈现出完美的稀疏性可以很好地满足压缩感知理论应用的前提条件。大规模MIMO系统中基站端下行预编码与上行信号检测都需要精确的信道状态信息(CSI),要体现其空间自由度的优势,同样需要精确的CSI。文中选用归一化均方误差(NMSE)做为恢复算法重构精度的评判准则,分别对信道估计性能随导频数量的变化和随信噪比的变化情况进行仿真实现,验证了运用信号的时间相关性和稀疏结构的二维CS模型及M-2DSP算法的重构性能比其他相比较的算法更好,尤其在低信噪比情况下更具优势。