Par la révolution du Cloud Computing et des Smartphones, une quantité énorme de données devrait traverser le réseau chaque seconde où la plupart de ces données sont fournies par des mobiles utilisant des services Internet. La croissance rapide de la bande passante et des demandes de QoS rend les réseaux mobiles du 4ème G insuffisants. Le système de prochaine génération doit avoir un taux de sommation de 100Mbps à 1Gbps par terminal utilisateur (UT), avec une densité de connexion supérieure à 1M connexion / Km2, la mobilité des véhicules à grande vitesse jusqu'à 500 km / h et une fin à la fin (E2E) retardent moins de 10 ms. Un candidat prometteur qui peut répondre à ces demandes est le système sans fil à multiples sorties multiples (MIMO) Multi-Cell Multi-Cell. Cependant, la capacité Massive MIMO est délimitée par l'Inter-cell Interference (ICI) en raison de la réutilisation du pilote et, par conséquent, de la contamination du pilote. Dans cette thèse, nous étudions la contamination du pilote de liaison montante dans le système de formation à la division temporelle (TDD) des réseaux sans fil MIMO massifs. En supposant un canal de décoloration, l'intervalle de cohérence sera temporairement limité, où l'estimation du canal, la réception des symboles et le précodage des symboles doivent être effectués dans le même intervalle. Cela dit, la longueur du pilote de formation est limitée. De même, le nombre de terminaux de l'utilisateur (UT) par zone d'interférence est également limité. Inspiré par la variation de la taille de l'intervalle de cohérence parmi les UT, cette recherche présente deux nouvelles contributions indépendantes pour faire face à la contamination pilote de liaison montante dans le MIMO massif. La première contribution répertorie la région de couverture de la cellule de base (BS) dans une carte d'information d'état de chaîne (CSI). Cette carte est créée et mise à jour à l'aide d'un algorithme spécial d'apprentissage machine, et elle est exploitée pour prédire UT CSI au lieu d'estimer ses canaux. Compte tenu de cela, la formation des pilotes aériens et de liaison montante est considérablement réduite. La deuxième contribution classe les UT en fonction de la taille de leur intervalle de cohérence de canal. En outre, nous appliquons une technique de changement de pilote pour déplacer des pilotes similaires vers différentes positions temporelles (qui sont considérées comme vides en raison de trames TDD pilotes vides). Les résultats de la simulation montrent une augmentation à l'échelle de la performance du MIMO massif, en particulier dans la performance de l'efficacité énergétique et spectrale, UT par cellule et taux d'addition. En particulier, la troisième contribution évolue le MIMO massif multi-cellulaire à une performance de cellule unique et même surmonté un simple énorme conventionnel dans l'efficacité énergétique et UT par cellule. / By the revolution of Cloud Computing and Smartphones, an enormous amount of data should traverse the network every second where most of this data are delivered by mobiles using internet services. The fast growth in bandwidth and QoS demands makes the 4th G mobile networks insufficient. The next generation system must afford a sum rate from 100Mbps up to 1Gbps per User Terminal (UT), with a connection density that exceeds 1M connection/Km2, the mobility of high-speed vehicles up to 500 km/hr and an End to End (E2E) delay less than 10ms. A promising candidate that can offer those demands is the Multi-User Multi-Cell Massive Multiple-Input Multiple-Output (MIMO) wireless system. However, Massive MIMO capacity is upper bounded by the Inter-cell Interference (ICI) due to pilot reuse and thus, pilot contamination. In this thesis, we investigate the uplink pilot contamination in Time Division Duplexing (TDD) training scheme of massive MIMO wireless networks. Assuming block-fading channel, the coherence interval will lag for a limited duration, where channel estimation, symbol reception, and symbol precoding must be done within the same interval. Having said that, the training pilot length is limited. Likewise, the number of User Terminal’s (UT’s) per interference region is also limited. Inspired by the variation of coherence interval size among UT’s, this research introduces two independent novel contributions to deal with uplink pilot contamination in massive MIMO. The first contribution maps the Base Station (BS) cell coverage region into a Channel State Information (CSI) Map. This map is created and updated using a special machine-learning algorithm, and it is exploited to predict UT CSI instead of estimating their channels. In view of this, training overhead and uplink pilots are reduced significantly. The second contribution classifies UT’s based on the size of their channel coherence interval. Furthermore, we apply a pilot shifting technique to shift similar pilots to different time position (that considered empty due to empty pilot TDD frames). Simulation results show a scaled increase in the performance of massive MIMO especially in the performance of energy and spectral efficiency, UT per cell and sum-rate. In particular, the third contribution evolves multi-cell massive MIMO to a single cell performance and even overcome single conventional huge in the energy efficiency and UT per cell.