CoordenaÃÃo de AperfeiÃoamento de Pessoal de NÃvel Superior / Este trabalho se propÃe a investigar e propor diferentes tÃcnicas de estimaÃÃo de canal de mÃltiplas entradas e mÃltiplas saÃdas (MIMO) para sistemas de comunicaÃÃo multiusuÃrio operando em regime de interferÃncia em cenÃrio de mÃltiplas cÃlulas. AtenÃÃo particular à dada ao caso onde as estaÃÃes rÃdio-base sÃo equipadas com arranjos de antenas apresentando grande quantidade de antenas, configurando o que se tem referido na literatura como sistemas de comunicaÃÃo MIMO de grande dimensÃo (VL-MIMO, do inglÃs: very large MIMO). Algumas destas tÃcnicas exploram as propriedades das grandes matrizes aleatÃrias e sÃo menos afetadas pela contaminaÃÃo de pilotos. Nesta dissertaÃÃo, os parÃmetros do canal VL-MIMO sÃo estimados a partir de uma decomposiÃÃo em autovalores (EVD, do inglÃs: eigenvalue-decomposition) da matriz de covariÃncia na saÃda do arranjo de antenas receptoras. Esta tÃcnica se mostra menos sensÃvel à presenÃa de interferÃncia do que outras que nÃo exploram propriedades especÃficas da matriz de canal VL-MIMO, como à o caso da soluÃÃo clÃssica dos mÃnimos quadrados (LS, do inglÃs: least-squares). Nesse contexto, propÃe-se ainda uma soluÃÃo para o fator de ambiguidade multiplicativa do mÃtodo baseado em EVD, utilizando um simples produto de Khatri-Rao. Na segunda parte desta dissertaÃÃo, as propriedades dos sistemas VL-MIMO sÃo empregadas num problema de localizaÃÃo de fontes, a fim de determinar a direÃÃo de chegada (DOA) dos sinais incidentes sobre o arranjo, provenientes da cÃlula em questÃo. Explorando o subespaÃo de representaÃÃo dos sinais interferentes, propÃe-se o uso de um algoritmo de classificaÃÃo de tipo MUSIC para estimar a matriz de canal de forma cega. O mÃtodo proposto converte os altos ganhos de resoluÃÃo dos arranjos VL-MIMO em capacidade de reduÃÃo de interferÃncia, podendo fornecer estimativas do canal adequadas, mesmo sob nÃveis fortes de interferÃncia e tambÃm em casos onde os sinais do usuÃrio desejado e dos interferentes sÃo altamente correlacionados espacialmente. Extensas campanhas de simulaÃÃo computacional foram realizadas, dandoum carÃter exploratÃrio a esta dissertaÃÃo no sentido de abranger diferentes cenÃrios e avaliar as tÃcnicas investigadas em comparaÃÃo com soluÃÃes jà consolidadas, permitindo assim a elaboraÃÃo de um panorama mais completo de caracterizaÃÃo dos problemas de estimaÃÃo de parÃmetros no caso VL-MIMO. / The aim of this dissertation is mainly to investigate and propose different channel estimation techniques for a multicell multiuser multiple-input multiple-output (MIMO) communication system. Particular attention is payed to the case that is referred to as very large (VL) MIMO (VL-MIMO) arrays, where the base stations are equipped with a great (or even huge) number of antenna sensors. Some of these techniques exploit properties issued from the (large) Random Matrices Theory and are therefore less affected by the so-called pilot contamination effect. In this work, the parameters of the VL-MIMO channel are estimated from the eigenvalue decomposition (EVD) of the output covariance matrix of the receive antenna array. This technique is more robust to the interference of signals from other cells compared with methods that do not exploit the specific properties of the VL-MIMO channel matrix, which is the case of the classical least squares (LS) solution. In this context, this work also proposes a simpler way to resolve the scaling ambiguity remaining from the EVD-based method using the Khatri-Rao product. The second part of this dissertation exploits the VL-MIMO properties on a source localization problem, aiming to determine the direction of arrival (DoA) of the signals impinging on the antenna array from a given desired cell. Based on the subspace representation of the outer cell interference signals, we propose a new blind MUSIC-like classification algorithm to estimate the channel matrix. The proposed technique convert the high resolution gains of the VL-MIMO arrays into ability to reduce power of undesired signals, yielding good channel estimates even under high interference power levels, and including cases where desired and undesired signals are strongly correlated. Computer simulations have been done in order to cope with different situations and propagation scenarios, thus yielding an exploratory character to our research and allowing us to evaluate and assess the investigated algorithms, comparing them to consolidated solutions in order to establish a complete overview of the parameter estimation problem in the VL-MIMO case.