大规模多输入多输出(MIMO, multiple-input multiple-output)是物联网(IoT, Internet of things)中为多种机器类设备高效提供连接服务的解决方案,而高效的连接服务需要准确的信道估计。针对大规模MIMO系统的下行信道估计中导频开销大和估计归一化均方误差(NMSE, normalized mean square error)性能较差的问题,以压缩感知(CS, compressed sensing)理论为基础,在结合信道空间域共同稀疏性的同时,利用相邻时隙差分信道冲激响应(CIR, channel impulse response)的稀疏性更低的特点,大大减少了导频发送的数量。在重构算法上,提出了一种二阶段差分估计算法,将一组连续相关时隙内的信道估计分为两个阶段,并结合自适应压缩感知的思想以实现快速准确的CIR估计。仿真结果表明,所提出的二阶段差分信道估计算法不仅在估计的NMSE性能、数据传输速率上相比已有的基于CS的多重测量向量(MMV, multiple measurement vector)算法有显著的提高,而且在运行时间复杂度上也有一定的降低。