The firsts trials of the Fifth generation of wireless networks (5G) are taking place worldwide. A variety of use cases are envisaged, requiring flexible and scalable technologies to meet their key performance indicators. Massive MIMO is a 5G-enabling technology that improves spectral efficiency. To exploit the advantages of MIMO, the transmitter needs to have information about the channel condition (CSI) of each User equipment (UE). 5G is being standardized in Frequency division duplexing (FDD) and Time division duplexing (TDD) operational modes; hence, MIMO has to be feasible in both duplexing modes. As TDD operates downlink and uplink on the same frequency, it can rely on channel reciprocity to acquire the CSI needed to further design precoding and user scheduling, for instance. However, FDD cannot exploit channel reciprocity; therefore, massive MIMO in FDD mode is more challenging because the increasing number of antennas may turn the feedback of CSI impractical. Hence, compressing CSI in MIMO FDD systems is of interest. Furthermore, the use of vast spectrum ranges, sub-6 GHz and mmWaves bands, leads to different channel characteristics. Moreover, the close packaging of antenna elements increases the spatial correlation among a MIMO array. Consequently, this correlation can be exploited to leverage compression of CSI. This dissertation presents an overview of CSI compression methods, proposes an heuristic transform coding method with low computational cost, and do a systematic evaluation of the transform coding methods based on realistic MIMO channel simulations. Besides, the impact of different 5G use cases and design of transmitter and receiver antennas are also included on the evaluation to choseCAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorOs primeiros testes de redes de quinta geração (5G) de telefonia celular estão sendo feitos em diversas partes do mundo. Vários cenários de uso estão sendo planejados, o que torna necessário a adoção de tecnologias flexíveis e escaláveis para atender seus indicadores de performance. MIMO massivo é uma tecnologia chave para o 5G, pois aumenta a eficiência espectral do sistema. Para explorar as vantagens do MIMO o transmissor precisa ter informações sobre a condição do canal (CSI) de cada equipamento de usuário (UE). O 5G está sendo padronizado para operar em duplexação por divisão de tempo (TDD) e duplexação por divisão de frequência (FDD). Desta forma, os custos de operar MIMO em TDD e FDD devem ser factíveis. Como TDD opera uplink e downlink na mesma frequência, a característica de reciprocidade do canal pode ser usada para extrair o CSI necessário para projetar precodificador ou alocação de usuário, por exemplo. No entanto, FDD não pode explorar reciprocidade do canal. Assim, operar MIMO em FDD é desafiador, pois com o aumento no número de antenas a quantidade de informação a ser repassada ao transmissor se torna impraticável. Desta forma, comprimir CSI de sistemas MIMO FDD é de interesse. Além disso, o uso de vastas faixas de espectro, bandas abaixo de 6 GHz e ondas milimétricas, leva a diferentes características de canal. Também, a proximidade de encapsulamento dos elementos de antena aumentam a correlação espacial do arranjo MIMO. Consequentemente, essa correlação pode ser explorada para prover compressão do CSI. Essa dissertação apresenta uma visão geral sobre compressão de CSI e propõe uma meta heurística que usa codificação por transformada de baixo custo computacional, e faz uma avaliação sistemática dos métodos de compressão baseado em simulações realistas de canais MIMO. Além, disso, o impacto de diferentes aplicações do 5G e o projeto das antenas dos transmissores e receptores também são incluídos na avaliação para escolha do método de codificação por transformada para comprimir CSI em sistemas MIMO FDD.