随着物联网场景中无线接入设备数量的飞速增长，大规模机器类通信成为第五代移动通信系统(5th Generation Wireless Systems，5G)研究的重点之一。不同于语音通信和传统数据通信，大规模机器类通信具有大规模设备数量、小数据包传输、低移动性、稀疏传输、上行主导及功耗受限等特点。而传统的基于调度的随机接入方法具有繁琐的信令交互流程，这不仅会造成过多的时延，由于控制信息所占的开销相比于机器类通信小数据包来讲显得过大，还会造成频谱资源的浪费。同时，长期演进技术(Long-Term Evolution，LTE)中传统的随机接入方案中有限的前导码资源使大规模设备的冲突明显加剧，使接入成功率大大降低，并不能有效应对海量接入的场景。因此，在这些条件约束下，亟需从提高支持设备的数量、接入成功率等方面，研究能够面对海量接入场景的多用户接入及数据传输方案。
　　首先，本文将海量接入模型规划成一个最优化问题，并针对该优化问题提出了一种新的基于压缩感知的、联合解决活跃设备检测、信道估计及数据恢复的算法。特别地，提出的方案考虑了信道编解码的校验机制，利用校验机制产生的边信息以增强数据恢复性能。实验结果表明提出的方案较比现有的基于压缩感知的方法以及LTE中传统的随机接入方案具有更好的数据恢复性能。
　　其次，不同活跃设备传输的数据量是不同的，以及调制符号对应的星座点集合为有限集，本文进一步考虑以上两点约束条件，将海量接入模型进一步规划为新的优化问题。为解决该优化问题，同时考虑到小区中活跃设备数量在基站侧是未知的，本文提出一种联合解决活跃设备数量估计、活跃设备检测、信道估计及数据恢复的算法。特别地，提出的方案利用活跃设备数据量的多样性信息以后向检测的方式增强活跃设备数量估计及初始活跃设备检测性能，利用调制星座点信息及数据符号及导频符号的联合稀疏性信息增强活跃设备检测性能。实验结果表明所提方案比现有的基于压缩感知的方法以及LTE中随机接入方案具有更好的活跃设备数量估计、活跃设备检测、信道估计、数据恢复以及吞吐量性能。
　　最后，本文针对海量接入模型，提出了综合以上两方案所有增强机制的优化问题以及解决该优化问题的算法。实验结果同样表明所提方案比现有的基于压缩感知的方法以及LTE中随机接入方案具有更好的系统性能。同时针对所提方案进行理论分析，包括算法收敛性分析、后向检测机制具有性能增强效果的合理性分析以及计算复杂度分析。