随着智能终端的普及和移动互联网的发展,大量的应用如QQ、微信、微博等即时通信业务和机器到机器(Machine to Machine,M2M)通信业务产生了数量巨大、时间域稀疏的小数据包。同时移动终端和物联网设备数量也呈现急剧上升的趋势,导致小数据包在通信网络中所占的比重将越来越大。面对海量的小数据包业务,当前上行链路的正交多址(Orthogonal Multiple Access,OMA)方案面临着频谱效率低、支持连接数有限和信令开销繁重等问题。更加高效的多址接入技术得到了人们广泛的关注,其中非正交多址(Non-Orthogonal Multiple Access,NOMA)在频谱效率和大连接的支持方面有着显著的优势,针对信令开销繁重的问题则需更进一步考虑上行免信令的传输机制,即用户随机发送数据而不依靠基站进行调度的方案。采用了免信令传输机制的小数据包上行NOMA系统,资源的非正交分配会导致用户间干扰更大,从而增加了接收机的复杂度;另一方面由于免去了对用户进行调度的过程,导致接收端未知用户状态,活跃用户的检测和信号的解调都需要联合在接收端实现,更进一步增加了接收机的设计难度。针对这些挑战,本文将研究如何充分的利用小数据包的特点来实现用户的准确检测和信号的可靠解调。首先,我们对小数据包上行NOMA模型进行了分析,利用海量连接中自然存在的用户行为稀疏性,将其信号的解调转化为压缩感知(Compressed Sensing,CS)中典型的块稀疏恢复问题,并对当前的块稀疏恢复算法进行了总结和对比。通过分析小数据包解调与一般稀疏恢复的区别,我们将干扰消除用于块稀疏恢复中并归纳出小数据包解调的基本步骤。然后,针对活跃用户数未知导致的解调算法不能及时停止、用户面临误检或漏检的问题,我们对解调过程中残差能量的变化规律进行了研究,并以此得到了合适的迭代终止条件,使得活跃用户刚好被检测时能及时的停止迭代,实现了接收端对活跃用户数的间接估计。从而不依靠活跃用户数(稀疏度)作为先验信息,就能实现块稀疏信号的可靠解调。从仿真结果看,无论在一般的块稀疏恢复还是小数据包的解调中,所提出的方法都能准确的估计出稀疏度。最后,为了更好的控制多用户解调的干扰,我们对具体的用户解调过程进行了研究,得到了用户检测次序的规律以及检测用户数量与解码性能的关系。在对用户误检测合理的控制下,更进一步的确定了每次迭代合适的解码用户分组,并提出了基于串行组解码(Successive Group Decoder,SGD)的块稀疏恢复算法,以此来加速迭代过程和提高解调准确性。同时我们分析了算法的理论解调性能,并从复杂度方面与当前算法进行了对比。通过仿真结果可以看出,相比当前的块稀疏恢复算法,本论文所提出的方法在解调的准确性和复杂度方面都有明显的优势,迭代过程能更快收敛,解调的误帧率也更低。