非正交多址接入（Non-orthogonal Multiple Access,NOMA）由于具有高性能,低时延,可增加用户接入数且与现有4G架构兼容等优点,已成为5G中广泛研究的技术。功率分配是NOMA中的关键部分,用户分组是功率分配的前置条件,而现有的用户分组算法和功率分配算法均存在一定的局限性,因此对用户分组算法和功率分配算法的研究有重要的意义。现有的用户分组算法存在局部最优,不能解决用户动态变化的问题。本文根据用户分组原则和用户动态变化时的特征提出一种基于公平性的动态分组算法和一种基于最小投影的用户分组算法。基于公平性的分组算法以公平性为约束条件,当小区内用户位置或用户数量发生变化时可以动态地将用户分组,避免陷入局部最优且解决了用户动态变化的问题。基于最小投影的分组算法以最小化用户的投影距离为目标进行分组,将用户间相似度和增益差的矩阵计算转换为投影距离的计算,极大降低了算法的复杂度。仿真结果表明,所提算法的性能均优于传统分组算法。现有的功率分配算法存在复杂度过高、分配因子固定导致不能适应动态变化、资源分配引入新的干扰等问题,本文根据5G信道模型标准提出了适用于不同场景的功率分配算法。基于信道状态信息的功率分配算法适用于低速移动的场景,该算法根据用户的具体信道状态信息建立优化模型,通过拉格朗日乘数法求解得到分配给用户的功率大小。基于马尔科夫链的功率分配算法适用于高速移动下视距传输的场景,该算法通过建立有向图,对移动中的用户进行位置预测,根据位置信息进行信道状态预测,通过信道状态信息进行功率分配。基于BP神经网络的功率分配算法适用于高速移动下的非视距传输场景,该算法根据用户的历史信道状态信息预测未来一段时间内的信道状态,再根据用户的需求进行功率分配。仿真结果表明,所提算法性能均优于传统分配算法。