第五代移动通信技术（5th Generation Mobile Networks,5G）中,多输入多输出（Multiple-inputmultiple-output,MIMO）技术和非正交多址（Non-Orthogonal Multiple Access,NOMA）技术是实现超高系统容量的关键技术。信道状态信息（Channel State Information,CSI）既是MIMO空间复用增益提升的关键,也是NOMA技术中干扰消除性能改进的核心。未来无线通信网络需要支持超过现有网络10～100倍的设备,最终达到每平方公里连接100万终端的能力。现有的为了减少训练开销而提出的活跃设备检测和信道估计联合方案在大规模接入系统依然存在以下几个问题:1)设备数目和天线数目的激增带来了高维度的矩阵运算;2)活跃设备检测错误和信道估计误差严重影响数据恢复性能;3)持续增长的设备数目带来的训练开销的持续增加降低了业务数据传输的时频资源占比。如何在系统开销和实现复杂度受限的情况下实现活跃设备检测和信道估计并留出充足的资源进行数据传输是本问题的核心所在。因此针对上述问题,论文主要在以下几个方面开展工作:1)为了降低大规模接入系统的训练开销,论文采用活跃设备检测和信道估计结合的方案。论文利用MIMO通信信道特有的块稀疏结构特征,采用压缩感知方法进行活跃设备检测和活跃设备数目估计,获得活跃设备支撑集合,在此基础上仅对可能的活跃设备进行信道状态估计,该方法可在降低训练开销的同时提升活跃设备检测性能。进一步,论文利用残差和信道响应幅值的统计特性提升活跃设备数目估计的准确性,降低了相关算法的实现复杂度。2)论文分析了活跃设备检测错误和信道估计误差对数据恢复的影响,并计算每个设备数据恢复时的信干噪比（Signal-to-Interference-Plus-Noise Ratio,SINR）。根据信干噪比的表达式,论文给出了训练序列的符号数目和功率分配因子的优化方法;进一步论文提出基于反馈的数据辅助信道估计性能改进方法,即将正确恢复的数据反馈至信道估计器,结合原有的训练序列更新活跃设备集合和信道状态信息,等效延长训练序列的符号数目。理论分析和数值实验结果均显示该方法可同时提高活跃设备检测和信道估计性能。3)论文提出将用于活跃设备检测和信道估计的训练符号叠加在上行传输的数据符号上的叠加传输方案,以提高传输效率。该方案无需为信道估计预留专门的时频资源,可以有效提高数据传输效率,但同时也引入了训练序列和数据符号之间的交叉干扰。进一步,为了降低叠加传输时训练序列和数据之间的交叉干扰,论文首先将传输分为训练阶段和业务阶段,然后将下一传输中的训练阶段与当前传输中的业务阶段叠加,在对当前活跃设备进行数据恢复的同时实现对下一传输的活跃设备检测和信道状态估计。最后,为了获得最佳的整体性能,论文对训练阶段和业务阶段的功率分配比进行了优化。4)论文在活跃设备的训练序列和数据叠加传输方案中引入了功率域NOMA技术优化每个活跃设备的发送功率,进一步降低设备间干扰,支持更大规模连接;论文首先分析了不同的功率分配方案对活跃设备检测和信道估计的影响,并提出了归一化的BOMP算法来提高功率域NOMA方案下的活跃设备检测性能;然后论文根据SINR表达式和功率分配因子的关系,优化功率分配因子并对比了不同的功率分配方案的性能。