海量机器类通信(massive Machine-Type Communications,mMTC),作为物联网的主要存在形式,是未来无线通信网络的三个应用场景之一。如何实现海量MTC设备(MTC Device,MTD)有效地接入,成为了当下研究热点之一。在有限的资源条件下,非正交多址接入(Non-Orthogonal Multiple Access,NOMA)和MTC多用户分群技术成为实现mMTC系统大规模接入的两个关键技术。然而,MTDs以动态分布的方式工作,导致在不同时刻每个资源块上接入到群头(MTC Header,MTH)的MTDs数量是动态变化的;当超过预期数量的MTDs同时接入到同一个资源块上时,将导致某些MTDs接入失败。为了解决此问题,在保证基站(Base Station,BS)下行通信速率前提下,本文对mMTC分群网络上下行资源复用策略(Uplink and Downlink Resource Reuse Strategy,UDRR)进行了深入地研究,主要贡献与创新如下。(1)针对群与群之间没有信息交互的情况,MTDs用户复用本群的下行通信资源,本文提出了基于NOMA的同群上下行资源复用策略(UDRR in the Same Cluster,UDRR_S),其本质是NOMA系统在复杂约束条件下的分布式资源分配问题。在保证该群BS-MTH下行通信速率的条件下,建立了最大化接入MTDs数量的优化问题。由于此问题的搜索空间非常庞大,难以求解,因此基于串行干扰消除(Successive Interference Cancellation,SIC)技术,利用贪心选择策略,设计了 UDRR_S算法。同时,还推导了最优解的上界以及mMTC系统中断概率与接入用户数量的关系。(2)针对群与群之间有充分信息交互的情况,MTDs用户复用其他群的下行通信资源,本文提出了基于干扰协调的异群上下行资源复用策略(UDRRin Different Clustrers,UDRR_D),其本质是分群网络在多条件约束下的上下行干扰协调问题。在保证BS-MTHs下行通信速率的情况下,建立了所有群的MTDs-MTH上行通信总和速率最大化的优化问题。将此优化问题分解成资源分配和功率控制两个子优化问题,设计了 UDRR_D算法,包括基于干扰冲突图的资源块分配算法以及基于拉格朗日乘子法的迭代功率控制算法。进一步地,还分析了算法的复杂度以及多种复用机制下的系统性能。分析与仿真结果表明,本文提出的上下行资源复用策略,可以有效地降低系统中断概率、提高上行通信系统容量,从而满足大量MTDs用户接入需求。