随着物联网（Internet of Things,IoT）设备数量的急剧增加,基于正交多址（Orthogonal Multiple Access,OMA）的无线通信技术极大地受到了有限频谱资源的限制,大规模IoT设备接入导致的数据冲突和丢失变得不可接受,研究新的接入技术以适应IoT设备的增加变得尤其重要。本文主要针对非正交多址接入（Non-Orthogonal Multiple Access,NOMA）技术应用于IoT场景所面临的接入用户检测、系统优化等技术难点,分别从上行激活用户检测、系统吞吐量优化等方面进行了研究,并采用通用软件无线电外设（Universal Software Radio Peripheral,USRP）搭建了基于稀疏码分多址接入（Sparse Code Multiple Access,SCMA）技术的验证平台,验证了SCMA技术在IoT场景应用的可行性。首先,针对不同制式的NOMA方案,本文给出了统一的激活用户检测模型,并针对传统激活用户检测算法准确率低和复杂度高等问题,提出了一种基于长短期记忆网络（Long Short-Term Memory,LSTM）的检测算法。仿真结果表明,基于LSTM网络的激活用户检测算法在激活用户数为150时,最优虚警概率和漏检概率相比于正交匹配追踪（Orthogonal Matching Pursuit,OMP）算法和稀疏贝叶斯学习（Sparse Bayesian Learning,SBL）算法分别从0.051和0.138降低到了0.01和3.326×10-4。并且,针对SCMA方案设计的导频最低达到了0.006和7.285×105-。另外,基于LSTM网络的检测复杂度相比于OMP和SBL算法的o（n~3）降低到了o（n ~2）。其次,本文结合NOMA技术解决了传统ALOHA方案不允许数据包冲突的问题,推导了IoT场景上行多用户接入的系统吞吐量表达式,给出了结合节点速率和激活概率优化系统吞吐量的算法流程。仿真结果表明,在确定潜在节点数的情况下,随着激活节点数的增加,系统吞吐量也会随之增加,但是,各个节点的数据速率会降低。并且,获得最大系统吞吐量对应的节点激活概率也在增加。另一方面,在节点激活概率不确定的情况下,系统吞吐量与潜在用户总数之间没有必然联系。最后,本文利用USRP搭建了上下行SCMA方案测试平台,对实际NOMA技术传输的性能进行验证。通过实际传输数据的测试发现,下行SCMA方案能够准确恢复传输的数据信息,上行SCMA方案在各个节点的接入时延差小于0.3μs时,也能够准确的恢复节点数据。