经过近几十年的发展,无线通信已经从第一代（First Generation,1G）发展到第五代（Fifth Generation,5G）,从只支持模拟语音业务演进至如今支持多样化的数据业务。物联网（Internet of Things,Io T）能够让普通物理对象实现互联互通的网络,并推动各种应用的发展,例如智慧城市、智慧工厂和智能电网等。海量机器类型通信（massive Machine-Type Communications,m MTC）作为5G的一个重要应用场景,用以支持多样的物联网业务。与传统场景相比,m MTC会有几个显著特点:（1）海量接入设备以及低激活概率;（2）激活设备的短数据包;（3）设备的低成本和低功耗。随着后5G（Beyond Fifth Generation,B5G）和第六代（Sixth Generation,6G）通信的不断发展,上述特性将对现有的随机接入方案带来严峻的挑战。在基于授权的随机接入方案中,需要握手过程在基站和激活设备之间交换调度信息。然而,握手过程会带来较多的信令开销,导致短数据包传输效率低下。为解决海量连接设备场景中随机接入方案所面临的挑战,本文设计了基于盲检测算法的免授权随机接入方案。具体的研究内容如下:为了降低免授权随机接入方案的数据处理时延、减少信令开销,提出了一种基于独立分量分析与分类器分集合并的免授权随机接入方案（Independent-ComponentAnalysis based Classifier Diversity-Combining Grant-Free Random Access,ICA-CDCRA）。具体而言,基站端采用多个ICA分类器利用ICA算法对接收信号进行分离,得到分离信号,接着检测设备的活跃性信息和数据信息。ICA-CDC-RA方案提出了三种策略以充分利用多分类器的特性:第一,提出对帧结构中的ID信息和数据信息采用独立编码的方式,以提高从分离信号中识别设备的准确性;第二,提出用于软判决译码的等效噪声估计策略,进一步提高译码精度;第三,在数据信息恢复阶段,提出利用基于分类器的分集合并技术,改善数据检测的准确性。最后,通过仿真说明了该方案在检测精度方面优于现有的基于ICA和基于压缩感知的免授权随机接入方案,能够获得较低的误比特率、误帧率和随机接入失败概率。为了将理想随机接入场景下的ICA-CDC-RA检测方案推广到一般的随机接入场景中,提出了噪声量化策略和固定符号辅助的信道估计策略,即基于噪声量化的迫零信道估计（Chanel Estimation based Zero Forcing,CE-ZF）算法和基于噪声量化的线性最小均方误差信道估计（Chanel Estimation based Linear Minimum Mean Squared Error,CE-LMMSE）算法,提升了免授权随机接入中数据检测的准确性。在所提的两种检测算法中,经过ICA分类器得到分离后的信号,可利用参考符号,分别进行迫零或LMMSE信道估计。接着,进一步量化等效噪声,计算对数似然比用于软判决译码。最后,将对数似然比序列送入设备活跃性检测和分集合并模块,恢复上行数据信息。通过仿真说明了基于噪声量化的CE-ZF检测算法和基于噪声量化的CE-LMMSE检测算法在检测精度方面均优于ICA-CDC-RA方案。