随着近年来物联网业务的快速发展,以及地面通信设置的局限性,空间物联网(Space Internet of Things,S-Io T)以其低费效比的广域覆盖和宽带接入能力成为下一代物联网发展的重要方向之一。空间物联网可以覆盖难以布设地面设施的偏远山区、海洋、沙漠、森林等地区,并以其大带宽、高速率在智能交通、高清视频传送、商业航空和海事服务等方面得到广泛的应用。此外,爆炸式增长的物联网设备的大规模机器通信(Massive Machine Type Communications,m MTC)需求使得非正交多址(Non-Orthogonal Multiple Access,NOMA)传输机制受到相关学者和工业界的关注。但是,现有NOMA机制的资源分配方案只考虑固定功率约束,对于功率有限的卫星,长期网络性能略逊色;另一方面,卫星的缓存资源有限,需要考虑数据溢出问题。因此,本文综合考虑卫星有限的功率、缓存等资源,基于李雅普诺夫理论研究卫星与地面多终端下行通信功率域NOMA传输机制的联合资源分配策略。具体研究内容如下:建立了一个多波束卫星的单个子载波束覆盖范围下与多个地面终端下行通信的S-Io T场景,通过排队论联合考虑长期功率限制和缓存限制,以此构建长期联合资源优化分配问题,并利用李雅普诺夫理论将该长期问题分解成多个单时隙在线子问题。在该优化问题模型下,首先分析了基于缓存分配资源的NOMA方案与现有的基于信道的NOMA方案、以及正交多址(Orthogonal Multiple Access,OMA)方案的性能,仿真验证了S-Io T场景下,基于缓存的NOMA方案能够获得最优的性能。由于提出的资源分配长期优化是非凸优化问题,利用Karush-Kuhn-Tucker(KKT)条件缩小可行解的范围,然后搜索得到最优解。然而KKT方法的空间复杂度随用户数呈指数式增长,因而采用粒子群优化(Particle Swarm Optimization,PSO)算法进行简化并给出更优解。仿真验证了提出的资源分配长期优化NOMA-PSO方案优于现有的相关NOMA方案。同时,由于接收端的最佳连续干扰消除(Successive Interference Cancellation,SIC)译码顺序同时依赖于信道状态和缓存状态,难以通过经典的数学方法进行求解,因此采用深度学习逼近最优译码顺序,获得了性能的进一步提升。更进一步的,上述NOMA-PSO方案在最大化网络效用这一目标下,会倾向于将更多的功率分配给信道条件更好的用户,而部分信道较差的用户可能一直分配不到功率。基于此,本文引入服务质量(Quality of Service,Qo S)最低速率约束,从公平性指标入手,以提升用户间公平性为目标改进方案。研究了改进后的方案在不同信噪比下的中断概率、用户满意度等性能指标,并仿真总结出不同信噪比下可同时支持的最大用户数,验证了本文提出的NOMA长期资源分配方案在多用户接入时可以有效提高网络效用,降低网络时延。本文的创新性在于利用李雅普诺夫理论联合建模了功率和缓存的长期优化问题,然后将长期问题分解成单时隙在线子问题,根据信道状态和缓存状态实时地分配功率,提高了系统的网络效用,增强了网络稳定性。通过利用深度学习算法逼近最优的SIC译码顺序,进一步了提高系统性能。在此基础上结合了5G移动通信的高公平性指标,进一步改进方案。