未来5G移动通信在频谱效率和用户连接数等方面的需求都有巨大的增长,非正交多址接入(NOMA)打破了传统接入方式中资源正交的限制,允许多个用户通过功率域或码域的多路复用共享相同的时频资源,成为5G的关键技术之一。其中,上行免调度NOMA系统可以节约信令开销,减小传输时延而备受关注,但是基站端无法获知用户的活动状态,因而需要对用户的活动信息进行检测。由于该系统中用户活动具有稀疏性,满足压缩感知(CS)理论中信号必须稀疏的特点。鉴于此,本文对上行免调度NOMA系统中基于压缩感知的多用户检测(MUD)做了相关研究,具体内容如下:第一,考虑基站配备单根天线的情况,结合压缩感知理论,重点分析了上行免调度NOMA系统中利用不同类型的压缩感知重构算法进行多用户检测时,活跃用户数量和系统的过载率对检测性能的影响。仿真结果表明,随着活跃用户数量和过载率的增加,常用的压缩感知算法检测性能逐渐变差,而结构化迭代支撑检测算法(SISD)的检测性能依旧较好。第二,考虑基站端配备多根天线的情况,提出一种基于压缩感知的硬融合算法(CS-HFA)实现上行免调度SIMO-NOMA系统的多用户检测。该算法首先在每根天线利用传统的压缩感知算法检测用户的活动信息,然后融合每根天线检测出的用户活动信息获得一个估计的活跃用户的集合。最后,利用这个集合估计活跃用户的传输数据。与传统的单天线情况相比,通过适当的增加天线的数目,所提算法的误码率性能显著提高。第三,针对上行免调度SIMO-NOMA系统中活跃用户数量未知的情况,提出一种稀疏度自适应的多用户检测算法(SAMP-HFA)。该算法首先通过对传统的SAMP算法设定合适的停止阈值分别在每根天线端对用户的活动信息进行检测,然后通过对多根天线的检测信息进行融合进而提高用户活动信息检测的准确性。该算法不仅以较低的复杂度实现了SIMO-NOMA系统中活跃用户数量未知情况下的多用户检测,并且随着天线数目的增加,该算法的检测性能显著提高。