相比于正交多址技术,非正交多址技术以其高频谱效率、高信道容量等优势,得到了人们的广泛关注,在5G多种场景下均可应用。非正交多址技术允许不同用户的发送信号之间存在干扰,从而能够在同等数量的正交资源上支持更多用户接入,接收端按照特定的检测算法去除其他用户信号的干扰,恢复各个用户的原始信号。目前有多种非正交多址技术,主要可分类为功率域和码字域的非正交多址技术,其中码字域的非正交多址技术可以更加灵活的支持不同的用户资源配置。本文主要围绕码字域的非正交多址技术,研究了低密度标签码分多址以及稀疏码多址接入技术,同时结合人工智能技术,研究了通过神经网络自编码器离线产生性能优良的稀疏码多址接入码本的方案。低密度标签码分多址技术是一种采用特定的稀疏标签序列实现多用户非正交资源分配的码分多址接入技术。尽管不同用户无法分配完全正交的标签序列,传输信号之间存在特定的用户干扰,但由于每个标签序列都是稀疏序列,在接收端可以应用复杂度较低的置信传播算法进行检测。标签序列对系统性能有重要影响,不同用户的标签序列要通过联合优化设计。标签序列联合设计是一个复杂的优化问题,包括用户在不同资源上的发送信号以及序列中复数因子的取值问题,尤其在用户数增多的情况下该优化问题将变得更加复杂。对此,本文提出了基于准循环矩阵扩展的稀疏标签矩阵设计方法,能够基于小规模用户数的优化标签序列,在用户数与资源数比值固定的情况下,提高整个系统支持的最大用户数量。同时,我们发现,在用户数增多的情况下,更大维度的稀疏标签矩阵可以有效改善系统性能。稀疏码多址接入方法是一种新的码字域的非正交多址接入方法,是对低密度标签码分多址技术更广义的扩展,同样在接收端可应用置信传播算法对不同用户的信号进行检测。不同的是,稀疏码多址接入方法将用户的调制与扩频相结合,给每个用户分配一个码本,并得到了新的增益。同样的,其码本设计是一个非常复杂的问题,本文提出了基于QAM分解的新的码本设计方法,合理安排每个资源上的参与用户及其子星座图,并进一步对不同用户的码字进行修正,不仅能够达到更优的性能,而且能够采用更低复杂度的检测算法。LDPC码是一种接近香农极限的信道编码方法,能有效提高非正交多址系统接收端恢复用户信号的正确率。此外,在联合非正交多址检测以及LDPC解码模型中,引入外迭代能进一步改善整个系统性能。人工智能在越来越多的领域显示出了很大的潜力,同样与通信技术也有很多的结合点。通过将神经网络工具应用到稀疏码多址系统码本的设计问题当中,只需要计算机随机产生用户的信息数据,便可以通过离线学习,得到性能较优的码本。本文通过仿真不同用户数、不同调制阶数等参数下神经网络自编码器得到的码本,并应用置信传播算法进行检测,发现神经网络自编码器方法有较高的鲁棒性,且得到的码本在某些情况下比传统方法设计的码本有更优的性能。