随着移动通信技术进入5G时代和物联网技术的迅速发展,万物互联的“智慧城市”将不再是遥不可及的概念。在新一代移动通信技术的支持下,将会有海量的机器类通信(Machine Type Communication,MTC)设备接入网络,用于智能测绘、可穿戴设备、自动驾驶以及智慧医疗等领域,这种应用场景称为大规模机器类型通信(Massive Machine Type Communication,m MTC)场景。能够在几乎无需人为干涉的情况下实现MTC设备之间的相互连接和数据通信交互的机器与机器(Machine-toMachine,M2M)通信,被认为是支持m MTC应用场景的关键技术。M2M通信的关键挑战之一是海量MTC设备的网络接入问题。基于现有的LTEA蜂窝网络的授权随机接入方案中,用户在接入网络前需要通过四次握手来获得接入授权。与MTC设备实际传输的小数据包相比,接入过程中产生的较大信令开销使得实际数据传输的效率较低。此外,随着用户数的增大,第一次握手中使用的有限前导码资源的碰撞会越来越频繁,这将造成严重的时延、功耗和无线电资源浪费。授权随机接入方案存在的上述问题,使得无需进行握手过程的免授权随机接入方案成为解决M2M通信接入问题的另一种选择。联合非正交多址接入(Non-orthogonal Multiple Access,NOMA)的多信道时隙ALOHA(Multi-channel Slotted ALOMA,MSALOHA)传输方案是一种基本的免授权随机接入方案。在此基础上,本文针对M2M通信的免授权随机接入问题,提出了一种基于自适应NOMA的免授权随机接入方案。针对固定NOMA功率级数时无法适应M2M通信中不断变化的网络负载这一缺陷,该方案在对活跃用户数进行实时有效估计的基础上,实现了对NOMA功率级数的动态调整和用户的动态接入控制。在保证一定用户成功概率和吞吐量的前提下,该方案能够使得NOMA功率级数适应当前的系统接入负载,从而起到防止网络阻塞和降低功耗的作用。针对方案中的用户数估计问题,本文提出一种联合双用户前导码检测的最大似然估计(Dual-User Preamble Detection-Maximum Likelihood Estimation,DUPD-MLE)方法。对比已有的基于空闲前导码和独占前导码的最大似然估计(Idle and Exclusive Preamble Based Maximum Likelihood Estimation,IEPB-MLE)方法,DUPD-MLE方法通过引入多径效应下可检测碰撞的双用户前导码的先验概率信息,进一步增大了估计的准确性和有效范围,更适用于M2M通信场景。实验结果表明,对比IEPB-MLE方法,当前导码数分别为54和64时,若以归一化平均误差为0.1以下作为有效估计范围,DUPD-MLE方法的有效估计范围分别提高了约40%和31%;若以归一化均方误差为0.1以下作为有效估计范围,DUPD-MLE方法的有效估计范围分别提高了约50%和36%。针对方案中NOMA功率级数的设计问题,本文通过进一步分析联合NOMA的MSALOHA传输方案的吞吐量性能,以用户成功概率作为关键性能指标,提出自适应NOMA功率级数的设计方法,使得系统负载与传输功耗相适应。在设计的NOMA功率级数达到系统预设的最大功率级数时,本文给出了相应的接入控制方案。仿真结果表明,与传统固定NOMA功率级数的方案相比,本文所提出的方案在保证较高的用户成功概率和传输吞吐量的同时,可以有效地防止系统阻塞和功率浪费。