随着智能终端的普及以及各种移动新业务需求的持续增长,为满足高容量、高速率、低成本、低能耗、低时延、高可靠等技术要求,第五代移动通信系统(5G,5th Generation Mobile Communication Systems)新空口(NR,New Radio)的架构将基于灵活的参数集和帧结构、波束赋形、大规模天线,在大幅提升以人为中心的移动互联网业务使用体验的同时,全面支持以物为中心的物联网业务,实现人与人、人与物和物与物的智能互联。大规模多输入多输出(MIMO,Multiple-Input Multiple-Output)无线传输技术通过深度挖掘空间资源,能显著提升系统频谱效率和传输可靠性,但若要走向全面应用,仍面临一系列挑战。本论文面向5G-NR系统,从大规模MIMO波束域信道特性出发,研究了大规模MIMO系统随机接入方法。全文主要内容如下:首先,针对5G-NR架构,研究了同步信号设计和上行随机接入过程。讨论了NR系列协议,包括5G的无线帧结构配置,资源映射位置以及随机接入流程,并给出物理随机接入信道(PRACH,Physical Random Access Channel)信号的定义以及其资源映射规则。为了得到上行随机接入的定时调整参数,需要首先进行用户检测和定时估计。利用大规模MIMO波束域信道的稀疏性,发现可以将上行定时估计问题转化为压缩感知问题进行求解。为此,讨论了压缩感知理论方法,并研究了单测量向量(SMV,Single Measurement Vector)与多测量向量(MMV,Multiple Measurement Vectors)模型下的典型恢复算法。其次,针对大规模MIMO随机接入中存在的检测问题,研究了大规模上行定时估计算法。首先研究了大规模MIMO空间信道建模,得到了空间域信道与波束域信道之间的变换关系。在此基础上,研究了最大似然准则下的定时估计算法。基于确定和随机信道两种假设,研究了最小二乘(LS,Least Square)信道估计和最小均方误差(MMSE,Minimum Mean Square Error)信道估计下的两种定时估计算法。鉴于MMSE信道估计下的定时估计算法复杂度较高,引入信道能量耦合阵,并提出波束域近似估计算法,该算法能在降低运算复杂度的同时性能逼近MMSE信道估计下的定时估计算法。进而给出了随机接入判定和定时估计准则。另外,利用波束时延域信道的稀疏特性,提出在未知信道状态信息情况下采用压缩感知算法来进行定时估计。仿真结果表明,天线域的压缩感知算法与LS信道估计下的定时估计算法性能一致,所提出的波束域压缩感知定时估计算法可以逼近波束域近似估计算法。最后,针对大规模MIMO传输系统,提出了大规模MIMO联合用户检测和上行定时估计算法。基于物理建模信道,揭示了大规模MIMO系统中角度时延域信道的近似稀疏特性。进而给出多用户接入系统模型,论证了此模型下信道矩阵的结构化稀疏特性。在未知信道状态信息的情况下,利用信道的结构化稀疏特性进行联合用户检测和定时估计,提出了基于波束域信道特性的修正正交匹配追踪(M-OMP,Modified Orthogonal Matching Pursuit)算法。仿真结果表明,采用M-OMP算法能够比OMP算法等传统的MMV算法以及LS信道估计下的定时估计算法拥有更好的用户检测性能和定时估计性能,可以支持更多的接入用户。随着基站端天线数的增加,M-OMP算法能够获得更加显著的性能增益。