随着物联网市场的发展,5G移动技术将海量机器类型的通信(massive Machine-Type Communications,mMTC)作为三大主要场景之一。这种通信具备大规模、低活跃度、低功耗等特点,它所面临的重要挑战是以有效和及时的方式检测活跃设备并解码设备发送的数据。本文研究如何在环境反向散射通信(Ambient Backscatter Communication,AmBC)系统中低延迟地检测大量设备的活跃度,并估计有效信道的问题。本文研究了在AmBC系统中对于多个高速率的反射设备的活跃度检测,并同时对信道进行估计的问题。文中采用无授权的传输方案进行求解,相较于传统的基于授权的随机接入方案,此处使用的方案降低了传输时延和信令开销,并增加了网络中能够容纳的设备数量。进一步,利用有效信道的稀疏性,本文使用近似消息传递(Approximate Message Passing,AMP)算法进行求解。该算法是针对于压缩感知的一种计算复杂度很低的高效的迭代阈值算法,其在信道估计上的性能上接近传统的最小均方误差(Minimum Mean Square Error,MMSE)检测的性能。仿真结果证明,本文能够低延迟且准确地检测AmBC系统中大量设备的活跃性,并估计它们的信道。本文也对AmBC系统中的反射设备数据速率低的情况进行研究,检测了多个反射设备的活跃性并估计了对应的信道。建立的模型中感知矩阵中的元素不是独立的,所以无法用AMP算法进行有效求解。为了克服这个问题,本文利用射频源符号的特点对AMP算法做出改进,消除了感知矩阵元素间的相关性,并引入了扩频增益,提升了检测的信噪比。从仿真结果可以得知,本文采用的改进的AMP算法可以在AmBC系统中检测多个低速率设备的活跃性并对有效信道进行估计,特别地,在射频源速率一定时,反射设备的速率越低,检测和估计的性能越好。本文成功地将低消耗、低能耗的AmBC系统与mMTC相融合,在AmBC系统中多个设备同时通信的场景下,针对于反射设备数据速率不同的情况进行了详细的架构分析和算法求解。从理论分析和数值结果中,可以证明,本文实现了在AmBC系统中对于大量设备的活跃度检测和信道估计,并取得了不错的性能。