为了满足未来第五代移动通信(The fifth generation mobile communication,5G)系统的技术愿景与性能要求,稀疏编码多址(Sparse code multiple access,SCMA)被提出在5G无线网络的新型空中接口中使用。作为一种非正交多址技术,SCMA能够打破原有多址方案的正交化设计天花板,为海量连接提供更好的支持。在上行数据传输场景中,SCMA能够与基于竞争的免许可传输机制结合,允许海量用户通过随机接入的方式同时进行数据传输,这便要求上行免许可SCMA的接收端能够在没有激活导频和码本的先验信息的情况下,完成激活用户检测、信道估计以及用户数据解码,因此本文对用于上行免许可SCMA系统的用户盲检测算法及其优化方案进行了研究。首先,本文分析了当前无线通信系统的局限性,提出将基于竞争的免许可随机接入机制和非正交多址技术的结合作为本文的研究内容,并根据SCMA原理和竞争接入传输机制建立了上行免许可SCMA的系统模型,明确了模型的接收端结构和其中所需的功能。接下来,本文基于机器学习中的稀疏贝叶斯学习(Sparse Bayesian learning,SBL)框架完成了上行免许可SCMA接收端中的激活用户盲检测算法的设计,该算法能够在不需要激活用户数先验信息的情况下实现激活用户检测和信道响应估计的功能。此外,本文还给出了设计算法的复杂度,并结合算法的仿真验证结果对算法的性能进行了分析。最后,文章对用于上行免许可SCMA用户数据检测译码的消息传递算法(Message passing algorithm,MPA)进行了介绍,并根据算法的并行特性和软基带处理需求创新性地提出了一种基于图形处理单元通用计算(General-purpose computing on graphics processing units,GPGPU)的MPA并行化处理方案。并行化处理方案的功能仿真在图形处理单元(Graphics processing units,GPU)上完成,根据仿真结果,该方案能够提供十分可观的并行增益,大幅缩减接收端中译码处理所引入的时延。文章还给出了并行化处理方案中主要功能函数的活动分析报告,具体分析了该方案的性能表现情况,并明确了方案中需要注意并进一步改进的制约因素。