车队编排作为车联网(Vehicle to Everything,V2X)中的一种重要应用场景,允许一组车辆以车队方式紧密相连,并通过车辆间的信息交换实现协同驾驶。由于该场景中存在大量用户连接和频繁信息交换,对时延和可靠性也都提出了更高要求,因此需要提高频谱效率。而非正交多址接入(Non-Orthogonal Multiple Access,NOMA)技术不仅可以提高频谱效率,还可以解决用户间的资源碰撞问题,避免重传导致的时延开销。因此本文认为可以将NOMA技术应用与车队编排场景。本文为车队编排场景设计了一种时间资源分配方案,并分别讨论了头车周期性多播下的中继传输方案和非周期免授权传输下的激活用户检测算法。首先,本文阐述了V2X和NOMA的研究现状与标准化进程,并调研了NOMA在V2X下的应用方向与研究现状。接着,本文介绍了车队编排场景下的通信模式和通信流程,并针对该场景下既存在周期性信息交换也存在非周期性信息交换的特征,设计了一种车队内的时间资源分配方案,即将一段通信间隔划分为周期性通信间隔和非周期性通信间隔。在周期性通信间隔引入了自包含子帧结构以实现快速反馈,并提出可以引入NOMA技术,通过将多种上报信息叠加在一个符号上节省符号资源。在非周期性通信间隔中,引入了基于NOMA的免授权传输方案,并分析了该方案中的资源划分和签名分配问题。然后,本文针对周期性通信间隔中头车多播的场景进行研究,提出可以使用稀疏码多址接入(Sparse Code Multiple Access,SCMA)作为多播的NOMA方案。为了应对头车多播时的路径损耗,设计了两种中继方案,即基于位置信息选择最远车队成员作为中继的单中继方案,以及所有成功解码头车信息的车队成员直接占用相同信道进行转发的多中继方案。本文将这两种中继方案与直接传输方案进行了对比,给出了三种传输方案的系统模型,并推导了不同传输方案下的系统中断概率,还对两种中继方案下的通信周期时间进行了比较。然后,本文对理论推导结果和实际信道场景下的中断概率性能和传输时间进行了仿真验证。仿真结果表明引入中继可以弥补路径损耗,降低系统中断概率。单中继方案由于可以选择最优中继,因此具有最优的中断概率性能。而多中继方案中引入了用户间干扰,系统中断概率性能有所下降,但多中继方案避免了中继选择的信令交换,实现了更低的传输时间。最后,本文针对非周期通信间隔中的紧急安全通信提出了一种免许可异步接入模型,并针对该模型设计了一种基于异步稀疏贝叶斯学习(Asynchronous Sparse Bayesian Learning,ASBL)算法和支持向量机(Support Vector Machine,SVM)分类器的接收机框架。即首先使用ASBL算法对导频接收信号进行时域信道估计,并得到初步激活用户索引。然后利用SVM分类器对ASBL算法得到的信道估计结果进行二分类,实现激活用户识别,以得到更精确的激活用户索引。仿真结果表明,相比于一些基于压缩感知的算法,本文给出的ASBL算法可以得到更优的信道估计性能。而引入SVM分类器可以在不对影响信道估计结果的前提下大大降低虚警概率,提升激活用户检测性能。