近年来随着无线通信新技术的飞速发展,连接到通信网络的设备数量快速增长。为了保证海量设备连接以及较高的数据传输效率和超低传输时延,中国移动研究院提出了一种很有前景的云无线接入网（Cloud Radio Access Network,C-RAN）架构,能够满足爆炸性的实时数据业务需求。根据C-RAN系统的大规模用户连接特性,为了解决传统的基于授权的无线接入方式引起的大量信令开销以及系统传输效率差等问题,本文采用了最新研究的5G无授权接入技术,不需要预先向基站申请无线传输资源。但是在无授权接入技术中,基站不知道哪些用户处于活跃状态正在传输数据,也不知道信道的状态信息,从而无法恢复活跃用户传输的数据,所以系统首先需要进行活跃用户检测（Active User Detection,AUD）和信道估计（Channel Estimation,CE）。本文主要研究的是基于无授权接入的C-RAN上行链路系统中的活跃用户检测和信道估计联合检测算法设计。根据以往研究可知C-RAN场景中活跃用户的分布是稀疏的,启发了应用压缩感知（Compressed Sensing,CS）理论将活跃用户检测和信道估计联合检测问题表达成压缩感知信号恢复问题。本文基于高效并行的交替方向乘子法（Alternating Direction Multiplier Method,ADMM）,在单天线系统提出了高效的Double-ADMM（D-ADMM）联合检测算法,在MIMO（Multiple Input Multiple Output）系统提出了Block-ADMM（B-ADMM）联合检测算法。本文分别对单天线系统和MIMO系统进行研究,主要内容如下:1、面向单天线系统的D-ADMM联合检测算法:单天线系统的联合检测问题是一个标准的压缩感知块稀疏问题,通过将原问题分解并引入ADMM,提出了高效的联合检测算法D-ADMM算法。算法设计过程中首先将原问题分解成几个子问题进行并行求解,每个子问题是标准的压缩感知问题,为了解决每个子问题的非凸约束7)₀范数问题,将7)₀范数释放到7)₁范数;然后引入正则项,将子问题转化成凸优化无约束问题,从而无需获取稀疏度先验知识;最后引入ADMM,将无约束子问题分解成多个简单的局部子问题,并通过迭代交替的方式求解,从而实现信号恢复。D-ADMM算法不需要稀疏度先验知识,得到的活跃用户检测和信道估计性能可以达到凸优化类重构算法标准内点法得到的性能,但是计算时间可以降低2个数量级,有效地实现了活跃用户检测和信道估计。2、面向MIMO系统的B-ADMM联合检测算法:MIMO系统中信号恢复问题是一个标准的压缩感知块稀疏问题,将块稀疏问题转化成凸优化问题并引入ADMM,提出了一种高效的解决压缩感知块稀疏问题的方法B-ADMM算法。算法设计过程中首先将7)_2,0范数释放到7)_2,1范数,解决7)_2,0范数非凸约束问题,将原问题转换成凸优化问题;然后引入正则化参数,将凸问题转化成无约束问题,解决了稀疏度先验知识获取的问题;最后引入ADMM,进行并行交替求解,从而得到原始信号。B-ADMM算法不需要稀疏度先验知识,信号恢复性能可以达到标准内点法得到的性能,计算时间可以减少1个数量级,且不随导频长度的增长而线性增长。