Recientemente, el acceso múltiple no ortogonal (NOMA) se ha vuelto prevalente en la comunicación 5G. Sin embargo, los receptores tradicionales de cancelación de interferencia sucesiva (SIC) para NOMA todavía enfrentan desafíos. El efecto cerca-lejos entre los usuarios y las estaciones base (BS) resulta en una tasa de error de bits (BER) más alta para el receptor SIC. Además, el algoritmo de detección lineal utilizado en cada etapa SIC no logra eliminar la interferencia y es susceptible a la propagación de errores. En consecuencia, diseñar un receptor de sistema NOMA de alto rendimiento es un desafío crucial en la investigación de NOMA y particularmente en la detección de señales. Enfocándose en la detección de señales del receptor en el sistema NOMA, el trabajo principal es el siguiente. (1) Esta tesis aprovecha las fortalezas de las redes neuronales profundas (DNNs) para la detección no lineal e incorpora la baja complejidad computacional de la estructura de cancelación de interferencia sucesiva (SIC). La solución propuesta introduce un receptor de red neuronal profunda con retroalimentación (FDNN) para reemplazar el SIC en la detección de señales. Al emplear una red neuronal profunda para la detección no lineal en cada etapa, el receptor mitiga la propagación de errores, reduce la BER en los sistemas NOMA y mejora la resistencia contra la interferencia entre usuarios (IUI). (2) Describimos su flujo de algoritmo y proporcionamos resultados de simulación comparando los receptores FDNN y SIC en escenarios MIMO-NOMA. Las simulaciones demuestran claramente que los receptores FDNN superan a los receptores SIC en términos de BER para sistemas MIMO-NOMA.