En el tipo de comunicación de máquina masiva (mMTC), el acceso múltiple no ortogonal sin concesión (NOMA) está recibiendo cada vez más atención porque puede omitir el complejo proceso de concesión para asignar recursos no ortogonales y servir a más usuarios. Para abordar los recursos inalámbricos limitados y los sustanciales desafíos de conexión, combinar NOMA sin concesión y múltiples entradas y salidas (MIMO) es crucial para mejorar aún más la capacidad del sistema. En el sistema MIMO-NOMA sin concesión, la estación base debe obtener la información relevante del usuario antes de la detección de datos. Así, la detección de actividad del usuario (UAD) y la estimación del canal (CE) son dos problemas que deben resolverse con urgencia. En este documento, consideramos completamente las características escasas de las señales y la correlación espacial entre múltiples antenas en el sistema MIMO-NOMA sin concesión. Luego, proponemos un algoritmo de aprendizaje bayesiano escaso de bloque con correlación espacial (SC-BSBL) para abordar los problemas conjuntos de UAD y CE. Primero, al aprovechar completamente la escasez de bloques de las señales en el sistema MIMO-NOMA sin concesión, modelamos el problema conjunto de UAD y CE como un problema de recuperación de señales escasas en tres dimensiones. En segundo lugar, derivamos la función de costo basada en la teoría bayesiana jerárquica y la correlación espacial. Finalmente, para estimar el canal y el conjunto de usuarios activos, optimizamos la función de costo con una maximización rápida de la verosimilitud marginal. Los resultados de la simulación indican que, en comparación con los algoritmos existentes, SC-BSBL puede utilizar siempre completamente la escasez de señales y la correlación espacial para completar con precisión UAD y CE bajo diversas probabilidades de activación de usuarios, SNR y número de antenas. El error cuadrático medio normalizado de CE puede reducirse a 0.01, y la tasa de error de UAD puede ser inferior a 10-5.