[pt] Esse trabalho realiza uma extensa revisão bibliográfica da literatura, onde pontos de inovação são observados e novas soluções para os principais problemas no uplink são propostas. Baseados no algoritmo adaptativo Recursive Least Squares (RLS), são apresentadas duas variações regularizadas que conjuntamente detectam a atividade e decodificam os sinais dos dispositivos, sem a necessidade de estimação explícita do canal. Além disso, duas técnicas de detecção por listas são desenvolvidas de modo a refinar o processo de ajuste dos pesos do algoritmo RLS e assim mitigar possíveis propagações de erros. Dividindo o problema em grafos fatoriais, são propostos algoritmos baseados em troca de mensagens de modo a realizar conjuntamente a estimação de canal e detecção de atividade. Além de uma nova derivação das mensagens, são exploradas técnicas de agendamento dinâmico, com base na convergência do algoritmo. Por fim, é apresentada uma solução completa baseada na troca de mensagens, que realiza conjuntamente a estimação de canal, detecção de atividade e decodificação dos dados transmitidos. Resultados numéricos são fornecidos com o objetivo de comparar o desempenho dos algoritmos propostos aos existentes na literatura. Análises de complexidade computacional, evolução dos estados, convergência e ordem de diversidade também são realizadas, assim como a derivação da soma das taxas para o uplink. Por fim, são apresentadas as conclusões obtidas dos trabalhos realizados e discutidas direções para trabalhos futuros. / [en] This work, presents an extensive literature review that highlights innovation opportunities and presents novel solutions for the main uplink mMTC problems. Based on the adaptive Recursive Least Squares (RLS) algorithm, the proposed regularized techniques jointly performs activity detection and signal decoding, without the need to perform explicit channel estimation. In order to improve the detection performance, a list detection technique that uses two candidate-list schemes is developed. Rewriting the problem with factor-graphs, novel message-passing algorithms with dynamic scheduling that jointly estimates the channels and detects devices activity are proposed. Lastly, a complete message-passing solution is presented, where LDPC decoding beliefs are introduced in the system, in a way that the algorithm besides the channel estimation and activity detection, also jointly decodes the signals. In order to evaluate the proposed techniques, numerical results are provided as well as a computational complexity, state-evolution, convergence and a diversity analysis. Uplink sum-rate expressions that take into account metadata collisions, interference and a variable activity probability for each user are also derived. Finally, conclusions and future directions are discussed.