近年来,随着对于无线通信网络覆盖能力要求的不断提高,远程物联网(Internet ofremote things,IoRT)的概念引起了公众广泛的关注与研究。在不同应用场景的IoRT网络中,智能设备通常广泛地分布在广阔、偏远且不受地面接入网络服务的地区以对环境信息进行监测和感知,如沙漠,森林和海洋等。然而,由于在这些应用场景中地面通信网络无法为智能设备提供服务,因此实现可靠的上行链路数据传输将面临着诸多挑战。作为地面通信网络的补充和扩展,卫星是辅助IoRT网络的重要组成部分。然而,考虑到智能设备距离卫星较远,路径损耗较大,智能设备要随机接入卫星网络并不容易。同时,由于智能设备的低功耗限制,也很难实现长距离和长时间的传输。此外,对卫星的操作需要考虑实际的工程挑战和成本开销。因此,无人机(unmanned aerial vehicle,UAV)被认为是解决上述卫星辅助IoRT网络挑战的有效方法,UAV既可以搭载中继模块对智能设备产生的数据进行放大转发,也可以搭载无线能量传输模块为智能设备进行无线能量传输,同时其也可以动态地移动至智能设备,也可以静态的部署在空中,这些都有助于保障智能设备的正常工作。依靠这样的UAV辅助的空天地一体化网络(space-air-ground integrated networks,SAGIN)架构,可以显著提高IoRT网络的能效和吞吐量。本文面向IoRT网络地理环境偏远且广阔,智能设备的数量大、产生的数据量大、发射功率低且电池寿命受限的特点,采用UAV搭载中继模块和无线能量传输模块来辅助智能设备将产生的数据上传到卫星,从而形成空天地远程物联网络(SAG-IoRT)架构。针对于该SAG-IoRT网络架构下丰富的通信资源,如频谱资源、不同组件的功率资源、空间资源等,本文重点研究了 SAG-IoRT网络的资源分配算法。本文的主要工作如下:首先,针对于IoRT网络中的环境监测和感知场景,本文提出了一个静态UAV辅助的SAG-IoRT网络中联合优化子信道选择、功率控制和UAV部署的能效资源分配问题。该资源分配问题是混合整数非凸优化问题,无法直接求解,本文将其划分为两个子问题处理。在第一个子问题中,给定UAV的部署方案,通过拉格朗日对偶分解法获得最优的子信道选择和功率控制方案。在第二个子问题中,基于子问题一的方案通过连续凸逼近(successive convex approximation,SC A)获得 UAV 的部署方案。然后,将两个子问题进行交替迭代以获得最大的系统能效。最后,仿真验证所提的资源分配算法的收敛性,仿真结果证明所提算法相对于其他方案有明显的增益,同时也可以显著提升系统能效。其次,针对于IoRT网络中的周期性巡检场景,本文提出了一个动态UAV辅助的SAG-IoRT网络中联合优化智能设备调度连接、功率控制和UAV轨迹的吞吐量资源分配问题。该资源分配问题一个混合整数非凸优化问题,直接找到其最优解是困难的,本文将其划分为三个子问题处理。在第一个子问题中,给定功率控制和UAV轨迹方案,通过变量松弛获得最优的智能设备的调度连接方案。在第二个子问题中,基于子问题一的方案和给定的UAV的轨迹方案,通过变量代换和SCA获得最优的功率控制方案。在第三个子问题中,基于前两个子问题获得的方案,通过变量代换和SCA获得UAV轨迹优化方案。然后,应用块坐标下降法(blockcoordinate descent,BCD)将三个子问题交替迭代以获得最大的系统吞吐量。最后,仿真验证所提资源分配算法的收敛性和有效性,仿真结果证明所提算法相对于其他方案有明显的增益,同时也可以提升系统的吞吐量。最后,针对于IoRT网络中的智能设备业务多样性和能量受限场景,本文提出了一个动态UAV携能辅助的SAG-IoRT网络中联合UAV服务功率分配比率、功率控制、UAV轨迹的吞吐量资源分配问题。该资源分配问题一个非凸优化问题,本文将其转化为易于处理的凸优化问题,将其划分为三个子问题处理。在第一个子问题中,给定功率控制和UAV轨迹方案,获得最优的UAV服务功率分配比率方案。在第二个子问题中,基于子问题一的方案和给定的UAV的轨迹方案,通过变量代换和SCA获得最优的功率控制方案。在第三个子问题中,基于前两个子问题获得的方案,通过变量代换和SCA获得UAV轨迹优化方案。然后,应用BCD将三个子问题交替迭代以获得最大的系统吞吐量。最后仿真验证所提资源分配算法的收敛性,仿真结果证明所提算法相对于静态UAV方案有明显的增益,同时也可以提升系统的吞吐量。