在第五代移动通信（The Fifth Generation Mobile Communication,5G）时代,通信规模不断扩大,节点密度持续增加。相比城市中完善的通信体系,偏远地区的基建会遇到包括交通与成本等更多挑战,但该类地区又往往存在持续性大规模监测的需求。因此,利用低成本无人机巡航技术为偏远地区传感网提供通信服务的方案应运而生。在后5G（Beyond 5G,B5G）时代,空天地通信一体化技术将成为实现通信全场景覆盖的重要一环,而无人机将成为其中不可替代的角色。无人机为偏远地区传感网提供通信服务的流程可概括为:无人机从充能点出发,按预设巡航轨迹飞行,期间执行通信任务,最后按预设巡航轨迹,飞回充能点进行电量补充,等待下一次的任务分配。该流程主要包含巡航轨迹的制定,按预设巡航飞行以及巡航过程中与传感网的通信三个部分。考虑到目前市面无人机续航时间非常有限,如何保障任务有效且高效完成是该解决方案的核心问题。综上需求与限制,本文就面向大规模传感网通信的无人机自主巡航策略,针对上述解决方案中的三大部分,从理论分析、仿真实验与实际物理实验等角度进行了深入研究。完成的工作总结如下:1)两跳网络下的机会协作中继机制。考虑到无人机续航有限,提高数据聚合效率即可缩短无人机完成任务的所需时长。在多跳传感网数据聚合的场景中,对一种两跳网络中的机会协作中继机制进行了细致全面的阐述与分析。该机制充分调动默认中继节点周围的空闲节点,使其在一定条件下协助转发从源节点到目的节点的中继数据包。理论性能推导在仿真实验中得到验证,实验结果也证实在不同信噪比、不同缓存容量以及不同协作节点数量等配置下,该协作机制均能有效提升传感网数据聚合的效率。2)基于并行强化学习的巡航轨迹规划。考虑到无人机续航有限,优化无人机巡航路径即可提升对大规模传感网数据聚合的效率。现提出一种基于贪婪模型的差异参数并行强化学习方法,为无人机提供巡航轨迹规划,以减少完成数据聚合任务所需的总时间。该方法首先提出两种基准的贪婪算法,并提出一种基于此贪婪思想设计强化学习奖励机制的模式。同时提出具有差异参数的并行架构,对大规模场景进行并行探索以获取低相关度的训练样本,提升了训练的效率。在仿真实验中,设置了节点是否随机部署以及是否引入协作通信等四种场景。与两种基准的贪婪算法对比,该方法完成数据聚合任务所需的总时间更少因而更节能且高效,生成的轨迹更加平滑因而更适合无人机实现自主巡航。3)无角速度计算的双加速度计轨迹重建方法。考虑到无人机飞行受导航系统控制,提升导航方法的性能将有效保障无人机按制定巡航轨迹飞行,从而使得任务执行进度符合预期。在轨迹的惯性重建场景中,提出了一种无角速度计算的双加速度计轨迹重建方法,其一方面采用无陀螺仪的低功耗硬件架构,另一方面摒弃传统方法必不可少的角速度计算以减少积分运算以降低误差的累积效应。该方法使用最小均方差准则对双加速度计的轨迹点进行估计,并推导出理论闭式解。在仿真与实际物理平台实验中,与另外两种典型惯性方法相比,提出的方法在保证轨迹重建精度的情况下,拥有最低的能耗与累积误差以及较低的计算复杂度,因此提出的方法在支持部署传感器阵列的低功耗惯性应用中更加适用。4)面向惯性方法中偏移误差累积的理论评估框架。考虑到针对导航方法的传统评估方式都基于有限的实测样本,说服力有限。现提出了一套面向惯性方法中偏移误差累积的理论评估框架,用于填补导航系统评估领域的空白。该框架将惯性测量单元在静态时带有偏移误差的数据输入惯性方法,并将输出量作为该惯性方法对误差的累积效应指标。利用该框架对三种典型惯性方法进行了分析,其理论推导结果在仿真实验中得到了验证,同时也证明了提出的框架可以有效地对惯性方法进行理论评估,其结果将成为导航系统设计时的重要依据。