近年来,随着科技的进步,无人机机型向着小型化、低成本的方向不断发展。凭借着易部署、可控制、移动性的优点,无人机尤其是可悬停的旋翼无人机被大量应用在民用和商用领域,比如目标跟踪与检测、物流、辅助通信等等。其中,无人机辅助无线通信是目前的研究热点。在无人机辅助无线通信中,无人机可以通过安装小型的通信设备,为地面用户提供通信服务、作为中继节点为距离较远的收发设备建立连接、或作为移动汇聚节点采集地面无线传感网络的数据。本文所研究无人机辅助无线通信主要包含两个应用场景:在无人机基站为地面设备提供通信覆盖场景,本文考虑了一个由于自然灾害等原因导致的基础通信设施遭到损毁的大范围目标区域,搭载着通信设备的无人机可以利用自身的移动性和高度优势,为地面用户提供高质量、按需的临时通信服务。与以往的研究不同,本文考虑了服务用户的公平性,引入比例公平调度算法实现吞吐量和公平性之间的权衡,并且提出了一种基于多智能体深度强化学习算法的分布式多无人机轨迹设计算法,实现了无人机的分布式执行。仿真实验结果表明该方法优于基线算法,且更适用于需要进行实时决策的高度变化的动态场景。在无人机辅助数据采集的场景中,无人机可以凭借自身的移动性,对部署在缺少通信覆盖的偏远区域的传感设备执行数据采集任务,克服传感设备的传输距离限制并减少传感设备的能耗,延长传感网络的寿命。与以往的研究不同,本文考虑的是一个灾后的应急场景,该场景是一个时间敏感场景,救援中心的决策的准确性和所数据的新鲜度息息相关。因此本研究的优化目标是基于数据新鲜度的服务质量,同时还考虑了无人机的续航问题。本文通过建模将该优化问题转化为一个半马尔科夫决策过程,并提出了一种基于分层深度强化学习的单无人机路径规划算法。仿真实验表明,该算法优于基准算法,且可以通过调整参数实现服务质量和安全电量之间的平衡。在将来,无人机会成为无线网络的关键组成部分,无人机辅助通信也将应用到更多实际场景中。在未来的工作中,拟对多无人机协作进行数据采集中的多无人机路径规划问题进行研究。