随着5G和智能终端设备及应用的快速发展,无线数据流量高速增长。互联网的大规模应用将导致现有基础设施面临巨大的数据容量需求,同时也增加了运营商的成本。近年来无人机技术备受关注,综合无人机高移动性、低成本和易部署的特性,使得广泛部署无人机用于无线通信解决上述问题成为可能。与传统的地面基站相比,无人机作为基站可以动态改变其位置,为热点地区或流量高峰期的地面用户提供额外的通信容量,减缓地面基站的无线流量压力。此外,不同用户对流量的需求程度是异构且会发生变化的。在这种情况下,静态的地面基站无法针对不同用户的特性从而有效地服务用户。因此,可以引入更灵活的无人机基站,优化其部署位置或轨迹规划来记录用户的流量需求规律,进而提高用户的体验质量（Quality of Experience,Qo E）。同时,由于无人机的工作环境是连续的三维空间,考虑空对地信道的特性以及无人机飞行过程中的物理约束和能量约束等问题,无人机的位置部署和轨迹规划面临许多挑战。因此,本文针对无人机的位置部署策略和轨迹规划策略对用户体验质量的影响开展了研究。在研究过程中结合了用户活跃度水平的异构性以及时变性,使得所设计的策略更有效。本文研究了用户活跃度水平异构及动态内容库场景下的无人机部署和缓存内容放置策略。通过将用户体验质量建模为平均需求时延构建了相应的优化问题。针对该优化问题,本文将其分解为无人机位置部署子问题和缓存内容放置子问题。对于前者,采用了加权K-means算法联合考虑用户的活跃度水平和地理位置以部署无人机。此外,本文针对动态内容库场景设计了一种基于Q-learning的缓存算法。最后通过仿真分别分析了无人机部署与缓存内容放置对系统性能的影响。与已有的位置部署方案和缓存策略对比发现,本文提出的算法在用户活跃度水平异构的情况下可获得更低的平均需求时延。同时,本文针对时变用户活跃度水平场景研究了无人机-用户之间的关联策略和无人机的轨迹规划问题。本文基于该场景推导了用户体验质量模型并将优化问题构造为最大化用户平均吞吐量。为了解决上述优化问题,将其解耦为多个可解子问题,设计了一种基于块坐标下降（Block Coordinate Descend,BCD）算法的多无人机轨迹规划与用户关联算法。该算法分别对上述子问题进行优化,通过交替迭代以获得原优化问题的解。最后,本文使用仿真对比分析了所提出算法与已有无人机轨迹规划算法对系统性能的影响。结果表明,本文提出的基于用户时变活跃度水平的无人机轨迹规划算法性能更好。