下一代通信网络的蓬勃发展对于高质量通信服务提出了前所未有的要求。凭借着灵活部署和视距传输等诸多优势,无人机通信有望在未来的无线通信系统中扮演关键角色。总结以往文献,空地一体化网络中的无人机应用研究,可根据无人机在网络中的地位大致分为两种场景:无人机辅助的无线网络通信场景,其中无人机作为部署在空中的基础设施;以及蜂窝网络辅助的无人机通信场景,其中无人机作为获得服务的空中用户。本文考虑将两种主流研究思路结合起来,利用一部分已作为空中用户的无人机,在不干涉其运动轨迹及任务执行的同时,使用它们的剩余可用通信资源进行辅助通信。这为无人机的应用研究开拓了一种全新思路。考虑到现实中执行空中任务的众多无人机,其中只有少部分是在执行通信相关的任务,因此有相当数量的无人机仍剩余较多的可用通信资源,有能力辅助地面网络提升通信性能,特别是无线传感网络。当这些无人机按照原定任务轨迹运动时,能够同时辅助覆盖区域内的用户或网络进行数据传输。在本文中,我们从一个新颖的角度研究了无线传感网络中的无人机辅助数据传输问题。考虑到无人机的动态位置、传输任务的随机到达以及无人机与各传感簇之间的实时匹配等诸多不确定因素,本文分别基于DQN算法和DDPG算法提出了联合优化无人机匹配调度和网络功率控制的方案,旨在获得更好的通信性能。通过合理的无线资源分配与调度,可实现网络长期平均数据传输量的最大化。仿真结果验证了本文提出的基于深度强化学习的算法在多角度的性能比较中均展现出有效性和优越性。本文中无人机辅助无线传感网络的最优传输策略的研究工作如下:1.提出了一个无人机辅助无线传感网络数据传输的通信模型,其中,地面无线网络由具有能量收集装置的传感节点构成。随机分布的节点利用K均值算法根据地理位置进行分簇,将网络划分为多个由簇头节点进行管理的传感器簇,以获得更好的通信性能。本模型能够在不额外部署无人机或其它基础设施的情况下提升地面网络的数据传输性能,更加有效地利用了无人机的空闲通信资源及其良好的视距信道优势,同时减少了传输中存在的干扰和能量消耗。系统模型符合绿色通信理念。2.由于待解决的优化问题是一个混合整数非线性规划问题（MINLP）,不能使用数学解析手段直接进行求解。因此,我们将其重新表述为有关传输任务数据量、节点收集能量、节点电池电量和实时信道状况的离散时间马尔可夫决策过程,并采用深度强化学习方法解决此问题,最终可得到一个包括无人机匹配调度、带宽分配和簇头节点上传功率选择的即时策略。灵活的调度和适当的功率控制能够有效地提升空地一体化网络的性能。3.基于深度强化学习原理,我们分别提出了基于DQN和基于DDPG算法的解决方案以最大化数据传输总量,并将提出的方法与其它四种对比策略进行比较,从不同角度证明了我们采用的算法的优越性。基于DQN的算法可以很好地应用于具有离散动作空间的优化问题,基于DDPG的算法可以从连续空间中采取行动,显著提升系统性能,更易在实际环境中实现。仿真结果表明,本文提出的基于DQN算法和DDPG算法的解决方案对于所研究的网络是有效的。