根据国际电信联盟的报告,在大规模机器类型通信(Massive Machine-Type Communication,mMTC)场景中,第五代移动通信技术有望支持大量的机器类设备进行通信并发挥重要作用。这些mMTC场景包括但不限于环境感知、智能电网、电子医疗等等。但是,机器类通信本质上不同于当前的人对人通信,海量的设备数目、小数据包传输、短时间内突发大量接入、有限的能耗以及多样化的服务质量(Quality of Service,QoS)等要求,为设计用于高数据速率人对人通信系统带来了巨大挑战。由于这些独特的特性,当大量MTC设备(Massive Machine-Type Device,MTCD)尝试在短时间内访问网络时,无线接入网(Radio Access Network,RAN)会产生过载问题。mMTC对低复杂度的电池供电设备的能源效率、计算效率以及低延迟提出了限制条件。MTCD的能效问题是mMTC网络优化不可回避的约束条件。另外,目前MTCD计算存储资源受限,不能满足网络升级对MTCD计算存储能力的需求一种有效的解决方案是将带有通信和计算设备的无人飞行器(Unmanned air Vehicle,UAV)部署为移动的基站来为mMTC提供数据收集服务和计算服务,以降低机器类通信设备的能耗并增强其计算能力。然而,电池电量对于无人机的飞行和执行任务至关重要。因此,无人机的能效优化也是无人机辅助的机器类通信网络优化的重要部分。在本文中,考虑了在无人机辅助大规模地面MTCD进行通信的场景,提出了无人机辅助的mMTC网络中无人机和MTCD的两种工作模式:悬停服务模式和随时待命模式。针对悬停服务模式,我们提出了一种不服务容忍的机制和一种混合悬停位置选择(HHPS)算法以确定无人机的悬停位置,可以最大程度地减少MTCD的总功耗。进一步提出了一种基于杜鹃搜索算法的无人机路径规划算法,优化了无人机的能效、吞吐量和MTCD任务的时延。此外,还为无人机的数据收集服务和计算服务设置了不同的优先级并优化了数据收集效率和计算效率。仿真结果表明所提出的用于悬停位置选择的HHPS算法比K-Means算法具有更好的性能。此外,和分步最小化算法相比,所提出的无人机路径规划算法对于不同的优化目标,例如最小化无人机能耗和最大化吞吐量,都有更优秀的表现。针对随时待命模式,我们为无人机辅助地面设备通信引入了一种自适应且高能效的框架。基于该框架,提出了提高能源效率和延长网络生命周期的策略。并进一步提出了一种基于蚁群算法的高能效的路由算法GEAU,减少了 MTCD的能耗,延长了无人机辅助mMTC网络的生命周期。此外,还提出了一种单路径高能效蚁群优化(Ant Colony Optimization,ACO)路由算法(SEAU),在保证基本持平的生命周期下,大大降低了 GEAU的计算复杂度。仿真结果表明与现有算法相比,所提出的算法可以显著减少MTCD的能耗并延长无人机辅助mMTC网络的生命周期,并且具有较低的计算复杂度。分析对比了上述两种工作模式的能源效率,我们定义了一种无人机辅助mMTC网络的整体能效评估指标,可以针对不同场景对两种工作模式进行能效评估和选择。综上所述,本文研究了无人机辅助的大规模机器类通信网络中,以高能效为目标的无人机辅助地面MTCD通信的工作模式及其性能优化。并对未来可研究方向进行了展望。