物联网（Internet of Things,Io T）技术的推广应用对无线通信系统性能提出了更高要求,5G通信技术成为物联网应用增长的重要赋能工具,其中,无线能量传输（Wireless Power Transfer,WPT）技术为海量物联网节点在复杂环境下的能量供给问题提供了有效解决方案,利用该技术,物联网设备从射频信号中收集能量以延长电源寿命;非正交多址接入（Non-Orthogonal Multiple Access,NOMA）技术允许多个用户共享信道,有效提升频谱效率,另一方面,无人机通信技术具有灵活性高、成本低等优势,弥补传统基站部署难度大,成本高的缺陷。本文结合NOMA和无人机通信技术,对不同场景下基于WPT技术的物联网系统资源分配策略进行研究,主要工作内容和研究成果概述如下:（1）研究基于NOMA的无线携能通信（Simultaneous Wireless Information and Power Transfer,SWIPT）物联网系统的资源分配问题。首先,结合NOMA和SWIPT技术建立信息和能量协同传输的物联网下行通信系统,考虑基站发射功率的限制及Io T设备信息解码和能量收集的最低门限,提出通过联合优化基站功率分配和接收端功率流分割策略,同时最大化系统和速率和总收集功率的资源分配问题。针对优化目标相互冲突及量纲不一致的问题,利用香农定理实现功率到数据率的等效转化,并通过线性加权法将所提多目标优化（Multi-Objective Optimization,MOO）转化为单目标优化问题。针对转化后的等效和速率最大化问题多变量耦合且非凸,提出一种基于交替优化的联合资源分配算法,从变量角度将问题拆解成两个单变量的凹最大化问题,分别利用Lagrange对偶性和凸函数性质对子问题进行迭代求解。仿真结果验证了上述算法的收敛性和有效性,并证明了同时考虑多个目标的优化有利于提升系统整体性能。（2）研究无人机辅助的无线供能通信物联网系统轨迹规划问题。首先,构建以无人机作为移动接入点,对Io T设备实施数据收集和能量传输的物联网系统,在此基础上,提出同时最大化系统和速率,总收集能量和最小化无人机总飞行能耗的无人机飞行控制问题。然后,针对物联网系统不确定动态变化的特性,基于深度强化学习框架,提出一种MODDPG（multi-objective DDPG）算法,实现无人机在多优化目标下的实时轨迹规划决策。最后,通过对网络训练结果进行评估分析,证明所提算法实现了三个目标的联合优化,并可根据优化目标的权重参数调整最优策略。