非正交多址接入技术（Non-Orthogonal Multiple Access,NOMA）作为5G通信中的关键技术之一,近年来受到了工业界和学术界的广泛关注。通过在发送端使用叠加编码技术和接收端使用串行干扰消除技术,NOMA技术可以显著提升系统的频谱效率和用户公平性等。无人机（Unmanned Aerial Vehicle,UAV）通信具有移动性、灵活性和视距传播等特点,未来的通信更注重个性化的场景需求,如大型集会、演出、赛事等热点地区的网络需求,灾害地区的网络需求。基于以上的研究背景,为了提高覆盖能力的同时增加频谱效率,本文将上述两种技术结合,研究NOMA使能的UAV系统,即NOMA-UAV系统。但是由于网络的动态性导致的复杂干扰问题,最有效的方法就是设计合理的无线资源分配机制。其中,UAV的位置设计和功率控制是两个亟待解决的关键问题。近几年,部分文献中虽研究了NOMA-UAV系统的资源分配,但是大部分的研究都是通过数学优化的方式解决的,运算过程比较繁琐且耗费大量运算时间,故无法作为在线机制。而深度强化学习中的深度Q学习网络（Deep Q Network,DQN）设计在线的联合UAV位置设计和功率控制的资源分配机制能够利用神经网络加快运算时间速度。本文围绕资源分配机制,主要工作及创新点如下:为了最大化利用网络中的频谱资源,本文研究了NOMA-UAV系统的上行链路,发送端的用户通过NOMA技术复用同一段频谱资源,接收端是以UAV作为通信基站。本文旨在解决NOMA-UAV系统中的无线资源分配问题,使UAV能找到最佳位置,并在UAV到达某一位置时进行合理的功率控制。首先,分析了NOMA-UAV系统中上行链路的网络模型。其次,根据网络模型,以最大化系统中所有用户的比例公平性和速率为优化目标构建优化问题。最后,为了加快运算速度,利用DQN算法进行无线资源分配的在线学习:当UAV到达某一位置时,根据构建的优化问题进行功率控制;在功率控制的基础上,通过DQN算法使UAV自主找到最佳位置。由于UAV位置的移动会影响用户的信道增益及通信质量,NOMA-UAV系统中的无线资源分配就需要同时考虑功率控制和UAV位置设计,这种资源分配机制可以快速的找到UAV的最佳位置保证用户的通信质量。最后,本文对NOMA-UAV系统中无线资源分配机制的算法进行了仿真分析。在仿真过程中,首先对DQN算法中的折扣因子和学习因子进行参数优化,然后将优化好的参数模型与Q学习算法进行比较,最后将本文提出的的无线资源分配机制与在UAV位置移动下的功率控制机制及固定发射功率下的UAV位置优化机制进行了对比。仿真结果表明,本论文提出NOMA-UAV系统中基于DQN算法的无线资源分配机制在2000步左右就达到了收敛,且获得的累积奖励值比Q学习算法高12%以上。这证明本方案既能保证用户的通信质量又能加快运算速度进行在线学习。