随着无线通信和物联网的快速发展,物联网设备已经广泛应用在人们工作和生活等各个领域,然而,传统的电池供电无法满足未来场景下物联网通信需求,反向散射通信通过被动反射射频信号传输信息,以较低通信及电路能耗,满足能量受限的物联网网络的能源需求。然而,反向散射通信网络仍然存在许多亟待解决的问题,例如传输距离短、受环境影响大、采集物联网节点信息的效率低等。无线供能通信网络能够支持能量受限设备的远距离信息传输。无人机通信网络由于其灵活的部署和良好的视距链路可以有效实现复杂场景下的通信过程。因此,将反向散射通信技术与以上技术相结合在未来物联网中有着巨大的前景。本文针对不同场景下的反向散射网络的资源分配问题开展了深入研究,主要工作如下:1.针对反向散射网络全局资源利用率低的问题,研究了基于深度强化学习的反向散射网络资源分配算法。首先,考虑收集-转发与反向散射模式协作传输,基于时间约束,通过联合优化物联网设备的传输时间、物联网设备与用户终端的配对来最大化物联网设备吞吐量性能。其次,获取完整实时信道信息的困难使得难以为该问题设计最优策略,为了克服这个问题,提出基于深度强化学习算法,学习不同帧之间的信道相关性,预测实时信道信息以进行最优用户配对;基于凸优化算法,求得物联网设备最优的时隙分配。最后,与传统反向散射模式相比,所提算法有较好的吞吐量性能。2.针对反向散射网络复杂地形无法可靠传输的问题,研究了基于无人机辅助的反向散射网络资源分配算法。首先考虑无人机最大能量约束、飞行时间约束、最大速度约束以及物联网设备最小容量约束,联合优化物联网设备传输时间、无人机轨迹来最大化系统吞吐量性能。其次,针对所建立的优化问题,由于目标问题复杂且非凸,利用传统的凸优化算法难以求解,通过采用连续凸逼近技术将非凸问题转变为凸问题,采用基于块坐标下降的两步迭代优化算法求解。最后,与基准算法相比,验证了所提算法具有较好的吞吐量性能和收敛性能。