随着计算机、通信、传感器等技术的迅速发展,无人机在日常航拍、军事行动、应急救援等多种场景得到了广泛的应用。尤其是在地震,台风等自然灾害后的应急场合下,使用无人机集群进行中继通信和目标监测能够大大提高救援效率。针对现有相关研究中,很少考虑到无人机自身的飞行状态对通信链路的影响的问题。本文研究了第五代移动通信的无人机通信时,无人机自身姿态信息和大规模天线技术（Massive MIMO）的波束赋形技术如何进行结合等相关问题。主要的研究工作和完成结果总结如下:（1）本文介绍了四旋翼飞行器的发展背景,飞行原理、姿态角等概念,以及对传统姿态解算研究做简要论述。阐述了在第五代移动通信系统下,无人机通信技术的研究现状以及波束成形技术的演进,并简要总结在无人机基站中波束成形的相关研究文献。（2）本文介绍了四旋翼无人机六个自由度姿态的运行原理,结合飞行姿态解算理论,介绍了姿态解算中常用的坐标系和坐标系之间的转换关系。其次阐述了无人机常用的姿态求解方法,并论述了无人机中基于IMU传感器的姿态解算原理和噪声特性,为后面的算法设计提供理论依据。（3）针对无人机多传感器的测量数据进行姿态解算时,由于非线性噪声的存在使得姿态解算精度不高的问题,提出了一种基于无监督深度自编码器网络的特征融合算法用于多传感器数据融合,将融合后的数据通过BP神经网络进行无人机姿态估计。实验结果表明,深度神经网络可以对多传感器测量的无人机姿态信息有很好的估计能力,使用无监督特征融合算法能有效提高精度和效率,证明深度神经网络具有应用于无人机传感器数据融合的潜力。（4）本文对Massive MIMO中的阵列天线系统和波束赋形技术的基本概念和常用结构进行介绍,设计了一种全向性筒形阵列天线系统供无人机搭载。分析无人机姿态变化时对波束的影响,推导了进行信道追踪的波束引导矩阵。进行了在理想城市环境下,搭载了该天线的无人机通信系统的仿真,并结合了姿态估计方法,进行波束追踪实验仿真,仿真结果验证了该方法的有效性。