应急场景中灾情信息的及时传输与处理对于提升应急救援效率十分重要。而灾区基础通信设施往往损毁严重,应急通信车等传统应急通信手段存在移动性差、灵活性低等缺点,无法很好的支撑应急场景中的通信需求。因此,可以采用无人机辅助应急通信,高效完成灾区中的救援任务。然而,在无人机辅助下的空地协同应急场景中,存在两方面的问题需要考虑:首先,无人机服务能力有限,如何通过无人机位置的最优部署,最大程度提升通信容量,是需要考虑的问题;其次,无人机感知的数据回传到后方数据中心后,如何保证数据中心网络中（Data Center Networks,DCNs）信息传输的稳定性,也需要进行研究。因此,针对应急下无人机辅助的应急场景中面临的两大问题,本文分别进行了研究。首先,针对无人机的部署问题,分别考虑大规模用户接入场景和林区场景下无人机的部署优化策略;进而,对数据中心信息传输的稳定性开展研究,从理论上推导其稳定性条件。具体地,本文的主要研究工作将从以下三个方面展开。首先,在大规模用户接入应急场景下,面对地面基础通信设施不足的问题,采用多架无人机充当临时基站,为救援人员提供通信服务。具体地,在考虑用户分布差异性的情况下,提出一种基于粒子群优化（Particle Swarm Optimization,PSO）算法的启发式算法,通过对无人机三维部署位置的优化,实现灾区所需部署数量的最小化;为了进一步提升系统性能和收敛速度,提出基于模糊聚类算法的初始化方法和差异性惯性因子更新方案,加快算法收敛速度;此外,考虑用户业务的差异性需求,提出一种用户功率分配方案,在无人机发射功率限制下,满足所有用户的最低不同服务需求。最后通过仿真结果验证所提方案的合理性和有效性。然后,考虑到林区场景的特殊性,传统城乡信道模型不适配的问题,对林区场景下无人机的部署问题进行了研究。具体地,基于林区专有信道模型,本文提出一种基于深度强化学习（Deep Reinforcement Learning,DRL）的无人机部署方案;同时,为进一步降低智能体的状态动作空间,本文将无人机划分为多个分簇,并将每个分簇看作独立的智能体,对簇内无人机的部署位置进行联合优化。仿真结果表明,本文所提方案可以很好的平衡系统吞吐量和算法复杂度之间的折中关系。最后,考虑到应急场景下对数据传输高稳定性的需求,本文进一步对数据中心网络传输稳定性进行了研究。具体地,本文主要针对数据中心传输控制协议（Data Center Transmission Control Protocol,DCTCP）的流体模型,分析网络稳定性和往返时延（Round-trip time,RTT）的关系,并从理论推导证明,当RTT小于一定阈值,即Hopf分岔点的时候,网络保持高稳定性。本文进一步分析了其他参数对数据中心网络稳定性的影响,并通过仿真结果进一步验证了理论推导结果的正确性,为稳定性敏感型应用的稳定性控制和调整提供了理论基础。