随着第五代移动通信系统（Fifth Generation,5G）的出现,新一代移动通信系统在网络架构和传输技术上有了新的突破和革新。超大带宽（enhanced Mobile Broadband,eMBB）、超可靠低时延（ultra Reliable Low Latency Communications,uRLLC）、海量物联网连接（massive Machine Type Communications,mMTC）等新兴场景的提出,将推动移动通信网络规模的迅速扩展。同时,伴随着新兴技术的到来,移动通信流量需求也会迎来又一次爆炸式的增长。这意味着人类社会在日常生活、工业生产、经济发展以及社会管理等方面对信息网络的依赖程度也将再次加深。在这样的社会背景下,应急通信保障体系对于维护社会秩序稳定,保障人民生命财产安全具有重要的意义。新兴技术在给移动通信系统的应急通信能力带来挑战的同时,也有望增强下一代应急通信网络的态势感知能力和快速反应部署能力。因此,展开基于新兴技术的应急通信网络性能优化研究是非常必要的。本论文从设备直通技术（Device-to-Device,D2D）和无人机通信这两个新兴技术入手,对D2D通信和无人机通信辅助的应急通信网络性能优化展开了研究。具体工作及创新点如下:1.针对现有研究工作中基于D2D用户移动性的通信模型并未被广泛应用在应急通信网络资源优化策略中这一问题,本文构建了基于D2D用户移动性的应急通信网络模型。首先,将应急通信网络的资源优化策略建模为D2D用户分配、信道资源分配以及功率控制的联合优化问题,以最大化系统的总传输速率。随后,本文提出了基于二分图最大权匹配问题的联合优化算法。最后,通过仿真证明所提算法的有效性。2.针对现有研究工作中无人机的回传链路常常被忽略这一问题,本文展开了多无人机辅助的应急网络中联合接入和回传链路的优化研究。首先,构建了多无人机基站和中继的应急通信模型,建模得到接入和回传链路联合优化的问题,以最大程度地提高系统传输速率。然后,推导出三个定理证明了最佳的资源优化策略以及无人机位置部署策略。随后,提出了联合用户关联、无人机部署和资源分配优化算法。最后,通过仿真验证了所提算法的有效性。3.针对现有的联合D2D和无人机通信辅助的应急通信网络资源优化的研究工作中,存在着资源管理策略导致系统信令开销繁重的问题,本文展开了基于多智能体强化学习的D2D信道分配、资源分配以及功率控制的联合优化研究。首先,建模了联合D2D和无人机的应急通信网络的系统模型,并将通信模型和优化问题建模成一个多智能体与环境的交互问题。然后,提出了一个基于长短时记忆神经网络的多智能体演员-评论家强化学习算法,D2D用户对通过学习得到信道分配和发射功率的最优策略,并对无人机基站的带宽分配和发射功率进行优化。最后,通过仿真结果的分析验证了所提出算法的有效性。