在网络需求增加或现有地面蜂窝基础设施故障的情况下，部署无人机（unmanned aerial vehicle，UAV）作为空中基站（aerial base stations, ABS）可为战场通信保障和蜂窝网络扩展提供灵活的解决思路。本文针对UAV-ABS为地面多用户服务时的资源分配问题，建立了更符实际的信道模型，构建了一种深度强化学习（deep reinforcement learning，DRL）模型，将决斗网络（dueling network，DN）加入到神经网络中，通过设计新颖的奖励函数，在满足服务质量(quality of service ，QoS)要求的同时，最大化了地面用户的总速率，并保证了服务公平性。仿真结果表明，相较于传统的基于数学框架和基于（deep Q-learning network，DQN）的资源分配算法，本文提出的Dueling-DQN算法可以提供更高的服务速率和服务公平性，且随着网络密度的增大，算法的优势更加明显。Dueling-DQN算法提供了一种有效的解决复杂非凸性问题的方法，可为UAV-ABS的资源分配问题提供一定的理论和方法依据。