随着物联网发展,无线传感网作为大数据采集的重要手段,已成为其重要组成部分。但在复杂场景下,由于节点间的障碍,导致传感网节点的定位和通信受到严重的制约。随着小型无人机的发展,无人机与传感网结合的研究,越来越热门,尤其是在无线传感网应急通信领域,无人机可以发挥重大的作用。本文以无人机辅助无线传感网通信为中心,从以下几个方面展开工作:(1)在复杂3D场景下,对无人机辅助无线传感器网络节点定位进行了研究,主要分为基于RSSI多边定位和无人机动态路径规划算法RT-TF(Real-Time Topology-Free)两部分。通过与Linear,Spiral和LMAT三大路径算法的比较,表明了无人机辅助节点定位的方案,能够克服传统定位在复杂场景下的缺点,且本文提出的RT-TF算法相比Linear、Spiral、LMAT路径规划算法定位到所有的盲节点的总平均步数分别降低了 62.22%、27.88%、46.46%,算法鲁棒性也达到了近90%。(2)无人机辅助无线传感器节点组建自组网的研究,基于区域分割模式选择、剩余能量和节点间平均距离改进k-means聚类。实现由无人机计算分簇,并进行广播,辅助地面节点快速组建自组网。通信阶段由无人机与簇头通信,收集簇信息,通过簇头轮转策略,均衡网络负载。实验仿真结果表明在无人机的辅助下,本文提出的KM-CF(k-means Cluster Formation)算法优于传统的分簇路由协议,它可以降低无线传感器网络的整体能耗,延长近200轮的生命周期。(3)采用Nodejs和React技术,构建基于无人机辅助下的无线传感网可视化分析系统。主要分为数据解析、数据分析决策及数据可视化三部分。数据解析,主要对无人机通过LoRa远距离传输模块发送到服务器的数据包,进行拆包处理后,存储到Mongodb数据库,同时采用WebSocket技术实现视图数据的实时更新;数据分析决策部分,主要调用KM-CF算法,对节点进行分簇,组建自组网,并利用统计分析和Canvas技术对簇信息进行图表化的呈现。数据可视化部分,主要通过对百度地图API的研究,实现对节点位置、传感网拓扑情况及无人机飞行路径的可视化。