无线传感器网络(WSN)中传感器的传感、处理、存储和通信功能不断增强。数据采集是传感器网络的基础功能之一。但是,传统的数据采集方式存在“能量空洞”问题。为解决该问题,一些学者提出将无人机(UAV)引入到无线传感器网络中。利用无人机的移动性,降低传输能耗,使各个传感器能耗负担更加均匀。然而,基于无人机的无线传感器网络也面临着诸多挑战,研究人员对存在的问题进行了广泛和深入的探索。如何高效地采集无线传感器网络中的数据仍是待解决的问题之一。本文主要对基于无人机的无线传感器网络(UAV-WSN)的数据采集技术展开研究。研究场景主要考虑:无人机的高度、轨道固定,大量传感器节点随机分布在无人机飞行轨道周围,并通过单跳的通信方式将数据传送到无人机。研究的内容如下:本文首先对基于无人机的无线传感器网络的数据采集问题展开研究,其中各个传感器的位置、数据量是未知的。本文分析了传感器网络的能耗优化问题,给出了一种联合规划无人机的飞行速度、传感器发射功率、系统时隙资源分配的节能数据采集算法(JSPTA)。传感器网络的数据传输能耗优化问题可以表述为混合整数非凸优化问题。采用了差分进化算法和连续凸优化技术来求解。通过在传感器的平均数据量不同、网络规模不同和传感器位置分布不同时分别进行仿真,比较了所提出的算法与基准算法的性能。结果表明:当传感器的平均数据量是15Mbit、个数为100、位置服从均匀分布时,JSPTA可以比基准算法数据采集比例提升22%左右,消耗能量降低18%左右。本文又对采用无人机的智慧交通系统(ITS)中的无线传感器网络的能耗优化问题进行了研究,给出了一种基于预测数据量的数据采集方法。该方法分为两个阶段:传感器数据量预测和数据采集。在ITS中,WSN的数据量可以被预测。因此,本文采用了长短期记忆、门控循环单元、堆栈自编码器三种深度学习方法,基于加州运输部提供的数据集对传感器的数据量进行了预测。然后基于预测的数据量,引入了虚拟节点概念,重新表述了WSN能耗优化问题,并使用差分进化算法来解决该问题。本文基于模拟的数据进行了仿真,结果表明:当传感器的平均数据量是15Mbit、个数为100、位置服从正态分布时,所提出的完全时隙资源分配策略比JSPTA方法数据采集比例提升9%左右,能耗降低3%左右。本文又基于预测数据集进行了数据采集的仿真实验,仿真结果表明:在引入流量预测后,相比JSPTA方法,所提的基于堆栈自编码器预测数据量的完全时隙资源分配策略的采集比例提升6%左右,能耗降低5%左右。最后,本文进行了总结和展望,仍然有如下方向可后续跟进研究:一是无人机的3维轨迹规划方法,二是传感器数据量和位置的联合预测方法。