无人机的广泛发展使得从空中收集无线传感器网络的数据成为可能。在将无人机作为汇聚节点的无线传感器网络(UAV辅助网络)中,传感器节点和无人机都是由电池供电,提高它们的能量使用效率对于延长网络生命周期至关重要。数据传输是传感器节点的主要能量消耗因素,飞行距离是UAV的主要能量消耗因素,因此,为了延长网络生命周期,需要设计一个高效的数据收集方案和针对数据收集的无人机路径规划方案。分簇和压缩感知是WSNs中常用的提高能量使用效率的方法。UAV辅助网络中只有簇头节点可以和UAV通信,节点的异质性要求网络必须分簇,然而现有的分簇方法都把重点放在簇头的选择上,对传感器节点的划分只是简单的依据到簇头的距离,忽略了数据的特性。只有少量工作将压缩感知和分簇相结合,然而这些工作中忽略了数据的稀疏性在不同时空的差异性,因此并不能有效的减少网络中的能耗。在针对数据收集的UAV路径规划中,优化目标变为在最大化数据收集的条件下最小化能量消耗,另外,无人机特有的移动性又要求路径曲率必须连续且有界,因此与其他应用的路径规划不同。针对上述存在的问题,本文就UAV辅助网络的数据收集问题进行了以下的研究:(1)结合压缩感知和分簇的数据收集方案。将结合压缩感知的最优化分簇问题归纳为混合整数规划问题,证明了此问题是NP难问题。提出了综合考虑数据的压缩率和簇成员到簇头节点之间距离的贪心算法,并进一步对算法进行改进,在保证网络低能耗的同时降低了时间复杂度。真实数据集上的仿真实验结果表明提出的算法在能耗和运行时间方面都取得了较好的表现。(2)针对数据收集的UAV路径规划方案。对针对数据收集的UAV路径规划问题进行了理论分析,并提出了两种解决该问题的方案。一是基于粒子群算法的路径规划方案,虽然该方案可以找到问题的近似最优解,但是时间复杂度也非常高,并不具有实用性。为了降低时间复杂度,提出一种启发式的路径规划方案,通过在路径的产生和选择过程中考虑路径的曲率和数据量来满足无人机路径规划的要求。试验结果表明两个方案在路径长度方面具有相似的表现,但是启发式路径规划方案的时间复杂度远小于基于粒子群算法的路径规划方案。