近年来,无人机（Unmanned Aerial Vehicle,UAV）逐渐走进人们的视野,在各个领域内取得了长足的发展。与传统地面通信相比,无人机具有机动性强,按需部署,灵活配置等优点,常用于辅助无线传感器网络进行数据收集,提升网络性能。本文针对无人机在一般场景和存在障碍物场景中辅助无线传感器网络（UAV-WSN）数据收集路径规划展开研究。本文第一部分首先针对标准差分进化算法在进行路径规划时收敛速度慢,易陷入局部最优的问题,提出了一种基于基因扰动（高斯扰动）的改进型差分进化算法,用于提升算法的寻优性能。然后分析了一个无线传感器网络的能耗问题,推导了传感器网络与无人机地-空数据传输的能耗表达式。在满足数据传输速率的约束下,通过联合规划无人机飞行轨迹与传感器节点功率来最小化传感器网络的能耗。该优化问题表述为带约束项的非凸形式,采用块坐标下降法和本文所提改进差分进化算法求解原问题得到近似最优解。最后进行算法仿真,仿真结果表明:本文所提联合规划无人机轨迹和传感器节点发射功率的数据收集策略相较其他基准收集策略,可有效降低地面传感器网络能耗;本文所提基于基因扰动的改进差分进化算法相较标准差分进化算法和PSO粒子群算法的收敛性能有明显提高。本文第二部分针对地面存在未知障碍物时,现有的算法无法实现无人机实时避障的同时又兼顾数据收集效率的路径规划目标。基于该现状,本文首先对标准A*算法的代价函数和搜索策略进行改进,以提高算法搜索效率和路径安全性。其次在标准DWA算法的评价函数中引入吞吐量指导,以提高无人机数据收集的效率。最后将改进A*与改进DWA算法进行算法融合,利用该融合算法规划出既能实时避障又兼顾对地面传感器网络数据收集效率的无人机轨迹。经仿真,本文所提改进融合算法在实时避障的前提下,可明显提高无人机的数据收集效率。