无人机（UAV,Unmanned Aerial Vehicle）作为地面站与机载计算机协同控制并装备多源传感器的自主飞行器,因其机载存储、通信和计算能力成为了新一代移动边缘计算（MEC,Mobile Edge Computing）节点的潜在选择。为了将边缘计算服务通过无人机进一步安全地迁移到离用户更近的地方,针对动态变化的空域环境和网络拓扑,本文就无人机路径规划避障和辅助计算卸载展开了以下几个方面的研究。首先,针对动态轨迹与姿态下机载雷达辅助的无人机障碍物识别问题进行研究。现有的研究工作未综合考虑数据存储空间与UAV姿态变化。基于计算机视觉的障碍物识别方案对机载存储资源占用率过高,而现有的基于雷达的识别方案未考虑动态变化的UAV轨迹与姿态。因此,通过对二维雷达点云数据进行坐标转换和映射图像噪点预处理完成对障碍物轮廓的时域累积,本文提出了基于UAV轨迹和姿态优化的时域累积图分簇与运动状态检测算法。实验结果表明,与其他聚类算法相比,本文提出的算法能够显著提升障碍物数量检测准确率,同时能够准确定位和识别物体运动状态与移动速度。其次,针对全局与局部路径规划联合优化的无人机障碍物规避问题进行研究。现有的研究工作未综合考虑路径规划的全局性与不确定性多障碍物的动态性。单一路径规划避障方案难以兼顾全局地面地图更新的实时性和空中近距离避障的局部动态性。因此,本文考虑全局路径规划解的最优性,通过自适应惯性权重优化、粒子群选择性突变和最优解粒子突变,提出了基于改进粒子群的全局路径规划算法。同时考虑局部路径规划解的及时性,通过优化斥力函数和设置虚拟目标点,提出了基于改进人工势场的局部路径规划算法。此外,通过路径规划模式切换以及路径平滑,提出了全局与局部路径规划联合优化的UAV避障算法。实验结果表明,与单一路径规划算法相比,本文提出的算法在保证UAV规避障碍物的前提下缩短了10.94%的飞行路径长度,且适应度仅占标准粒子群算法的17.1%。然后,针对无人机辅助的移动边缘网络多层级计算卸载问题进行研究。现有的研究工作鲜少考虑无人机作为中继节点提供多层计算卸载服务。UAV仅作为独立节点不利于对移动边缘网络中异构节点的通信、计算和能量资源进行联合规划。因此,本文通过对UAV飞行高度与天线半功率波束宽角的联合优化对以最小化通信距离为优化目标的UAV最佳悬停位置进行了求解,并结合UAV位置通过求解计算任务需求时延约束下的能耗最小化问题实现物联网设备、UAV和MEC服务器之间的三层计算卸载策略。实验结果表明,与不同卸载效率的随机卸载策略相比,本文提出的策略能在不同任务需求时延、数据量和UAV悬停高度的情况下动态规划卸载方案,且至少减小13.85%的UAV平均能耗。最后,针对地空联合路径规划能效耦合的无人机集群计算卸载问题进行研究。现有的研究工作未综合考虑地面站控制集群调度和用户移动性对UAV机载路径规划与计算卸载的影响。因此,本文面向地面站控制的集群调度与机载计算机控制的路径规划与计算卸载场景,建立了计算任务总时延约束下的多机多用户多服务区域能效优化模型。考虑飞行轨迹对计算卸载服务质量的影响将其分解为能效耦合的集群路径规划与计算卸载两个子问题,通过对服务区域优先级、UAV剩余能量和两者间飞行距离的综合考虑得到最佳集群调度策略与最短全局路径,基于用户移动性和时延限制下的通信覆盖范围确定最佳航点位置与最短局部飞行路径,并通过最大化用户接入数和最小化任务完成时延对计算卸载能效进行求解。实验结果表明,与其他路径规划的计算卸载策略相比,本文提出的算法能增加计算卸载服务次数、缩短飞行路径长度、减少计算任务总时延和提高UAV能效。综上所述,本文开展的UAV辅助的移动边缘网络中路径规划与计算卸载研究,能够综合考虑空域环境的不确定性、异构边缘计算节点的移动性与网络拓扑的动态性,在保障UAV空中飞行安全的前提下,充分利用富余的机载资源,为用户提供更近的计算卸载服务,提升用户体验质量。