上世纪九十年代以来，无线传感器网络（Wireless Sensor Network）引起了学术界和工业界的广泛关注。其中的传感器节点具有体积小，能量少，价格低廉等特点，并具有感知外界环境，进行无线通信和运算等功能。这类无线传感器网络可以感知并收集振动波，音频或其他出现在上述环境中的数据信息。此外，在办公建筑环境控制，自动制造机器人的控制和指导，互动玩具，高安全性的智能家居，身份识别和个性化等领域也有着广泛的应用。在传统的WSN中引进移动采集节点不仅能够与对整个系统生存时间进行优化，也提高了整个WSN系统的信息收集效率。而UAV（UnmannedAerial Vehicle）是作为移动采集节点的很好选择。在WSN中引进移动性可以进一步解决系统时延和延迟问题。相对于传统的静态WSN系统，UAV-WSN已经证明在系统性能上得到了改进。由于移动性带来的便利条件，在移动节点上可以执行多种任务和工作，从而也给UAV-WSN系统带来了很多相对于传统移动网络的优势。然而由于UAV-WSN系统本身的特点，传统的WSN系统中的网络通信协议并不适合应用于UAV-WSN系统中。首先由于UAV的移动性带来的影响，无线传感器节点只有很短的时间与UAV进行通信，因此如何提高系统的吞吐率就成为了为UAV-WSN系统设计传输协议所面临的的重要问题。考虑到不同任务性质的需要，UAV收集到的信息的分布同样也反映着UAV执行信息收集任务的质量，因此如何使UAV收集到的信息的分布更均匀同样是有待解决的问题。此外，由于UAV在WSN系统中执行信息收集任务，必须给UAV设计一种适合的路径规划算法，使得UAV能够完成信息收集任务。传统的UAV-WSN路径规划算法往往忽略了UAV受到的运动学约束或者WSN本身的能量特性的影响。因此，应该为UAV-WSN系统设计一种适合于UAV-WSN系统特点的路径规划算法。针对这些问题，本文旨在从现有的UAV-WSN系统的已有的MAC协议出发，结合对无线信道状态信息的利用，设计了一种跨层的UAV-WSN系统MAC协议。除此之外，本文将UAV所受到的运动学约束和WSN系统的生存时间考虑到UAV的路径规划中去，并根据生成路径的总长度和WSN系统的生存时间列出代价方程，以UAV受到的运动学约束作为约束条件进行路径规划。提出了一种PF算法，对基本的TSP路径进行修改，以使其达到预期的效果。为验证我们提出的MAC协议以及路径规划算法的性能，本文分别使用适当的工具对其在不同的条件下进行仿真分析，并与已有的方法或设计进行比较。其结果表明我们的MAC协议具有更高的吞吐率且收集到的信息有更均匀的分布。而我们提出的路径规划算法也被证明达到了优化代价方程的目的。