随着移动机器人技术的发展,移动机器人广泛应用于各种军事和民用领域,以无人机为代表的移动机器人组网应用向着大规模和高速移动的方向发展。提高无线通信质量是大规模快速移动机器人组网需要解决的关键问题,路由协议和信道接入算法对无线通信性能影响较大。由于无人机应用规模较大和移动速度较快导致了网络端到端跳数较大,通信范围内接触时间较短。针对上述问题本文对大规模无人机网络路由协议和快速移动无人机辅助网络信道接入算法进行研究,旨在降低网络端到端时延和提高网络吞吐量。主要的工作和创新点包括以下两点:首先,本文针对大规模无人机网络端到端跳数较多导致时延较大的问题,提出了大规模无人机群的模糊决策树路由协议（FDT）。在FDT中,通过模糊决策树预测跳数,先选出邻居节点中跳数最小的部分邻居集,再通过指数加权平均从邻居最小跳数集合中选出时延和传输成功率综合性能最优的下一跳节点,达到减少跳数并保证较高传输成功率的目的。仿真结果表明FDT相对于算法RFLQGeo、MLProph、DOA、LBR,在端到端时延上分别降低了 72.1%、76.6%、74.5%、22.1%,但是在传输成功率性能上还有待提高。其次,本文为了增大快速移动无人机辅助网络通信接触时间,解决网络吞吐量较低的问题,提出了支持快速移动无人机辅助网络的度量学习信道接入算法（ML）。在ML中采用度量学习优化无人机基站飞行轨迹,保证无人机基站在高速飞行情况下与地面设备有充足的接触时间完成数据收集,在信道接入机制上采用图着色方法降低接入冲突。仿真结果表明ML相较于对比算法DLMA、iQRA、QLeaner、SLA,在吞吐量性能上分别提高了 38.18%、46.24%、49.15%、26.76%,并在传输成功率上也有很好的表现,但是本文提出的算法ML在时延和能耗上具有局限性。本文的研究工作可以为后来学者研究大规模无人机网络和快速移动无人机辅助网络提供参考。