随着5G网络、物联网、人工智能等信息技术的快速部署,无人机因其灵活性、机动性、部署快等优点而作为信息网络最后一公里接入的新型手段之一,广泛应用于目标检测、跟踪、灾难监测等。无人机因其计算能力、通信能力、存储能力等限制而难以完成复杂的任务要求,无人机集群应运而生,其由多个无人机组成并以集群模式运行。然而,如何实现集群中无人机间高效通信是当前无人机集群面对的重要挑战,已成为当前无人机集群通信及应用的研究热点,引起学术界和工业界的广泛关注。因此,本文对面向无人机集群的协同通信理论与仿真展开深入研究,实现了无人机集群内无人机间的高效协同通信。本文的主要研究内容及创新工作如下:1.构建了面向无人机集群的动态协同通信架构。通过研究现有面向无人机集群的集中式和分布式协同通信架构,提出了一种新的面向无人机集群的混合式协同通信架构。该架构避免了无人机集群分布式协同通信架构缺少集群中心和网络管理困难等问题,以无人机高动态性、能量有限性等为约束条件,还考虑了无人机集群网络中的节点重要性、剩余能量强度和运动相似性三个重要的因素;然后针对分布式无人机集群管理困难的问题提出了一种基于Mean-shift的集群分簇算法,从而可以对分布式集群网络进行更好的管理。通过搭建基于OMNet++和ROS的无人机集群协同通信联合仿真平台,验证了所提出的算法更合理、性能更好;2.提出了基于集中式的无人机集群协同通信算法。首先对无线传输的Nakagami信道衰落模型进行了阐述,同时对该模型的传输中断概率计算公式进行了推导。然后对集中式集群协同通信网络进行建模分析,和对多节点协同传输的中断概率进行了推导。通过联合一次侧中断概率和最佳协同节点个数来确定最优的传输信噪比,进而确定二次侧的最佳传输功率。最后集群中心通过多参数联合优化策略对资源统一调度,从而使得整个集中式无人机集群协同通信的SNR最大化和能量消耗最小化;3.提出了基于自主分布式的无人机集群协同通信算法。通过对大规模自主分布式的无人机集群协同通信网络的特点和关键技术进行分析,然后对整个集群网络的拓扑感知进行研究。本文首先分析了MAC层协议的参数对信道利用率的影响,并建立了基于马尔可夫的信道传输延迟模型。提出了一种基于树形结构的快速可靠转发分组的规则,同时优化了树结构的转发和维护规则。其中最主要的改进是减少不必要的拓扑信息转发,和主动维护集群的树形拓扑结构,从而增强分布式集群协同通信网络的拓扑感知能力。然后提出了一种基于时变聚合图的快速鲁棒的路由策略。其中对链路容量和节点持续性进行计算,通过把链路带宽作为路由的度量值,从而大大提高了整个集群网络的负载均衡能力。最后通过联合链路容量和节点持续时间两个参数来联合优化协同通信节点的选择。仿真分析表明本文提出的策略对分布式集群网络的有效性和适用性。