使用传统的多跳通信方式收集物联网(Internet of Things,IoT)系统中IoT设备感知的数据,不仅会降低网络生存期,而且严重影响数据的时效性。部署无人机(Unmanned Aerial Vehicle,UAV)携带微基站协助完成数据收集,可以有效弥补地面网络通信资源的匮乏,但是UAV电池容量有限,一旦遇到数据传输量较大的情况,单架UAV无法满足系统对服务质量(Quality of Service,QoS)的要求。利用多UAV形成集群在大规模IoT中并行收集数据,可以有效提高网络的数据传输效率。考虑到UAV的购买成本较高,在满足IoT设备QoS需求的条件下,应尽量减少所使用的UAV数量。本文将从以上考虑出发,设计高效的UAV集群协作支持的IoT数据收集方法。针对UAV集群的并行数据收集,本文选择UAV仅在悬停时收集数据。首先,为提高收集效率,本文提出了一种多UAV覆盖区域划分及最优悬停位置选择方法,构建了多UAV支持的并行数据收集网络,并给出了详细的网络系统模型。再以数学形式推导每个IoT设备的吞吐量表达式。其次,研究如何将网络覆盖区域内的IoT设备进行分簇,获得每个簇中UAV的最佳悬停位置,从而能在最大化IoT设备平均吞吐量的同时,均衡每个簇中IoT设备数量。最后,利用了一种启发式算法对优化模型进行求解,通过仿真验证了所采用算法的有效性。根据已经获得的IoT设备簇划分以及每个簇中UAV悬停位置,本文提出一种UAV数量最小化机制,考虑UAV的数据收集时延和能耗约束,给出相关优化参数,构建该机制下优化问题的数学模型。所提出的公式化问题是一个混合整数非凸优化问题,寻找其最优解是一个多项式复杂程度的非确定性(Nondeterministic Polynomial Hard,NP-Hard)问题,因此,本文设计了一种低复杂度的迭代算法来寻找该问题的次优解,即将原问题分解为两个子问题,通过迭代方式求解。针对第一个子问题,即多UAV的飞行路径规划,假设UAV数量已知,为提高UAV集群工作效率,并保障每架UAV任务分配的公平性,本文提出了一种时间均衡的多UAV飞行路径规划方法,优化每架UAV的飞行轨迹,以在最小化总任务完成时间的同时,均衡每架UAV的运作时间。针对第二个子问题,即根据已知的UAV飞行轨迹,在满足数据收集QoS的基础上,将原问题进一步简化为最小化UAV数量的问题,采用穷举搜索方法来寻找使用UAV的最少数量。最后,本文将之前的多UAV覆盖区域划分和悬停位置选择算法,多UAV飞行路径优化算法,以及确定UAV数量的穷举搜索算法进行整合,迭代求得原NP-Hard问题的次优解,并通过仿真结果验证了所设计迭代算法的有效性。