随着物联网、5G和人工智能（Artificial Intelligence,AI）的飞速崛起以及高度融合,衍生出了一批又一批基于物联网的新型智能边缘应用（例如,智慧城市、智能安防、无人智能驾驶等）。然而,面对海量零散分布且消耗大量通信计算资源的智能边缘设备,如何提高能效以及创新供能方式成为制约智能边缘发展的瓶颈,如何巧妙联合通讯计算资源设计在降低智能边缘终端设备因模型训练而产生的巨大能耗的同时保证模型训练性能（模型训练速度、模型训练准确性）,以及解决对于海量智能边缘设备的高效分布式供能困局成为了当前亟待解决的关键性问题。基于此,本论文首先展开基于物联网下边缘联邦学习框架的联合通信计算资源协同优化设计的研究,从最直观的角度,即能效优化的角度,通过降低智能边缘的能量消耗的方法提高智能边缘终端设备的续航能力。其次,由于未来适用于物联网智能边缘场景的复杂多样（如工业自动化、智能农业等）,智能边缘所需要的巨大能耗以及一些新应用场景对于能够快速布置供能的新型高性价比的能量供应方式的需求,因此仅仅考虑能耗优化并不能完全解决能量短缺的问题。基于以上考虑,本论文拟在提高能效的基础上,再进行基于无人机辅助的高效无线供能方案的研究,旨在从节能以及供能两个方面着手,实现应对未来的物联网智能边缘的高效资源分配设计。总结本文的主要工作,主要可分为两个方面,如下所示:（1）考虑物联网下边缘终端设备的通信计算的高能效场景,实现基于新兴的“联邦学习”框架下通信计算资源联合优化研究,本论文旨在设计边缘联邦学习框架下系统级的高能效的计算通信资源联合优化方案。该方案能够使得计算/通信资源有限的边缘设备在保证一定模型训练准确性或者模型训练速率的同时自适应依据模型训练任务以及终端设备硬件情况的对各个边缘设备用于模型参数更新的计算资源以及模型参数上传的通信资源进行最优配置。（2）考虑公平性原则下适用于物联网场景的高效能量传输分配策略。面对未来海量分布的低能耗的智能边缘终端设备,本论文通过考虑利用无人机部署的便利性以及无线供能的高效性进行悬停位置设计从而实现最大化最少接受无线的智能边缘终端所接受的能量。该方案创新性地运用了射频地图技术,相较于传统的视距链路以及概率视距链路模型,能够更好地描绘整个无线信道供能状态。同时我们还模拟现实场景下由于卫星定位数据存在误差等因素,只知道地面边缘终端设备的大概位置,最大限度模拟了现实场景下的环境。通过运用鲁棒性优化以及凸优化等方法我们最优化地解决了这一问题,数值仿真实验也验证了我们所提出的方案相较于传统的视距信道模型以及视距概率信道模型极大地提升了无线供能效率。