移动边缘计算(mobile edge computing,MEC)网络在距离用户最近的无线接入网部署边缘云服务器,创建具备高性能、低延迟与高带宽的服务环境,能为用户提供信息处理和云计算能力。MEC与大规模MIMO技术融合可在增强用户计算能力的同时显著提升频谱效率;MEC与无线传能技术融合能在保证用户绿色供能的基础上优化MEC网络的能耗。然而,由于通信、计算与供能耦合,系统性能依赖于通信过程、迁移过程与传能过程的联合优化。本文以改善MEC系统延迟,提升频谱效率、降低系统能耗为目标,研究基于大规模MIMO的MEC网络和基于无线传能的MEC网络中联合资源分配与功率控制。主要内容概括如下:(1)研究基于大规模MIMO的MEC网络联合资源分配与功率控制策略。针对大规模MIMO-MEC网络,采用空分多址(SDMA)协议,各用户的计算任务需要迁移至边缘服务器处理,且任务迁移和处理必须在任务截止期完成。大规模MIMO系统采用基于导频辅助的信道估计,以获得迁移决策所需的信道状态信息。研究能最小化所有用户最大时延的联合导频传输功率、数据传输功率以及计算资源分配算法。鉴于所构建优化模型的非凸非线性,提出一种基于罚函数最速下降法改良的果蝇优化算法,该算法将基于罚函数最速下降法获得的近似最优解作为果蝇优化算法的局部搜索初始点,缩减果蝇优化算法的种群规模和迭代次数,降低算法复杂度。对算法性能与用户数、计算任务迁移数据量、计算资源、天线数之间的关系以及算法的复杂度进行了仿真分析,验证了所提算法的优越性。(2)基于无线传能的MEC网络联合资源分配与功率控制策略。针对WPT-MEC网络,采用时分双工正交频分多址(TDD-OFDMA)协议,用户能量与计算资源均来自基站,各用户的计算任务需要迁移至边缘服务器处理,且任务迁移和处理必须在任务截止期完成。研究最小化用户能耗的联合信道分配、上下行时间分配与功率控制算法。鉴于所构建优化模型为混合整数非线性规划(MINLP)问题,属于典型的NP-hard,探寻启发式算法求解。采用分解思想将原问题松弛为给定信道分配下的能效功率分配,进一步将能效功率分配松弛为给定上下行时间分配下的能效功率分配,首先基于注水算法实现对偶转换,利用凸优化理论求解,然后采用定步长一维搜索算法获得最优上下行时间分配。对算法性能与用户平均能耗、系统能耗、信道利用率之间的关系进行了仿真分析可知,所提算法可明显降低能耗。