随着创新应用的不断发展,传统的4G网络构架已经难以满足指数型增长的数据流、多样化的终端设备及各种复杂的服务场景。由此无线通信在其移动性能,安全性,网络延迟,通信可靠性方面都提出了更高的要求。另外,移动边缘计算系统作为5G可能的关键性技术基础,通过将无线网络技术与互联网关键技术相结合的同时在无线通信模块增加了计算、存储、中央处理器(Central Processing Unit,CPU)等,有效的解决了无线通信网络中的延迟,存储空间不足等问题。因此,移动边缘计算网络的计算任务卸载具有响应时延低,网络扩展性好等特点。在移动边缘计算系统中加入无人机,利用无人机的灵活部署,通过联合计算和通信协作方法,使用户在计算和通信方面的合作能够提高移动边缘计算(Mobile Edge Computing,MEC)性能。但是针对无人机的快速移动性的特点,其飞行轨迹控制策略与传统通信系统容量,功耗等关系尚不明确,需要根据无人机通信的移动性特点,结合经典的空对地视距(Line of Sight,LoS)信道模型,基于以上需求,本文拟从单无人机-多地面基站和多无人机-多地面基站任务卸载模型出发,分析无人机能耗优化和任务完成时间的优化策略研究。主要研究内容和场景可以概括为:1.无人机移动边缘计算能耗优化策略研究基于单无人机-多地面基站的移动边缘计算系统模型,我们提出了一种新的移动边缘计算模型,其中无人机(Unmanned Aerial Vehicles,UAV)由蜂窝地面基站(Ground Base Station,GBS)提供服务以进行计算分流。无人机在给定的初始位置和最终位置之间飞行,在此期间,它需要执行某些计算任务,方法是将它们沿着某些轨迹卸载到某些选定的GBS,在确保计算任务完成的前提下,我们提出了一种飞行悬停通信设计,利用旅行商问题(Traveling Salesman Problem,TSP)和凸优化技术来找到可选的悬停位置,然后进行卸载任务,通过迭代优化算法求得无人机能耗最小的局部优化解,随后又找到了一种路径离散化方法将原始的无穷变量问题转化为有限的离散变量优化问题,再利用凸近似的方法将非凸问题转换为凸问题,最后利用CVX工具求得无人机能耗最小的一般解。数值结果表明,与基准方案相比,所提出的方案在节省无人机能耗方面具有显著的性能提升。2.多UAV移动边缘计算系统任务完成时间最小化基于多无人机协同蜂窝基站的移动边缘计算系统,采用多无人机向地面基站进行任务卸载。相较于单无人机,多无人机能更好的利用其灵活部署实现边缘网络覆盖,在该系统中,使用多无人机并行执行任务能大大缩减任务完成时间。但是多无人机在飞行过程中容易发生撞机风险,考虑无人机间的安全飞行是至关重要的。在本文中,我们考虑了无人机飞行过程中的安全机制,通过时隙正交的接入方法,向地面基站进行任务卸载。在地面基站计算能力受限的场景下,通过联合优化时隙调度、功率分配和飞行轨迹再利用凸优化技术实现了任务完成时间最小。