近年来,移动网络高速发展,随着5G的正式商用,地面网络发展告一段落,人们不禁将目标定在了天地一体化网络上。其中低轨卫星（LEO）网络能够解决地面网络覆盖范围不足的问题,是地面网络的一个补充。随着世界各国倾力发展,如今世界上的LEO网络已经初具规模,并且仍在高速发展中。与此同时,LEO网络中存在一些问题,主要包括网络拓扑动态变化的问题,由此造成的移动性管理问题成为LEO网络中的一个重点和难点。能否解决好移动性管理问题决定了未来LEO网络的发展前景和应用前景。本文从边缘计算（MEC）的角度出发,以低轨卫星网络情境下的MEC移动性管理为主题进行了一系列研究。首先对国内外LEO网络的发展现状和研究方向做了调研,确定了 MEC在该场景下的发展前景。然后调研当前LEO移动性管理和MEC移动性管理方案,评估了当前存在方案的特点和不足后,提出了一种融合边缘计算的低轨卫星组网架构。在此基础上通过结合网络模型,分析该场景下的通信过程,改善了网络拓扑变化带来的大量路由更新的问题以及由此导致的LEO网络扩展性差的问题。基于该网络架构,搭建了以容器为核心的边缘计算仿真平台,对边缘计算的服务发现、服务卸载、服务迁移等功能进行了仿真,并分别对比了冷、热迁移的效果和云、边计算的效果。针对MEC移动性管理问题,提出将服务过程离散化为一个多次迁移决策过程的方案,降低处理难度和成本。对单个用户的计算服务过程,利用了卫星星座可预期的先验信息,采取全局最优的维特比方法解决迁移决策。针对由此产生的网络局部拥塞问题,提出了采用强化学习的方案解决。最后通过仿真实验验证了提出方案的性能。