随着智能用户设备的兴起以及低时延应用的流行,当前的移动蜂窝网络亟需提供高稳定、低时延的无线接入方式。移动用户设备应用,例如智能手机、平板电脑、可穿戴式移动设备等等,需要大量的计算,此外,它们对电池容量有限的设备具有很高的能耗要求。为了克服能耗和计算能力带来的挑战,移动边缘计算(MEC)被视为一种潜在的解决方案,它通过计算能力强大的边缘计算服务器为移动网络边缘的用户提供计算任务卸载。无人机(UAV)有高灵活性和低成本的优势,它被广泛地应用在需要临时支撑无线蜂窝网络无法覆盖的场景中。无人机良好的空地无线信道让它更加适合在时延敏感的移动数据收集场景中。无线蜂窝网络承载低时延应用涉及复杂的计算和通信资源分配问题,然而,无线传输会为时延敏感应用带来额外时延。因此,为了克服额外时延对实时应用造成的不便性,同时满足低时延的要求,本文将研究无线蜂窝网络中低时延驱动的资源分配问题。首先,考虑在小蜂窝网络中将虚拟现实(VR)视频应用迁移至具有计算资源的无线小蜂窝基站,并保证VR用户的用户体验感(QoE)。首先为了评估受时延影响的QoE,本文提出运用主观评价分数(MOS)去刻画用户的沉浸式体验感。其次,VR用户可以在小蜂窝网络中随机切换自己的视场角(FOV),考虑现实场景,小蜂窝基站无法获得关联用户FOV的状态概率。因此,在动态和不完整信息的约束下,本文采用随机博弈方法去解决最大化系统MOS的资源分配问题。其次,本文将以无线传感网络(WSN)中的传输时延为优化目标,研究无人机辅助的时延敏感数据收集问题。系统中,目标固定翼无人机的运动导致了严重的时变无线信道。此外,就地面无线传感节点而言,它们不了解固定翼无人机的飞行轨迹以及其他节点选择无线信道传输数据的策略。因此,无线传感节点选择信道传输数据的问题面临动态和不完全信息的挑战。本文采用随机博弈方法解决以最小化传输时延为目标的信道选择问题。最后,本文将研究多用户MEC架构VR传输模型,3D FOV的预处理被卸载到MEC服务器。为了联合优化VR设备端的缓存、计算资源,AP接入点的通信资源,MEC服务器的CPU资源,本文构造了以最小化系统时延为目标的资源分配问题,该问题是非凸约束非凸优化问题。进一步,本文通过采用连续凸近似方法(SCA)有效解决了该联合资源分配问题。