在无线传感器网络（Wireless Sensor Network,WSN）中,如何提高传感器设备的计算能力是需要解决的重要问题之一。利用移动边缘计算（Mobile Edge Computing,MEC）技术无线传感器设备可以把繁重的计算任务通过基站卸载到边缘云服务器进行计算,从而提高无线网络的计算能力。但是,当无线传感器设备进行大量任务卸载时需要大量的能量支持,在没有足够的能量时计算卸载往往会被中断。因此,需要在WSN中联合能量捕获技术来补充无线传感器设备的电池能量,完成设备任务计算卸载。当大量设备同时进行计算卸载的时候还会导致传输信号冲突和边缘云服务器计算过载的问题。针对上述问题,本文提出了两种利用MEC技术在能量捕获传感器网络中进行计算卸载的策略,来解决上述问题,主要工作如下:针对MEC系统中如何合理分配能量捕获时间和计算任务,在最短时间周期内完成无线设备计算任务的问题,本文提出了一种联合能量捕获技术的计算卸载策略。该策略采用了能量捕获技术为多用户MEC系统提供能量支持,并通过动态计算卸载来完成部分计算任务,使得计算时间周期最小化。该策略在同一时间段内只允许一个无线设备进行计算卸载,其余无线设备在该时间段内采用本地计算方式完成部分任务,防止多设备同时计算卸载导致信号干扰。然后建立了相应的数学模型,将该策略转化为一个优化问题,再通过拉格朗日对偶对以上问题进行了求解。MEC系统采用一般的时分多址接入技术,无线设备无法同时进行计算卸载,而采用5G网络中的非正交多址接入技术和串行干扰删除技术可以解决这个问题,这样可以进一步提高无线传感器网络的计算效率。针对如何利用非正交多址接入技术在最短时间周期内完成任务计算卸载的问题,本文还提出了一种最小化MEC系统计算时间周期的合理时间分配和计算卸载策略。该策略引入了非正交多址接入技术,可以让多个设备在同一时间段内进行计算卸载。同时还考虑了边缘云服务器的计算负载问题,当边缘云服务器负载过大时无线设备采用本地计算的方式完成剩余任务计算。然后同样建立了相关数学模型,并将该策略转化为优化问题进行了求解。最后本文根据以上策略分别设计了相应的实验,通过数值模拟的实验验证了本文提出的策略的有效性。