为支持物联网中兴起的各类时延敏感型应用,满足小型设备数据处理需求,需要增强数据处理能力,降低数据传输时间。雾计算技术,通过在网络边缘部署具有较强计算能力服务器的方式,为网络中的设备提供高效计算服务的同时能够满足低时延的要求。因此,受到了学术界和产业界的广泛关注。近年来,无人机因其具有体积小,成本低,易于部署等特点,在各行各业得到了广泛应用。在无线通信网络中,无人机可与地面建立良好的视距传输链路,提升数据传输的效率。在雾计算网络中,因无人机具有移动性强等优点,对无人机进行研究成为了十分有前途的方向。然而无人机受自身体积限制,飞行过程中载能有限。因此,如何在保证其完成任务的前提下进行无人机能耗优化设计,存在一定的挑战。综上,本文针对无人机辅助雾计算网络中的两种具有代表性的模型进行研究,具体创新工作如下:(1)针对无人机辅助雾计算网络中无人机作为移动的雾服务器场景进行研究。由于物联网中大量的传感器设备自身能量有限,因此,无人机在提供计算服务的同时也作为移动能量源为传感器设备供能。无人机首先向地面传感器广播射频能量,地面传感器使用收集到的能量进行本地计算或者将数据卸载到无人机进行计算。除完成计算任务外,传感器还将储存一定的能量来保证正常运行。为保证传感器完成任务的同时最小化无人机的能量消耗,建立了数学优化模型。由于所建立优化问题是个复杂的非凸问题,于是在凸优化理论的基础上,提出了基于连续凸近似的联合优化算法。为了使设计更加符合实际场景,考虑了无人机的速度变化约束,并分析符合实际电路特性的非线性能量收集模型对系统的影响。通过对比不同的优化方案,实验结果表明所提算法能够有效降低无人机的能耗,并且所提联合优化算法的优化效果最好。(2)针对无人机辅助雾计算网络中无人机作为移动数据节点的场景进行研究。无人机在飞行过程中可以将数据卸载到具有更强大计算能力的地面雾服务器进行计算。为了实现在完成无人机数据计算需求的前提下最小化无人机的能量消耗,建立了数学优化模型。由于所建问题非凸,设计了基于块交替迭代理论的联合无人机飞行轨迹与发射功率优化算法,在分块优化过程中,将子问题近似为凸问题,利用标准凸技术进行求解。并引入了更加实际的无人机飞行约束设计。通过仿真实验对所提算法的有效性进行验证,在不同的计算数据量下都能够得到有效的轨迹和发射功率规划,并且所采用的联合优化算法所得到的优化效果最佳。