物聯(lián)網(wǎng)技術(shù)的蓬勃發(fā)展，促使接入網(wǎng)絡(luò)移動設(shè)備數(shù)量呈爆炸式增長，新應(yīng)用層出不窮，且新應(yīng)用對帶寬、數(shù)據(jù)存儲、計算以及時延等有更高的要求。邊緣計算作為5G關(guān)鍵技術(shù)之一，將云服務(wù)擴展到網(wǎng)絡(luò)邊緣，能夠降低任務(wù)處理時延。工業(yè)界和學術(shù)界普遍認為合理的卸載決策和資源分配方案能夠有效提升邊緣計算系統(tǒng)性能。并提出了一種基于無監(jiān)督深度學習的多用戶移動邊緣計算方案、一種智能反射面輔助的安全計算卸載方案、一種智能反射面輔助的無線充電協(xié)作計算卸載方案、一種智能反射面輔助的多入單出系統(tǒng)下盲區(qū)用戶通信方案。