1.一种基于NOMA‑MEC的上行能效最小化的功率分配方法，其特征在于，包括以下步骤：S1、建立以最小化能效为目标，满足功率约束小于最大发射功率、用户速率大于最低速率、资源传输卸载计算时间小于总时间、客户端计算频率小于最大计算频率条件下的问题模型；

S2、对于NOMA‑MEC系统中最小化能效的问题，采用约束松弛方法将本地计算中能量消耗问题转换成一个关于卸载比例的凸问题；

S3、对于NOMA‑MEC系统中上行传输中的能量消耗问题，使用二次函数转化的方法将其转换成一个关于功率的凸问题，进而得到各个辅助变量和功率分配的表达式；

S4、对于最小化系统总能效为目标，提出一种迭代优化算法，得到每个用户上行传输中的最优功率分配；

S4中的迭代运算包括以下步骤：

L

S41、初始化用户um，k，i的总的输入量Lm，k，i，本地计算最大时延T以及上传最大时延Tup；

S42、使用变量松弛的方法建立本地计算频率和卸载率的关系，使用凸优化求解卸载率αm，k，i；

S43、使用迭代运算求解功率分配Pm，k，i；

S44、循环迭代直到能效收敛或者迭代次数到最大值；

小区内的基站集合表示为 载波集合表示为

假设每个用户只能在一个载波上，那么由第m个基站服务的第k个子载波上的第i个用户表示为um，k，i,其中

每个用户um，k，i输入的总的数据量记为Lm，k，i。

2.根据权利要求1所述基于NOMA‑MEC的上行能效最小化的功率分配方法，其特征在于，S1中建立系统的模型时应该考虑用户总输入数据量、本地计算的允许时延、上传的允许时延。

3.根据权利要求2所述基于NOMA‑MEC的上行能效最小化的功率分配方法，其特征在于，S1中在考虑上传时延的时候要考虑上传速率约束，满足实际上传速率和实际上传时间的积要大于部分卸载的数据量。

4.根据权利要求1所述基于NOMA‑MEC的上行能效最小化的功率分配方法，其特征在于，S2中在对本地计算能耗进行变量松弛的时候，要建立卸载率和本地CPU计算频率的关系，进而将能效问题转换成一个关于卸载率的凸问题；卸载率和本地CPU计算频率的关系表示如下：L

fm，k，i＝(1‑αm，k，i)Lm，k，iβm，k，i/T；

fm，k，i为本地CPU计算频率，βm，k，i为本地计算CPU处理1比特信息要转的圈数。

5.根据权利要求1所述基于NOMA‑MEC的上行能效最小化的功率分配方法，其特征在于，S3中使用二次函数将上传的能耗转换为凸函数，进一步包括：首先，引入一个变量 将上传速率Rm，k，i从一个非凸对数函数问题转换成一个非函数分式问题；可以通过一次导数得到辅助变量 的值，表示为其次，卸载部分的能效是一个分式规划问题，我们通过引入一个变量υm，k，i，然后采用二次函数转换的方式将分母分离出来，二次变量υm，k，i可以通过一次导数求出，表示为每个载波k上的用户总数为Nm，k,且满足Nm，k≥2；用户um，k，i的信道信息表示为hm，k，i；在MEC部分卸载传输中，本地计算需要的计算能量为 其中为本地计算的功率消耗,ξ为功率因子，fm，k，i为用户um，k，i的本地CPU计算频率， 为用户um，k，i本地计算需要的计算时间，

βm，k，i为本地计算CPU处理1比特信息要转的圈数；用户上传时使用NOMA传输，上传需要的能量消耗为 其中Pm，k，i为NOMA传输中用户um，k，i的功率分配，且满足Pm，k，i≤Pmax,Pmax为用户最大发射功率；tm，k，i为用户um，k，i完成本传输所需要的时间；用户的上行传输的速率为Rm，k，i，且满足Rm，k，i≥Rmin,Rmin为用户上行传输中的最小传输速率；

为解辅助变量；

2

其中σ代表的为噪声功率密度的平方。

6.根据权利要求5所述基于NOMA‑MEC的上行能效最小化的功率分配方法，其特征在于，S3中功率分配具体表示为其中λm，k，i和μm，k，i分别是关于速率约束和功率约束引入的拉格朗日乘子； 为解辅助变量；um，k，i为辅助变量；hm，k，i为用户um，k，i的信道信息。

7.根据权利要求1所述基于NOMA‑MEC的上行能效最小化的功率分配方法，其特征在于，步骤S43求解Pm，k，i是通过二次函数转换实现的，具体也是采用迭代运算的方式求解，具体分成以下几步：S431、求解辅助变量 的值和辅助变量vm，k，i的值；

S432、求解得到的卸载率αm，k，i的值求解功率分配Pm，k，i。