1.一种基于神经网络的无线供能边缘计算网络的任务卸载方法，所述无线供能边缘计算网络包括无线设备和网关，所述网关包括射频能量发射器和边缘计算服务器，其特征在于，所述基于神经网络的无线供能边缘计算网络的任务卸载方法，包括：构建以无线设备信道增益为输入、供能时长比例为输出的全连接神经网络模型，将当前无线设备信道增益输入到训练好的所述全连接神经网络模型，得到供能时长比例，进而确定供能时长；

在确定的供能时长情况下，通过最大化所有无线设备的总计算速率，得到每个无线设备任务卸载通信时长和任务卸载通信所占用的能量分配比例；

根据所述供能时长，所述射频能量发射器对无线设备在每个时间帧开始时进行无线供能；

配置每个无线设备在每个时间帧内以所述每个无线设备任务卸载通信时长和任务卸载通信所占用的能量分配比例进行任务卸载通信，配置每个无线设备在每个时间帧内以剩余能量进行本地任务计算；

其中，所述在确定的供能时长情况下，通过最大化所有无线设备的总计算速率，得到每个无线设备任务卸载通信时长和任务卸载通信所占用的能量分配比例，包括：计算所有无线设备的总计算速率Q(x,t)公式如下：

其中，φ是无线设备本地处理一比特任务所需的CPU周期数，ke是无线设备的计算能效系数，B是无线通信带宽，N0是噪声功率，ti为第i个无线设备的任务卸载通信时长比例，N为无线设备的数量，a为供能时长比例，供能时长为aT，T为时间帧时长，xi是第i个无线设备用于任务卸载通信的能量比例，μ是能量捕获效率，P是射频能量发射器的射频能量发射功率，hi是第i个设备在当前时间帧下的信道增益，且满足0≤ti≤1、 和0≤xi≤

1；

采用求解凸优化问题的方法对所述总计算速率Q(x,t)求解，得到在给定供能时长比例a下的最大化Q(x,t)的任务卸载通信所占用的能量分配比例和任务卸载通信时长；

所述全连接神经网络模型在训练时，训练样本包括信道增益及其对应的标签，所述标签为供能时长比例，所述供能时长比例通过按0.01的步长在[0,1]中取值，对于每个供能时长比例的取值，计算所有无线设备的总计算速率，取总计算速率最大时的供能时长比例取值作为该信道增益样本对应的标签。

2.根据权利要求1所述的基于神经网络的无线供能边缘计算网络的任务卸载方法，其特征在于，所述全连接神经网络模型包括1个输入层、2个隐藏层和1个输出层，第一隐藏层为120个神经元，第二隐藏层为80个神经元，输出层有1个神经元，其中激活函数为Sigmoid函数。

3.根据权利要求1所述的基于神经网络的无线供能边缘计算网络的任务卸载方法，其特征在于，所有无线设备通过时分复用的方式来进行任务卸载通信。