1.一种联合优化计算卸载和资源分配的方法，其特征在于，包括以下步骤：搭建基于用户协作的无线供电移动边缘计算网络系统；在所述网络系统下，建立用户配对模型，用于表征活动用户与空闲用户的配对关系；

建立能量收集模型，用于表征所述活动用户和所述空闲用户从能量站收集的能量；

建立本地计算模型，用于表征所述活动用户的本地执行延迟和本地执行能耗，以及所述空闲用户的本地执行延迟和本地执行能耗；

建立计算卸载模型，用于表征所述活动用户将计算任务卸载到所述空闲用户的能耗和数据传输速率，以及将计算任务卸载到MEC服务器的能耗和数据传输速率；

根据所述用户配对模型、所述能量收集模型、所述本地计算模型和所述计算卸载模型，建立所述网络系统的最小能耗模型；

对所述最小能耗模型进行优化资源分配和最优用户匹配，得到所述网络系统的最小能耗；

所述用户配对模型为： 其中，αi，j表示第i个活动用户和第j个空闲用户之间的配对系数，K表示活动用户的集合，M表示空闲用户的集合；

所述能量收集模型为： 其中， 表

示第i个活动用户从能量站收集的能量， 表示第j个空闲用户从所述能量站收集的能量，N代表信道的个数，t0表示供电阶段持续的时间，η代表能量站向活动用户或空闲用户供电的能量转换效率，Pb，n代表能量站到活动用户或空闲用户的发射功率，he，i代表能量站到活动用户的信道增益，he，j代表能量站到空闲用户的信道增益；

所述活动用户的本地执行延迟为： 其中， 表示第i个活动用户在本地完成的计算任务的比特数，Ci表示第i个活动用户在本地完成计算任务所需的CPU周期数，fi表示第i个活动用户的计算能力； 为第i个活动用户的本地执行延迟约束，其中，T代表网络系统的最大容忍延迟；

所述活动用户的本地执行能耗为： 其中，αi，j表示第i个活动用户和第j个空闲用户之间的配对系数，κi表示能量转换系数；

所述空闲用户的本地执行延迟为： 其中， 表示第j个空闲用户在本地完成的计算任务的比特数，Cj表示第j个空闲用户完成计算任务所需的CPU周期数，fj表示第j个空闲用户的计算能力； 为第j个空闲用户的本地执行延迟约束；

所述空闲用户的本地执行能耗为： 其中，κj表示能量转换系数；

所述将计算任务卸载到所述空闲用户的能耗为： 其中，αi，j表示第i个活动用户和第j个空闲用户之间的配对系数，ti，j表示将计算任务从活动用户卸载到空闲用户所需的时间，pi,j表示从活动用户到空闲用户的链路传输功率；

为将计算任务卸载到所述空闲用户需满足的约束条件；

所述将计算任务卸载到所述空闲用户的数据传输速率为：其中，B表示信道带宽，gi，j表示活动用户和空闲用户之间的信道状态信息，pi，j表示从活动用户到空闲用户的链路传输功率，NO表示在活动用户和空闲用户之间的信道中产生的噪声功率；

所述将计算任务卸载到所述MEC服务器的能耗为： 其中，ti，a表示将计算任务从活动用户卸载到MEC服务器所需的时间，pi，a表示将计算任务从活动用户卸载到MEC服务器的链路传输功率； 为将计算任务卸载到所述MEC服务器需满足的约束条件；

所述将计算任务卸载到MEC服务器的数据传输速率为： 其中，gi，a表示活动用户和MEC服务器之间的信道状态信息，pi，a表示从活动用户到MEC服务器的链路传输功率，NO表示在活动用户和MEC服务器之间的信道中产生的噪声功率；

所述网络系统的最小能耗模型为：

max

其中， p＝[pi,j,pi,a]f＝[fi,fj]，t＝[t0,ti,j,ti,a]，fi 表示活动用户的最大计算能力， 表示空闲用户的最大计算能力。

2.根据权利要求1所述的一种联合优化计算卸载和资源分配的方法，其特征在于，所述网络系统包括：能量站、活动用户、空闲用户和MEC服务器；所述能量站通过无线供电链路向所述活动用户和所述空闲用户供电；所述活动用户通过D2D链路将计算任务卸载到所述空闲用户；所述活动用户通过蜂窝链路将计算任务卸载到所述MEC服务器。

3.根据权利要求1所述的一种联合优化计算卸载和资源分配的方法，其特征在于，所述对所述最小能耗模型进行优化资源分配的方法为：A1：建立优化资源分配模型；

A2：利用利用拉格朗日对偶法锁定所述资源分配模型中的功率分配变量和计算能力分配变量，得到等价的优化资源分配模型；

A3：利用CVX工具包锁定所述资源分配模型中的计算任务分配变量和时间分配变量，得到等价的优化资源分配模型；

A4：利用块坐标下降法求解所述等价的优化资源分配模型，得到所述网络系统的能量消耗矩阵，用于表示所述网络系统中计算任务从任一活动用户到任一空闲用户的能耗；

所述对所述最小能耗模型进行最优用户匹配的方法为：B1：建立最优用户匹配模型；

B2：利用匈牙利法和所述能量消耗矩阵，求解所述最优用户匹配模型，得到所述网络系统的最小能耗。

4.根据权利要求3所述的一种联合优化计算卸载和资源分配的方法，其特征在于，所述A2包括：A21：根据所述等价的优化资源分配模型，建立拉格朗日函数；

A22：建立所述拉格朗日函数的对偶函数；

A23：建立以最大化所述对偶函数为目标的对偶模型；

A24：求解所述对偶模型，得到所述计算任务分配变量和所述时间分配变量；

A25：根据所述计算任务分配变量和所述时间分配变量，利用次梯度法迭代更新所述拉格朗日函数的乘子、所述活动用户的计算能力、所述空闲用户的计算能力、将计算任务卸载到空闲用户的链路传输功率，以及将计算任务卸载到所述MEC服务器的链路传输功率，直到满足收敛条件，得到所述优化资源分配模型的最优解；

A26：根据所述A1至所述A25，基于块坐标下降法获取计算任务从任一活动用户到任一空闲用户的能耗，形成所述网络系统的能量消耗矩阵。

5.一种用于权利要求1‑4任意一项所述的联合优化计算卸载和资源分配的方法的系统，其特征在于，包括：网络系统搭建模块，用于搭建基于用户协作的无线供电移动边缘计算网络系统；

模型建立模块，用于建立：

用户配对模型，表征活动用户与空闲用户的配对关系；

能量收集模型，表征活动用户和空闲用户从能量站收集的能量；

本地计算模型，表征活动用户的本地执行延迟和本地执行能耗，以及空闲用户的本地执行延迟和本地执行能耗的；

计算卸载模型，表征计算任务从活动用户到空闲用户的能耗和数据传输速率，以及计算任务从活动用户到MEC服务器的能耗和数据传输速率；

最小能耗模型，表征网络系统的最小能耗；

优化资源分配模块，用于对所述最小能耗模型进行优化资源分配；

最优用户匹配模块，用于对所述最小能耗模型进行最优用户匹配，得到所述网络系统的最小能耗。