1.卫星边缘计算网络中考虑卫星移动性的计算卸载方法，其特征在于：所述方法包括如下步骤：步骤S1：考虑了一个以高轨道GEO卫星作为云、低轨道LEO卫星作为边、用户作为端的卫星边缘计算网络架构，并建立时延和能耗模型；

步骤S2：针对卫星的高速移动，结合卫星移动以及卫星覆盖时间、计算时间，建立考虑卫星移动的时延模型，并根据时延和能耗模型建立计算卸载的优化问题；

步骤S3：运用交替方向乘子法ADMM，将原问题分解为多个子问题，每个子问题分别在卫星上求解，得到最优的计算卸载结果。

2.根据权利要求1所述的卫星边缘计算网络中考虑卫星移动性的计算卸载方法，其特征在于：在步骤S1中，定义卫星边缘计算网络中包含三层结构：GEO层，由GEO卫星组成，作为云中心；LEO层，由部署有移动边缘计算MEC服务器的LEO卫星组成，LEO卫星与GEO卫星通过层间链路通信，相邻的LEO卫星通过星间链路通信；地面层，由具备计算能力的用户组成，用户只与LEO卫星通信，由LEO卫星将用户任务中继给GEO卫星；

用户集合表示为 ，LEO卫星和GEO卫星集合表示为 ，其中，M+1表示GEO卫星；每个用户在一个时隙内都会生成一个计算任务；用表示用户 对应于每颗卫星的卸载决策；

表示用户 的计算任务是否卸载到LEO卫星 ， 表示用户 的任务是否卸载到GEO卫星；如果 和 都为零，那么任务将在用户本地计算。

3.根据权利要求1所述的卫星边缘计算网络中考虑卫星移动性的计算卸载方法，其特征在于：在步骤S1中，用户的时延模型包括用户在本地完成计算的时延、用户在LEO卫星完成计算卸载的时延以及用户在GEO卫星完成计算卸载的时延三部分；

用户 在本地完成计算的时延 为：

；

其中， 表示该任务所需CPU周期， 表示用户的本地计算能力；

用户 在LEO卫星 完成计算卸载的时延 为：其中，  和 分别表示用户 到接入卫星A的星地传输时延以及星地传播时延，和 分别代表相邻两颗LEO卫星 和 的星间传输时延以及星间传播时延，表示接入卫星A与卫星 的跳数， 表示用户 的任务在LEO卫星 上的计算时延；

用户 在GEO卫星完成计算卸载的时延 为：；

其中， 和 分别表示接入卫星A到GEO卫星M+1的层间传输时延以及层间传播时延， 表示用户 的任务在GEO卫星M+1上的计算时延。

4.根据权利要求1所述的卫星边缘计算网络中考虑卫星移动性的计算卸载方法，其特征在于：在步骤S1中，用户的能耗模型包括用户在本地完成计算的能耗、用户在LEO卫星完成计算卸载的能耗以及用户在GEO卫星完成计算卸载的能耗三部分；

用户 在本地完成计算的能耗 为：

；

其中， 是与用户 的设备CPU相关的一个常量；

用户 在LEO卫星 完成计算卸载的能耗 为：；

其中，  和 分别表示用户 到接入卫星A的星地传输能耗和相邻两颗LEO卫星 和 的星间传输能耗， 表示用户 的任务在LEO卫星 上的计算能耗；

用户 在GEO卫星完成计算卸载的能耗 为：；

其中， 表示接入卫星A到GEO卫星M+1的层间传输能耗。

5.根据权利要求1所述的卫星边缘计算网络中考虑卫星移动性的计算卸载方法，其特征在于：在步骤S2中，针对LEO卫星的移动性，根据任务计算时间与卫星覆盖时间的关系，分四种场景分析任务在LEO卫星计算时的时延,得到用户 的任务在LEO卫星 上完成计算卸载的时延；

忽略结果返回过程的能耗，四种场景下能耗的计算表达式相同，即 ； 表示LEO卫星m对用户 的覆盖时间；根据四种场景，建立卫星的时延模型如下：（a）如果 ，此时用户在卫星覆盖时间内完成计算卸载，不需考虑卫星移动带来的影响，用 表示该场景计算卸载的时延，计算为：；

（b）如果 ，并且所选择卸载的LEO卫星飞离用户，此时用户不能在卫星的覆盖时间内完成计算卸载，计算结果要通过中继卫星返回给用户，用 表示该场景计算卸载的时延，计算为：；

其中， 表示在计算过程中卫星 相对用户 移动的跳数；

（c） ，并且选择卸载的LEO卫星飞向用户，在计算时间内不过顶，用 表示该场景计算卸载的时延，计算为：；

（d） ，并且选择卸载的LEO卫星飞向用户，且在计算时间内过顶， 表示该场景计算卸载的时延，计算为：根据 、 、 和 ，建立考虑卫星移动的时延模型，用以下的分段函数表示：；

用 和 分别表示网络的总时延和总能耗； 计算为：；

其中， 表示用户 在本地完成计算卸载的时延， 表示用户 在LEO卫星上完成计算卸载的时延，  表示用户 在GEO卫星上完成计算卸载的时延；

计算为：

其中， 表示用户 在本地完成计算卸载的能耗， 表示用户 在LEO卫星 完成计算卸载的能耗， 表示用户 在GEO卫星完成计算卸载的能耗。

6.根据权利要求1所述的卫星边缘计算网络中考虑卫星移动性的计算卸载方法，其特征在于：在步骤S2中，根据时延、能耗模型以及考虑卫星移动的时延模型，以卫星计算资源为约束，将计算卸载的优化问题表述为以下形式：；

其中，obj是卸载成本，卸载成本是时延和能耗的加权和， 是指标权重系数；（C1‑C2）保证每个卸载任务只能在本地或者一颗卫星上进行处理；（C3）表示计算资源约束，其中， 表示任务所需CPU周期， 表示卫星 的最大计算资源。

7.根据权利要求1所述的卫星边缘计算网络中考虑卫星移动性的计算卸载方法，其特征在于：在步骤S3中，将二进制变量 转换成连续变量 ， ；转换后的问题形式如下所示：；

其中， 。

8.根据权利要求7所述的卫星边缘计算网络中考虑卫星移动性的计算卸载方法，其特征在于：在步骤S3中，对于计算卸载的优化问题，采用分布式优化算法ADMM进行求解，即将该问题拆分成多个子问题，每个子问题分别在卫星上求解，具体步骤如下所示：在上述问题中，全局变量 是不可分的；为了使问题可分，以便每颗卫星独立解决问题，首先引入全局变量 的局部变量；对于用户 卸载的卫星 ，设 为用户 对应卫星 的 个分量集合，其中 为 的局部变量， ，表示用户 对应卫星 的第 个分量，此时每个子问题为以下形式：；

其中， ；一致约束 强制卫星中所有局部

变量必须与对应的全局变量一致；对于每颗卫星，分别求解以上子问题；

为了便于描述，将以下集合定义为卫星的局部变量的可行集：然后，再给出局部变量的目标函数：

根据上述两个式子，局部问题的等价描述如下：；

在上述问题中，具有可行集 的目标函数关于卫星边缘计算网络中的所有卫星是可分的；并且，当每颗卫星中的局部变量等于其对应的全局变量时，能够保持问题的共识；上述约束保证所有局部变量和全局变量之间的一致性上述问题的增广拉格朗日表示为：；

其中， 表示拉格朗日乘子集合， 是对应于

每个局部变量 的拉格朗日乘子， 是惩罚参数，用于调整ADMM的收敛速度。

9.根据权利要求8所述的卫星边缘计算网络中考虑卫星移动性的计算卸载方法，其特征在于：在步骤S3中，用ADMM进行求解，求解步骤如下：S3‑1：设置最大迭代次数为 以及迭代停止阈值 ， ；并随机选择一组初始卸载决策向量 ；

S3‑2：判断迭代次数 是否小于最大迭代次数 ；若小于，则执行步骤S3‑3以及S3‑4；否则，执行S3‑6；

S3‑3：每颗卫星 根据以下公式循环更新局部卸载变量 和全局卸载变量以及拉格朗日乘子 ；

；

其中， 表示第 次迭代的拉格朗日乘子， 和 分别代表第 次迭代时的局部变量和全局变量， 为惩罚系数；

S3‑4：更新迭代次数 ；

S3‑5：根据以下公式判断原始残差和对偶残差是否小于 和 ，若小于,则执行S3‑6；

否则，返回S3‑3；

S3‑6：输出连续值 ；

S3‑7：对任意用户 ，比较卫星 对应用户 的 大小，并将最大的 还原为1，将其余变量还原为0；对所有用户重复该操作，直到所有的 都还原为0‑1变量 ；

S3‑8：返回计算卸载结果 。