在新一代网络技术的推动下,用户可以获得各种多元化服务,但是众多的应用也给用户设备带来了极大的计算压力。作为5G的关键技术之一,移动边缘计算（Mobile Edge Computing,MEC）能够通过计算卸载辅助用户完成计算任务,充分利用其他空闲计算资源来实现计算压力的降低和转移,很好的解决了用户面临计算密集型应用任务带来的难题。此外,非正交多址接入（Non-Orthogonal Multiple Access,NOMA）不再受到正交资源数量的限制,提升了更多用户接入的潜力,并且在时延和能耗等方面都具有明显的优势。本文着重研究了在不同场景下基于NOMA的MEC系统中的性能优化问题,本文主要工作和研究如下:（1）针对单用户基于NOMA下行链路的卸载场景,结合缓存队列提出了一种联合优化发射功率与任务卸载的资源分配方案。系统中考虑了一个有计算任务需求的用户、两个附属了小型MEC服务器的无线接入点（Access Point,AP）,当用户产生计算任务需求时,用户会将任务划分为三部分,并分别通过本地和卸载到两个MEC服务器上进行计算。具体而言,在保证时延要求的前提下,构建系统能耗最小化的问题,首先通过对问题进行等价转换将概率问题转化为非概率问题,由于所得问题为非凸的,然后将问题拆分为两个子问题进行分别求解,通过公式推导得出功率分配子问题的最优分配表达式,对转化后的凸优化问题利用拉格朗日乘子法和一维搜索算法解决任务分配子问题。仿真结果表明,所提方案与基于正交多址接入（Orthogonal Multiple Access,OMA）卸载和无缓存卸载的方案相比可有效降低能耗。（2）针对多用户基于NOMA上行链路的卸载场景,在用户侧引入动态电压调节（Dynamic Voltage Scaling,DVS）技术,提出了一种联合优化通信资源和计算资源的资源分配方案。系统中考虑了多个偶数个用户和一个具有足够计算资源的MEC服务器,用户会被两两一组分成多组,各组用户会在同一条信道上以NOMA的方式卸载计算任务。具体而言,在最大时延约束下,构建系统能耗最小化的问题。所构造的问题是非凸的,为了解决该问题,首先将问题分为多个子问题求解,在推导出的计算频率与发射功率分配表达式的基础上,然后本文结合基于匹配理论的信道分配算法和粒子群算法进行迭代从而获得该方案结果。仿真结果表明,所提方案与未引入DVS的方案相比可有效降低能耗。