移动互联网和物联网,作为未来通信系统发展的核心动力,使得第五代移动通信(5G)面临着海量设备连接、爆炸式业务数据增长和非对称业务需求等新挑战。移动边缘计算(MEC)中的卸载技术为未来通信系统中的海量数据处理、移动设备能量受限问题提供了可行的解决思路,动态时分双工(DTDD)则通过对时频资源进行动态调度,能够有效支持未来网络中动态且不对称分布的上下行业务。这两种技术相辅相承,对5G技术的研究有重要意义。现有的DTDD场景下的卸载技术研究大多考虑同构场景,而异构场景中存在的交叉时隙干扰问题处理难度较大且相关研究较少,此外,相比传统静态蜂窝网络场景,现有的高速移动场景下的计算卸载研究大多考虑静态信道,未研究时变信道和多普勒效应对资源分配带来的影响,故本文针对这两种具有不同移动特性业务的典型场景下DTDDMEC使能的资源管理问题展开研究。主要创新性工作和贡献概括如下:第一,本文首次对静态异构网络场景下的DTDD-MEC使能的卸载技术进行研究。首先构建出异构网络场景下的系统模型,提出了一个最小化用户平均能耗的卸载决策和频谱资源的联合优化问题。由于此问题是混合整数规划问题,本文将其转换为两个子问题,即线性规划问题(用于解决卸载决策)和多对一匹配问题(用于解决子载波分配),然后提出了一种基于用户/子载波优先级序列的联合优化算法。仿真结果表明,本文提出的策略明显优于其他基准方案。此外,观察到随着上行传输比例的增加,移动用户的平均能耗降低。第二,上述方案是针对传统静态蜂窝网络进行研究,在此基础上,本方案对高速移动场景下DTDD-MEC使能的卸载技术进行研究。研究将列车中所有用户的计算任务建模成一个“大任务”,考虑到车载服务器的资源受限特性,列车上的车载服务器采用本地计算和计算卸载两种方式处理该“大任务”。此外,利用高速移动场景下列车移动轨迹的可预测特性对列车移动过程的信道模型进行数学建模。通过对计算卸载、任务分配、计算资源和通信资源的联合优化,构建了车载服务器任务处理能耗最小化的问题。由于该问题是非凸问题,研究通过数学推导与变换将其转化成易解的凸问题,提出一种两层优化算法。仿真结果说明了计算卸载技术和DTDD技术能够带来系统性能增益,同时分析了车辆速度、多普勒效应对系统性能的影响。本文进行了DTDD-MEC典型场景下的计算卸载技术研究的初步探索,这将为边缘计算相关研究工作带来新的研究思路,具有重要的研究意义。