随着第五代移动通信相关技术的普及以及物联网等概念的提出,以增强现实、虚拟现实、智能制造为代表的新兴移动应用不断涌现。这类以计算密集和时延敏感为典型特点的新兴应用对智能终端的计算能力和计算效率提出了极大的挑战。为了有效解决移动终端的资源受限问题,满足移动应用的计算需求,移动边缘计算(Mobile Edge Computing,MEC)网络中的计算卸载技术受到了学术界和工业界的共同关注。计算卸载以通信为手段将计算密集型计算任务从资源受限的移动终端卸载至资源充足的MEC服务器,由MEC服务器完成计算任务的处理并回传处理结果,从而解决移动终端计算能力有限,保有能量不足的问题。然而,相对于用户日益增长的计算需求,由于MEC服务器硬件成本等约束,MEC服务器面临着计算资源受限,计算资源分配不均衡等多类问题。因此,针对这些问题,如何对计算卸载技术进行设计和优化,从而保证计算任务的低时延处理,是一项十分重要的研究内容。以此为动机,本文对移动边缘网络中的低时延计算卸载技术展开研究。首先,针对小规模MEC系统,为了优化MEC服务器计算资源受限场景下的计算任务时延,本文提出单跳移动边缘网络中的低时延计算卸载技术。根据网络组成移动终端和MEC服务器的数量不同,本文分别对单用户单MEC服务器场景和多用户多MEC服务器场景进行研究。首先考虑单用户单MEC服务器场景的时延最优计算卸载问题,利用马尔科夫决策过程(Markov Decision Process,MDP)对计算卸载问题建模,并通过引入带有反射的虚拟连续时间系统(Virtual Continuous Time System,VCTS)对问题进行连续化近似,接着采用瞬时速率动态估计方法对系统状态进行准确估计,从而得到多级注水形式的闭式最优计算卸载策略。其次,将应用场景扩展到多用户多MEC服务器场景,通过学习的方式将终端接入的影响引入原最优策略中,从而得到多用户多MEC服务器场景下的时延最优计算卸载策略。接着,针对大规模MEC系统,为了适配MEC服务器间计算资源的不均衡分布,本文提出多跳移动边缘网络中的低时延计算卸载技术。由于计算任务具有数据量和计算量的双重性质,首先对多跳网络下双性质队列的分布式背压队列控制方法进行研究,得到在不同资源约束场景下的队列控制方法。其次,将得到的控制方法应用到多跳移动边缘计算卸载中,并提出通信-计算吞吐量最优任务卸载(Communication-Computation Throughput Optimal Task Offloading,CTO~2)方法。本文首先利用李雅普诺夫优化(Lyapunov Optimization)对研究问题进行建模,并将优化问题拆分为链路调度,功率分配,任务调度三个子问题。通过对组合优化问题的变换和求解,实现了具有背压式控制结构的最优任务调度。利用对偶一致性交替方向乘子法(Dual Consensus Alternating Direction Method of Multipliers,DC-ADMM),实现了分布式全局最优功率分配。利用L-CSMA算法,实现了分布式最优链路接入控制。将上述三个子问题的最优解按照拆分逻辑进行嵌套组合,最终实现CTO~2方法。最后,本文对全文的工作进行了总结,并就移动边缘网络中的低时延计算卸载技术这一研究课题的未来工作提出了几点展望。