1.基于5G移动边缘计算的任务卸载和资源分配联合优化方法，其特征在于：该方法根据所提网络场景的特性，联合优化用户设备任务卸载决策、资源块分配、MEC计算资源分配来最小化系统总开销，具体包括以下步骤：S1：最小需求资源块数量估计；

S2：任务卸载决策方案；

S3：计算资源分配方案；

S4：基于用户设备时延优先级的分布式资源块分配方案。

2.根据权利要求1所述的基于5G移动边缘计算的任务卸载和资源分配联合优化方法，其特征在于：在所述步骤S1中，建模任务卸载模型；

即一个由宏蜂窝基站MBS、认知小蜂窝基站CSBS、移动边缘计算MEC和用户设备UE组成的两层蜂窝异构网络；MEC部署于MBS侧，且MEC和CSBS通过光纤链路和MBS连接；S＝{1，2，

3，…，S}表示CSBS的集合，其中s表示第s个CSBS；每个CSBS下有若干个UE，Us＝{1，2，3，…，Us}表示CSBSs的UE集合，us表示属于CSBSs的UEu；

假设A个UE有任务卸载需求，MEC将计算资源平均的分配给各个UE，任务卸载计算时间开销不应该超过本地计算时间开销，得到us进行任务卸载所需的RB数量

3.根据权利要求2所述的基于5G移动边缘计算的任务卸载和资源分配联合优化方法，其特征在于：在所述步骤S1中，UE任务本地计算开销由UE任务本地计算时间开销和能量开销组成；

其中时间开销由完成任务所需要的CPU周期数和UE的计算能力决定，能量开销由完成任务所需要的CPU周期数与CPU每周期能量消耗决定；UE任务卸载计算开销由UE任务传输时间开销，传输能量开销和MEC计算时间开销组成；

其中，UE任务传输时间开销由任务数据量大小以及任务传输速率决定，UE任务传输能量开销由UE发射功率及任务传输时间决定，MEC计算时间开销由MEC为UE分配的计算资源以及完成任务所需要的CPU周期数决定。

4.根据权利要求1所述的基于5G移动边缘计算的任务卸载和资源分配联合优化方法，其特征在于：在所述步骤S2中，UE根据任务本地计算开销和任务卸载计算开销的对比结果做出卸载决策：

5.根据权利要求4所述的基于5G移动边缘计算的任务卸载和资源分配联合优化方法，其特征在于：若所述UE的任务本地计算开销小于等于任务卸载计算开销，则UE决策任务在本地执行，否则，卸载到MEC执行。

6.根据权利要求1所述的基于5G移动边缘计算的任务卸载和资源分配联合优化方法，其特征在于：在所述步骤S3中，为得到MEC计算资源分配结果，以最小化所有任务卸载UE总任务在MEC的总计算时间为目标，为每个进行任务卸载的UE分配MEC计算资源。

7.根据权利要求1所述的基于5G移动边缘计算的任务卸载和资源分配联合优化方法，其特征在于：在所述步骤S4中，根据实际网络中UE时延敏感度的不同，采用一种基于用户设备时延优先级的分布式资源块分配方案，该方案根据UE的时延敏感度把UE分为不同的优先级，高优先级UE优先分配资源块，同时又不对低优先级UE造成过大的影响；其次，同等优先级的UE根据满意度以及信道质量估计值依次分配RB。

8.根据权利要求7所述的基于5G移动边缘计算的任务卸载和资源分配联合优化方法，其特征在于：在所述步骤S4中，对用户优先级的划分依据3GPP对不同UE的时延要求划分。