1.一种雾网络中基于无人机辅助的任务卸载方法，其特征在于：该方法包括以下步骤：步骤1：算法初始化；

步骤2：将计算周期T分为Q个时隙，每个时隙长度为Δ秒；

步骤3：在第q时隙内，将无人机覆盖范围内的所有ID分为R‑ID和F‑ID；R‑ID为有需求的物联网设备和F‑ID为空闲物联网设备，设R‑ID的集合为M，F‑ID的集合为X；

步骤4：计算R‑ID与F‑ID之间的SINR，当SINR大于设置的阈值δ时，将R‑ID与对应的F‑ID划为一个D2D群组；

步骤5：根据R‑ID不同应用对延迟和能耗的需求制定权重参数：其中， 和 分别表示R‑ID m的延迟和能量消耗的权重参数；其中，步骤6：设R‑ID m有计算密集型任务Lm，Lm以bit为单位测量输入数据的大小；假设将Lm的一部分αm∈[0,1]卸载至F‑ID x中进行计算，将Lm的一部分βm∈[0,1]卸载至无人机进行计算，然后，将Lm的剩余部分(1‑αm‑βm)∈[0,1]在本地进行计算；分别计算任务卸载至F‑ID x及卸载至无人机的卸载比例αm，βm，以及在本地处理的剩余部分比例：1‑αm‑βm；

步骤7：计算效率指标函数值ηm,x；根据ηm,x，由小到大列出R‑ID m选择ηm,1所对应的F‑ID x进行卸载；

步骤8：R‑ID m将Lmαm任务卸载至F‑ID x进行处理；

步骤9：计算任务传输时延和能耗，以及执行时延和能耗得到总时延能耗；

步骤10：R‑ID m将Lmβm任务卸载至无人机处理处理；

步骤11：根据无人机的位置信息，对无人机的飞行速度以及加速度，方向角进行约束并在优化系统总开销时联合优化无人机轨迹；

步骤12：计算任务传输时延和能耗，排队时延，执行时延和能耗以及无人机的飞行能耗；

步骤13：本地执行Lm(1‑αm‑βm)任务；

步骤14：计算任务的执行时延和能耗；

步骤15：构建系统总开销最小化方案，并解得最优解；

优化目标为最小化系统总开销，同时联合优化无人机的轨迹、任务卸载比例以及通信资源分配；

max

s.t C1:PU+PD≤PC2:

C3:

C4:

C5:

C6:

C7:

C8:

C9:

其中：系统总延迟为TTotal(q)，系统总能耗为ETotal(q)；PU表示R‑ID m将计算任务卸载到无人机的上行链路发射功率；PD表示R‑ID m将计算任务卸载到F‑ID x的上行链路发射功率；R‑ID m设备的CPU计算速率为fL cycle/s；F‑ID x的CPU计算速率为fD cycle/s；无人机的CPU计算速率为fUcycle/s；设Ck(cycle/bit)表示计算1bit数据所需要的CPU转数；约束条件C1为R‑ID m的发射功率约束，即R‑ID m的发射功率不能超过其最大发射功率限制；C2,C3,C4分别为R‑ID m，F‑ID x，无人机的计算资源约束，它们的计算速率都不能超过最大的计算速率；C5为无人机总能耗约束，即无人机的计算能耗和推进能耗之和不能超过其最大能耗；C6，C7为任务卸载比例约束；C8，C9分别为无人机飞行速度和加速度约束；

其中，无人机的处理能耗为：

无人机的能耗由推动能耗和计算能耗组成，而推动能耗远大于计算能耗，在时隙q，无人机的坐标为：Zn(q)＝[xn(q),yn(q),hn(q)]，hn(q)表示无人机高度；无人机的速度为Vn(q)，加速度为an(q)， 它的推进能耗为：max

其中，令TL(q)＝TD(q)＝TU(q),PU+PD＝P ， 解得R‑ID m的卸载比例为：

其中，

且 其中，BU表示R‑ID m将计算任务卸载到无人机的上行链路带宽；BD表示R‑ID m将计算任务卸载到F‑ID x的上行链路带宽，σn表示噪声功率。