雾计算部署在边缘传感网络和云数据中心之间,主要由能够进行轻量级计算的边缘服务器构成。这些边缘服务器可以是具有有限计算、存储能力的传统网络设备如基站、路由器、交换机等,也可以是专门部署在靠近边缘传感网络位置的本地服务器。雾计算在功能上能够迁移边缘传感设备和云数据中心的部分功能,提供有限的数据传输、存储和分布式计算能力,注重边缘雾设备节点之间通信与互动。作为强调数据存储集中、计算集中的云计算的补充和延伸,雾计算能够解决云服务器计算、存储负担过重,网络传输带宽资源紧张,响应边缘终端设备请求时延过大等问题,并且能够很好的支持边缘设备的移动性的和区域本地化的应用需求。雾计算相比云计算具有众多的优势,自被提出以来得到了众多学者和科技公司的关注和研究。然而作为学术前沿的研究领域,目前雾计算还没有在学术界形成统一的规范标准。但是在物联网和大数据快速发展的环境下,雾计算在不久的将来一定能够在众多领域(如健康监护、智能电网,智能家居、车联网等)得到广泛应用。本文的主要工作是对应用于健康监护场景的雾计算的能耗问题进行优化研究。在对雾计算的通用架构模型以及典型应用场景概括分析后,提出面向健康监护的雾计算的能耗优化问题,通过理论分析对能耗优化策略建立数学模型,并利用matlab软件对本文提出的雾计算能耗优化策略的可行性做出仿真验证。本文的主要研究内容和贡献如下:(1)针对目前云计算存在的能耗过大的问题,提出将雾计算应用到健康监护场景,并提出面向健康监护的雾计算架构。在面向健康监护的雾计算能耗问题优化研究中,提出针对雾任务的负载均衡策略。(2)在负载均衡策略的雾计算能耗优化研究中,针对雾计算处理任务的计算能耗和传输能耗,分别对无时延限制和带时延上限的任务处理能耗进行优化建模。并将PSO算法以及改进的MPSO算法应用到负载均衡策略的任务处理能耗最优搜索,最后给出MATLAB仿真。(3)由于在负载均衡策略中,雾计算任务需要分发给其他雾设备,因此提出针对雾设备通信能耗的优化研究。针对雾设备通信过程中主要耗能部分的功率放大器,提出一种记忆非线性功放的预失真方法来提高雾设备功率放大器的线性度,从而达到优化雾设备通信能耗的目的。