随着移动通信与多媒体技术的发展,多媒体服务正在从传统单一、平面、应答式的内容服务,向沉浸、立体、交互式的技能服务演进。触觉互联网在传统多媒体通信的基础上,加入新的触觉类媒体,实现了物体感知模式的进化,能够在远端敏锐地感知细微的变化,提升用户服务体验。然而,触觉互联网对通信环境提出了更高的要求,网络延迟必须低至毫秒级别,网络通信可靠性必须至少高达99.9999%。如何保障超可靠低时延通信成了触觉互联网发展的一项关键问题。本文基于触觉互联网场景特点,针对触觉互联网场景下的超可靠低时延通信相关技术展开研究,在典型通信场景下开发了触觉任务卸载和预测策略,提升了时延和可靠性性能,改善了用户体验。本文的具体工作如下:首先,本文对触觉互联网场景下超可靠低时延通信所面临的机遇和挑战进行了研究与总结。在分析了移动边缘计算卸载技术和机器学习技术特点的基础之上,本文明确了其对于改善触觉用户服务体验的重要意义。同时,通过对传统多媒体通信与卸载策略的分析与梳理,结合触觉互联网的场景特征,本文归纳了触觉互联网中影响超可靠低时延通信的关键科学问题,并将其作为研究工作的切入点,基于此开展策略设计。其次,本文提出了一种基于移动边缘计算的触觉任务卸载策略。为了合理表征触觉用户细粒度的物理交互需求,本文设计了一种综合考虑延迟和可靠性指标以及个性化用户偏好参数的Qo E评价方法,并在触觉互联网场景下对MEC计算卸载进行建模。在该模型中,本文提出了一个以Qo E作为优化目标的最优化问题,并提出了卸载决策与资源分配算法。仿真结果表明,本文卸载策略相较于参照策略提升了用户Qo E性能,适用于超可靠低时延通信的触觉互联网场景。最后,本文提出了一种基于上下文数据的触觉数据预测策略。对于数据包超时或丢失的触觉互联网场景,触觉通信系统需要结合经验准确地预测缺失的触觉数据以改善服务性能。本文首先对触觉互联网中远程机器控制进行建模,得到缺失数据的数学表达形式。同时,本文提出低秩稀疏分解的方法对数据进行预处理,降低预测带来的的时延。并基于时空上下文相关数据,推导出多目标高斯过程的复合核函数。仿真结果表明,本文预测策略能显著提升预测性能,缩短预测时间,保障触觉用户的服务体验。