在未来移动网络中,无线虚拟现实（Virtual Reality,VR）被视为最重要的应用服务之一。VR应用的沉浸式体验不仅需要超高的带宽和存储支持,还需要与计算资源的综合配置来支持海量数据的传输与处理,这对当前的移动网络提出了新的挑战。多接入边缘计算（Multi-Access Edge Computing,MEC）和边缘缓存技术的引入是满足无线VR要求的有效方法,通过在网络边缘提供计算和缓存能力,可显著减少用在计算和传输上的时延。所以,无线VR应用需求的满足涉及到存储、计算和通信等资源的综合利用。目前,面向无线VR的资源管理策略仍存在不足。首先,基站的缓存空间有限,并且如果缓存相同的VR内容,会造成缓存冗余和计算重复,无法高效地配置资源为静止VR用户提供服务。其次,未来网络中基站部署密集,用户在基站间的频繁移动会造成额外时延和信令开销,降低用户体验质量（Quality of Experience,Qo E）。因此,本文将从不同场景下展开面向无线VR的多维资源管理机制的研究,以提高用户Qo E。方案一针对静止VR用户,根据用户的请求视角,设计了基于内容相似性的用户视角子集划分方法。在此基础上,提出了MEC网络中的VR视角内容协作缓存、渲染和传送框架,为优化用户Qo E,以最小化平均内容获取成本为目标建立优化问题,并设计协作缓存与渲染算法,以得到最优的VR视角缓存、计算与调度策略。最后,对上述方案进行仿真并与其他现有方案进行对比,仿真结果表明本方案在网络资源条件和内容需求变化情况下能够为用户提供更好的Qo E。方案二针对移动VR用户,搭建用户时空移动模型,并基于此模型,在用户到达目标基站前,提前缓存和预先渲染用户请求的视频内容。将该存储、计算与通信资源主动预分配问题建模为马尔可夫决策过程,然后设计了基于深度强化学习的解决方案得到最优分配策略。最后,对上述方案进行仿真验证并与其他方案进行对比,仿真结果表明本方案可以有效地利用不同资源间的相关性与互补性,实现资源的充分利用,保证在多变环境中为移动用户提供流畅的VR视频。