随着互联网的日益成熟,移动智能终端的普及,宽带多媒体业务的快速发展,以及5G背景下可沉浸式媒体、车载通信和万物互联等新型通信场景兴起,全球移动数据流量呈现指数级的增长,给无线通信网络带来了巨大挑战。针对无线通信网络中流量过载的问题,基于缓存的无线融合网络卸载是一种很好的解决问题的手段。然而,无线融合网络采用的集中式缓存机制存在吞吐量提升有限和缓存利用率较低的问题。为此,本文研究了无线融合网络中分布式缓存技术。首先,本文对基于分布式缓存的无线融合网络系统模型进行了研究。对于用户密集场景,诸如高铁、火车站等,本文在无线融合网络中引入无线Mesh网络。为简化问题的复杂度,Mesh路由节点的拓扑结构为网格型。受限于节点能力和用户请求容忍时间,本文系统模型只考虑二跳以内的场景,即用户请求到邻居节点以内。然后,针对用户均匀分布场景,在路由节点缓存和带宽有限的条件下,本文优化业务到节点的分配策略实现系统的吞吐量最大化;本文证明了上述最优化问题是非多项式时间可解性(NPH)问题,提出了三种启发式的近似算法:基于间隔的节点选择和奇偶业务划分的动态规划算法(ABNS-ODP),基于间隔的节点选择和动态规划算法(ABNSDP),基于度的集合覆盖节点选择和动态规划算法(DBGNS-DP)。仿真结果表明,在吞吐量性能上,提出的分布式缓存机制优于传统融合网络的集中式缓存机制,缓存利用率提高了50%到70%。在吞吐量指标和缓存利用率上,算法DBGNS-DP性能最优,算法ABNS-DP次之,算法ABNS-ODP最差。在复杂度上,三种算法性能表现相反,但远优于遍历求解算法。在请求响应时间上,算法都表现为定值。由于算法DBGNS-DP的性能提升是以牺牲负载均衡性、延迟时间以及复杂度为代价的,我们需要在吞吐量,负载均衡,复杂度以及延迟等方面做折中的选择。接着,针对用户非均匀分布场景,本文采用了空间齐次泊松点过程和泊松簇过程对用户请求分布建模。在均匀分布场景的研究基础上,考虑了用户请求非均匀分布和路由节点负载能力有限的情况,本文提出了基于请求数的集合覆盖节点选择和动态规划算法(RBGNS-DP)。仿真结果表明,算法RBGNS-DP的性能优于传统的融合网络动态规划算法。并且该算法具有普适性,一般的用户非均匀分布模型均可以采用该算法进行问题求解。最后,总结了上述研究工作,并对未来的研究做出展望。