随着信息时代的到来,人们提出了随时随地访问信息的要求,移动计算作为计算技术和无线通讯技术的结合产物应运而生。由于移动计算本身所具有的网络不对称性,资源有限性,用户移动性等特点,传统的分布式计算技术已经不能满足移动计算的新需要。本文针对当前移动计算的研究热点问题,主要研究了三个关键技术问题:缓存替换算法、移动事务处理模型和移动计算中的QoS技术。在移动计算的缓存算法研究方面,分别提出了最小代价的缓存替换策略-LCFAR和基于预定义区域语义圆缓存替换策略-PDRSCR。LCFAR算法通过引入代价函数,增加了语义项访问频率对缓存命中率的影响的考虑,改善了典型FAR算法单纯考虑语义距离所带来的不足。PDRSCR算法提出了预定义区域和语义圆的概念,将语义有效区域大小的影响引入替换算法,该算法适用于查询具有位置相关性的移动用户。在移动事务处理模型的研究方面,从移动事务所访问热点数据和提交时所处网络环境出发,提出了基于权值的自适应移动事务处理模型-AMTMBW。该模型充分考虑数据库80%/20%的访问规律,并且根据用户事务提交时所处的网络环境,提出三种不同的子事务处理模式。该模型定义了移动事务标识,给出了不同子处理模式下的处理过程,并且给出了整个模型锁机制和冲突检测机制。通过三种不同子事务模式的自动选择,该模型可以很好的结合O2PC-MT和预写模式的优点。在移动计算QoS技术方面的研究,主要致力于对移动用户运行轨迹的预测。通过提出基于神经网络学习预测方法,可以对一定区域内的移动用户运动轨迹进行很好的预测。提出了基于RBFNN预测的位置预测方法-LPBRBF。给出了LPBRBF方法的历史数据抽取方法和服务器端存储维护策略,通过实验确定了RBF网络的参数,并给出了位置预测的实验结论和不同情况下的预测分析。详细分析了移动用户的两种资源预留情况,给出了不同情况下,基于LPBRBF预测方式的相应处理策略。通过上述技术的研究,为移动计算环境下系统的数据访问技术提供了可行的解决方案。