随着全连接时代的到来,网络中终端类型不断丰富,不仅有移动智能终端,还有大量物联网终端如穿戴式设备、车载终端等。各类终端所请求业务类型差异较大,对网络性能要求也各不相同。雾无线接入网络作为5G(5 Generation)无线网络的解决方案之一,其分布式架构、多种传输模式与各异的组网方式,可以很好的满足各类终端差异化的业务需求。通过信息感知技术,雾无线接入网络可利用终端产生的历史数据智能感知终端类型,进一步为各类终端输出差异化服务方案。本论文基于雾无线接入网络,对信息感知技术及任务分配方法进行了深入的研究,并提出了基于雾无线接入网络的分布式信息感知方案与最小化信息感知模型并行训练时间的任务分配方法。本论文的主要贡献与成果包括两个方面,总结如下:1.由于终端原始数据的传输以及信息感知任务在云服务器集中式执行会对前传链路和服务器造成极大的压力,本文提出了一种基于雾无线接入网络的分布式信息感知方案来识别终端类型,该方法将原始数据的清洗过程与信息感知模型的训练过程卸载至拥有计算能力的雾无线接入节点。同时,利用支持向量机算法,建立终端类型预测模型,并验证了该模型的分类准确率高达90%。2.为了能够使信息感知模型的并行训练任务执行时间最小化,本文提出了一种低复杂度的启发式算法和分支定界算法来实现最优任务分配方法。仿真结果一方面论证了所提的启发式算法可以取得最优解,另一方面论证了雾无线接入节点间计算能力的差异会对感知任务的执行时间产生影响,差异程度越大,产生影响越小。论文设计了雾无线接入网络中的信息感知方案与任务分配方法,利用基于雾无线接入网络的分布式信息感知方案,结合所提感知模型任务分配方法,无线网络可以快速识别终端类型,同时能够实现信息感知模型并行训练时间最小化的任务分配,提升无线网络对终端的感知能力,减轻前传链路传输压力,提升资源利用率。