近年来,随着智能终端设备的普及,移动视频业务推动着移动数据流量呈现爆炸式增长,同时催生出大量计算密集型和时延敏感型应用。这些不断涌现的应用在丰富和便利人们生活的同时,也给移动网络基础设施提出了严峻的挑战。为了解决这一问题,5G移动通信网络在边缘结点引入存储和计算资源,通过内容缓存及任务卸载来降低回传链路压力,保证传输时延,满足终端计算和流量需求,从而给用户带来更加优质的移动服务。移动边缘计算也被认为是5G的关键技术之一。论文围绕无线网络中的内容缓存和计算卸载进行研究,重点关注异构网络中的缓存放置策略和分布式任务卸载算法,并设计实现了无线缓存网络测试平台,具体工作如下:(1)异构网络中可分级视频编码传输的缓存放置策略:针对传统缓存网络忽视用户对同一视频不同质量的要求,使用可分级视频编码技术平衡用户需求与通信资源。本文基于缓冲缓存融合的异构网络建立了最小化用户平均下载时延的优化问题。随后松弛原问题的整数约束得到了具有特定解结构和有限解空间的新问题,并通过新问题的解使用贪婪算法来获取原问题的可行解。仿真分析表明缓冲帮助的多层视频缓存策略比传统的缓存策略具有更好的性能。(2)异构网络中基于自适应学习的任务卸载算法:针对终端在计算卸载前频繁获取环境信息需要高昂信令开销的问题,基于多臂赌博机理论设计了一套分布式的自适应学习算法,允许终端在不需要获取基站状态等环境信息的情况下通过学习历史卸载记录来进行当前的卸载决策,并针对不同基站的特点分别计算卸载效用。经仿真验证该算法比经典赌博机算法具有更好的性能。(3)无线移动缓存网络的设计、实现及系统性仿真测试:软件无线电技术提供了一种快速部署通信系统的方式,本文基于开源的LTE仿真平台OpenAirInterface搭建了无线通信网络,随后在其基础上设计实现了缓存模块,并在真实环境中测试分析了引入缓存给无线通信网络带来的系统性能改变。经测试验证,缓存服务器可比云服务器提供5倍的下载速率,同时时延降低近50%。