随着智能终端的普及以及视频服务的繁荣,移动数据流量呈现出前所未有的增长趋势。迅速增长的流量对无线网络的容量提出了更高的要求。超密集网络通过在用户附近密集部署小基站(Small Base Station,SBS)来提高频谱复用率,从而有效地扩大了网络的容量。然而其中密集部署的小基站也会带来新的问题与挑战,如回程资源的短缺、网络能量消耗过大等。为了缓解回程网络的负担,缓存技术被引入超密集网络。通过提前将热门的内容缓存在小基站中,用户可直接从小基站的缓存中获取这些内容,减少了回程链路上的重复传输,降低了内容下载时延。然而,受到成本和空间的限制,小基站的缓存容量通常有限。因此可以对缓存的内容进行编码,节省缓存空间的消耗,并为小基站间带来了潜在的协作机会。基于上述背景,本文主要研究超密集网络中基于内容编码的协作缓存问题,考虑小基站有限的缓存容量、文件流行度、以及网络拓扑结构,提出了两种缓存策略。主要工作内容如下:第一,提出了一种超密集网络中联合考虑小基站休眠与协作缓存的能效优化策略。其中,小基站由电网和可再生能量混合供电。首先,利用最大距离可分(Maximum-distance Separable,MDS)编码来编码缓存内容,使用户可以从多个附近的小基站获取不同的缓存内容。随后,以最小化网络总能耗为目标,建立了小基站休眠与缓存放置模型。为了简化问题的求解,将能耗最小化问题分解为动态的小基站休眠与内容缓存子问题,并利用交替迭代的方法优化两个子问题的解。最后,仿真结果表明所提策略有效地减少了网络的总能量消耗。第二,考虑用户对视频质量的不同需求,在超密集网络中提出了一种基于可伸缩视频编码(Scalable Video Coding,SVC)的协作缓存策略。首先,利用SVC编码缓存的视频,视频编码层的组合可以实现不同的视频质量。然后,结合超密集网络的特性设计了视频编码层传输方案。随后,针对该传输方案与SVC的特性,建立了最小化视频下载时延的协作缓存模型。并提出一种基于贪心算法的缓存放置策略。最后,仿真结果表明了所提策略可以有效地减少多版本视频的下载时延。