随着当前用户设备飞速更新以及互联网业务需求量激增,当前基站的业务负载面临着指数级的增长,对于基站的物理资源、通信资源和计算能力都带来极大的挑战。给用户带来的业务响应时延长、视频传输可能中断等问题,这对于追求高速率低时延的游戏、音视频业务带来了很差的用户体验,对于医疗行业的可穿戴设备来说更是涉及到人的生命。因此迫切需要研究如何将基站的业务卸载,实现高可靠、低时延的通信。作为5G关键技术之一的D2D通信正得到学术界的广泛关注。D2D技术可使设备绕过基站,直接与其相邻的其他设备进行通信或者内容的交互。从而能够有效的缓解蜂窝网络的压力,提升频谱资源利用率。并可实现高效实时的数据共享服务。可以在基站侧部署缓存服务器并缓存热门内容,根据内容的流行度制定一定的策略将内容分发给用户,用户利用其自身强大的存储能力缓存内容。当用户有内容需求时可以直接从其自身存储器或者邻近的D2D用户获取,从而降低内容获取时延,卸载基站业务。因此D2D通信下的内容分发研究具有重要的意义。论文首先介绍了本论文的研究背景与意义,阐述了本课题研究的目的和意义,并简要介绍了本论文的研究内容,给出了本论文的组织结构。接着简要介绍了本论文所涉及的数学基础以及理论知识,以及D2D通信及内容分发网的研究现状,对大数据应用于无线通信的研究现状作出总结。为后文的D2D内容分发网研究提供了理论依据。论文设计了一种兼顾基站能耗和基站业务卸载率D2D内容分发方法。针对现有内容分发方法存在的基站卸载率与能耗无法兼顾、无法精确根据用户兴趣定制内容分发策略,提出了一个基于大数据分簇的内容分发网络架构,通过大数据技术分析用户兴趣进行精准的内容定制。在设计优化函数中折衷了能耗和卸载率,仿真结果表明该方法的性能有明显提升。论文提出了一种动态的D2D内容分发方法。针对现实情况可能出现的因用户移动而导致D2D链路中断,论文根据用户活动数据分析用户的移动属性,基于移动性和获取内容时延设计优化函数,使移动性造成的传输影响最小,最大化卸载率和获取内容时延。为了最大化用户D2D建链概率,根据神经元突触间的生理结构和工作机理类比到用户的社交关系中,提出了一种类神经元动态用户匹配算法。仿真表明将该方法与现有方法相比时延更小,卸载率更大,D2D链接更加可靠。