智能设备和多媒体业务的迅猛增长为无线通信网络带来了巨大的承载压力。第五代移动通信系统(The 5th Generation Mobile Communication,5G)采用超宽带通信、大规模MIMO(massive multiple-input multiple-output)、毫米波通信、网络密集化、异构网络等技术来提升无线通信网络承载巨大业务的能力。然而,所有这些技术都需要依靠回程网络来连接无线通信网络基站和核心网络。因此,回程网络所面临的巨大业务流量压力将成为一个新的瓶颈。把内容前推到无线通信网络边缘(即存储到基站或者移动设备中)可以极大地缓解回程网络的流量过载压力。在基站侧,不同基站下的用户对内容的喜好往往具有时间和空间的动态性。因此,在未知用户对内容的喜好的情况下,如何合理地协调不同基站的有限存储空间来存储和共享内容是一个具有挑战的问题。在设备侧,设备存储内容并通过终端直通(device-to-device,D2D)技术来共享内容。设备之间内容共享受限于内容存储分布和设备使用信道资源之间匹配的情况。因此,在存储资源和传输资源受限情况下,如何协调设备之间的内容存储及通信行为来共享内容是一个难题。更进一步,考虑设备移动带来的网络拓扑动态性,设计设备侧内容存储和共享策略更具挑战。鉴于上述原因,本文致力于研究无线通信网络的内容存储和内容共享技术,分别从基站侧和设备侧两个方面来具体展开研究。本文的具体内容概括如下:1.针对基站侧未知用户喜好带来的挑战,提出了一种基于机器学习的用户喜好刻画技术,该技术融合了基站处的内容存储和共享优化,实现了共享开销和流量卸载同时优化的目的。具体地讲,在设计高效的存储方案时,随时空变化的用户喜好会带来很大的障碍。因此,在未知用户喜好的情况下,本文探究基站之间如何高效存储并共享内容来卸载流向核心网络的流量,与此同时最小化基站之间共享内容带来的开销。在本文中,借助多臂赌博机学习法来学习用户喜好,即内容流行分布,并把学习过程和求解内容存储及共享过程融合到一起。为了解决这个问题,首先提出了基于半正定松弛的集中式算法,并推导了该方法的次线性学习遗憾界限,证明了该方法的有效性。为了降低计算复杂度,进一步提出了基于交替方向乘子的分布式方法。仿真结果验证了所提方案在学习用户喜好,卸载流量,以及节省开销方面的有效性。2.针对设备之间的内容存储及通信行为难以匹配问题,提出了刻画内容存储与设备通信行为关系的内容拓扑的构建方法,实现了在静态D2D网络中最大化卸载流向基站的流量的目的。内容存储后会重塑传统的D2D通信方式。因此,在本文中,研究设备处内容存储策略和D2D通信行为(例如D2D链路激活和功率控制)之间的协调关系,进而最大化借助设备存储服务内容请求的数据量。为此,首先定义内容拓扑来刻画存储策略和D2D通信行为之间的相互影响关系。特别地,内容拓扑把传统的基于无线传输条件的D2D通信转化为内容感知的D2D通信。在内容拓扑中,综合考虑了用户喜好,内容存储,链路激活,以及功率控制;依据该内容拓扑模型我们构建了一个混合非线性规划问题来最大化流量卸载比率。为了解决这个问题,首先转化该问题为一个一致性问题,然后提出了基于交替方向乘子方法的低复杂度的分布式方法。随后,对所提分布式方法的收敛性和复杂度做出了详细的分析。仿真结果验证了所提方法在不同系统参数下的高效性。3.针对设备移动带来的机会性的、时间受限性的内容共享难题,设计了两种动态双时间尺度内容存储和共享技术,实现了动态D2D网络场景下最大化卸载流向基站的流量目的。在D2D网络中节点的移动往往带来机会性的、时间受限的内容共享机会。为了应对这个挑战,在本文中设计了两种动态的联合内容存储与内容共享的策略。首先,假如预先知道内容的流行分布和设备之间相遇的统计信息时,能够借助这些先验信息来产生样本,进而在一个长时间尺度上设计内容存储策略。存储策略确定后,在小时间尺度上根据存储状态、请求情况、以及设备相遇状态来调整内容共享策略。其次,如果没有先验信息,共享策略和前一种策略一样。但是,存储策略的设计需要依靠过去短时间尺度上的内容请求、相遇状态、及共享行为集合。为了优化两种场景下的存储和共享变量,提出了一种适合两种策略的双时间尺度联合随机优化模型,并分别使用样本平均算法和随机切平面算法求解两种不同场景下的问题。样本平均算法通过先验信息把原始问题近似为线性规划问题,然后求解。随机切平面方法能够自学习未知的信息来迭代求解,并最终收敛到最优解。最终,通过仿真验证了所提算法能够很好的适应设备的移动,对比基准算法更有优越性。