随着车联网、智慧城市、虚拟现实等新型网络应用的兴起,边缘无线网络中的服务类型不断增多。不同服务对时延的要求各不相同,从而给边缘缓存技术带来了新的挑战。本论文基于软件定义网络(SDN)来构建一种面向低时延的边缘无线网络缓存系统,旨在减少用户的访问时延和下载时延。其中,访问时延是指用户访问存储有所需内容的节点需要花费的时间,该时延主要由内容的存储位置来决定;下载时延则表示内容从缓存节点传输回用户需要的时间,该时延主要由与用户关联的基站所能提供的最大传输速率(即吞吐量)来决定。因此,本文主要围绕用户关联和缓存决策两个方面进行研究。(1)基于负载均衡的关联决策模型。传统的基于RSSI的关联决策,用户仅从自身角度出发选择基站进行关联,并未考虑基站的负载以及网络的整体性能,这无疑会降低网络的系统吞吐量,增加用户的平均下载时延。因此,关联决策不仅需要保证基站负载的相对均衡,还需要从无线网络的整体出发,最大化系统吞吐量。基于该目标,本文提出了基于负载均衡的关联决策模型。然而,随着网络规模的扩大,关联决策模型的求解难度较大。为了降低求解难度,本文提出了基于KLA的关联算法,即通过引入图划分来创建虚拟基站。因此,用户首先需要接入虚拟基站,随后在各个虚拟基站内与具体的物理基站相关联。(2)基于网络切片的缓存决策模型。边缘无线网络中通常存在多个服务提供商,不同服务提供商对访问时延的要求各不相同。因此,缓存决策需要在保证不同服务提供商对访问时延要求的同时,减少网络内用户的平均访问时延,从而提高用户体验。基于该目标,本文通过引入网络切片对缓存资源进行虚拟化,来满足不同服务的访问时延要求,并提出了基于网络切片的缓存决策模型。同时,本文证明了缓存决策模型具备NP完全性,并针对缓存决策模型的特点设计出了一种启发式算法来求解。基于上述的研究内容,本文还进行了大量的仿真来验证评估基于负载均衡的关联决策模型和基于网络切片的缓存决策模型各方面的性能。最后,本文使用车载无线服务器对整个缓存系统进行了原型验证。