5G致力于为用户提供超高清晰、超低时延的视频流量传输服务,同时支持海量设备连接,以实现万物互联为目标。在移动互联网时代,移动数据流量呈爆炸式增长,传统的无线接入网并不能充分利用紧缺的频谱资源,因此不再适用于即将到来的5G通信系统。云无线接入网(Cloud Radio Access Network,Cloud RAN)与雾无线接入网(Fog Radio Access Network,Fog RAN)是近几年新兴的网络架构。在Cloud RAN中,远端射频单元(Remote Radio Unit,RRU)负责无线射频,而中心式的基带单元池(Baseband Unit Pool,BBU Pool)则将计算资源整合到一起进行数据处理与资源调度。BBU Pool与RRU之间通过前传链路(Fronthaul)进行数据交互。Fog RAN在Cloud RAN的基础上,使RRU具备缓存以及计算功能,这样的RRU简称为边缘节点(Edge Node,EN)。在Fog RAN中,通过BBU Pool对多个EN进行联合调度,可以极大程度上提升接入层频谱效率,而多个EN联合传输需要共享相同的数据,这会对Fronthaul造成极大的负荷,因此Fronthaul链路开销与接入层性能是互相矛盾的关系。由于流行视频数据短时间内会被重复请求,将其预缓存到EN上可以极大程度减小Fronthaul负荷,同时降低接入层传输时延,因此缓存可以有效缓解两者之间的矛盾。然而,与庞大的视频流量相比,缓存资源终究有限,因此如何设计合适的缓存策略从而最大化缓存利用率是近年来研究的一个热点;缓存的引入也会使得内容传输模式发生改变,如何根据缓存状态设计合适的传输策略是另外一个研究热点。本文主要研究Fog RAN下的缓存放置和内容传输问题。整个工作分为两部分,第一部分主要探究如何进行最优缓存空间分配,从而缓解Fronthaul链路层开销和接入层性能之间的矛盾,这里的缓存策略基于拆分编码缓存,缓存策略设计分为传输阶段和缓存阶段。传输阶段主要根据某一时刻的用户请求、信道状态等瞬时信息进行传输资源分配;缓存阶段则综合考虑所有可能的传输场景,以传输问题最优目标函数值的期望作为性能指标来进行缓存分配。通过分析两个阶段问题的性质,我们提出一种低复杂度贪婪算法获取最优的缓存分配结果。仿真结果显示我们所提出的缓存策略可以在Fronthaul链路层开销与接入层性能之间实现最佳平衡。此外,仿真结果也显示出,最优的缓存策略会随着Fronthaul开销衡量函数的改变而发生变化,而拆分缓存策略总是要优于整存策略。本文所提出的缓存策略适用于任何凸性质的Fronthaul开销衡量函数,所以其通用性非常高。第二部分主要探究在多个多天线EN和多个目标用户的复杂Fog RAN中,如何根据拆分缓存状态进行内容传输。我们令用户利用串行干扰消除接收机(Successive Interference Cancellation Decoder,SIC Decoder)进行多个子文件数据流接收,且提出了一种基于本地缓存和信道状态确定接收顺序的方法。传输策略设计包含EN聚簇和多天线预编码,对应的优化问题为一个混合整数非线性规划问题。本文提出利用凸凹迭代算法(Convex-Concave Procedure,CCP)配合交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)对其进行求解。仿真结果表明,所提出的算法比CCP配合内点法求解更加高效,随着网络规模变大,算法复杂度增长速度较慢,且ADMM算法的分布式求解特性也更适用于Fog RAN架构。此外,仿真结果也表明在利用SIC技术时,接收顺序对性能有很大影响,而本文所提出的确定接收顺序方法可以充分利用本地缓存资源,在Fronthaul资源受限时有非常大的优势。最后,仿真也进一步验证了在复杂的Fog RAN传输场景中,拆分存取策略仍然要优于整存整取策略。