随着第五代移动通信与物联网技术的快速发展,智能设备数量和通信数据量呈现爆炸式增长。云无线接入网络(Cloud Radio Access Network,C-RAN)架构在抑制干扰、减小能量消耗和提高频谱利用率等方面有着显著优势,因此得到了广泛应用。然而,C-RAN在进行协作处理时会带来额外的信令开销,且面临着回程容量受限的问题。为了有效解决回程容量受限的瓶颈,一些研究者提出了分布式边缘缓存技术。它不仅可以缓解回程容量受限带来的压力,而且可以显著降低信息交互的时延和能量损耗。与传统的C-RAN相比,基于分布式边缘缓存的C-RAN具有明显的不同,其资源分配机制问题需要重新研究。本文对基于分布式边缘缓存C-RAN中的缓存策略和资源分配机制做了以下研究:首先,介绍了C-RAN、异构云无线接入网络和雾无线接入网络的特点,并对C-RAN中的缓存技术进行概述,包括缓存位置部署问题和缓存策略问题。然后,阐释了缓存对C-RAN架构的重要性。接着对C-RAN中的资源分配技术进行概述,包括任务卸载和用户关联问题及计算资源分配问题。其次,针对具有分层虚拟控制器和分布式边缘缓存的C-RAN场景,在总功率约束下,研究了基于系统平均时延最小化的边缘缓存、用户关联和计算资源分配问题。通过考虑基于回程压缩的下行C-RAN系统,推导出系统传输时延和计算时延的表达式,并建立了基于系统平均时延最小化的边缘缓存、用户关联和计算资源分配的系统优化问题。针对该优化问题,提出了基于用户偏好和用户移动性的缓存策略来提升系统的缓存命中概率;提出了基于最近距离和每个远端射频单元(Remote Radio Head,RRH)接入用户数受限的用户关联策略;证明了本地服务器中计算资源分配问题的次模性,将其转化为一个具有拟阵约束的次模函数最大化问题,并提出了启发式计算资源分配算法,获得了与最优解误差在0.5以内的近似解。仿真结果表明:与现有的方法相比,所提方法在降低系统平均时延方面有着显著优势。最后,针对具有分层虚拟控制器和分布式边缘缓存的C-RAN场景,研究了基于系统平均时延和系统总功率损耗最小化的边缘缓存和用户关联问题。通过考虑基于回程压缩的下行C-RAN系统,分别推导出系统平均时延和系统总功率损耗的表达式,并以系统平均时延与系统总功率损耗之积作为优化目标函数,建立了基于最小化目标函数值的边缘缓存和用户关联的系统优化问题。针对该优化问题,提出了基于文件流行度和轮询形式的文件缓存策略,使得相邻的三个RRH缓存不同文件;基于用户与每个RRH的距离、用户的文件申请情况和RRH的文件缓存情况提出了一个低复杂度的启发式用户关联算法。为了减小系统总功率损耗,系统所提算法关闭了一些低效率的RRH,并将关联到低效率RRH的用户重新关联到其它RRH上。仿真结果表明:与现有的方法相比,所提方法在降低系统平均时延和系统总功率损耗方面有着显著优势。