随着数据的不断增长,传统的通信架构模式已经难以应对人们对通信服务质量的要求。针对这个问题,已经有许多非常有效的解决思路,其中无线边缘缓存就是一个很好的研究方向。无线边缘缓存技术是指在无线通信的边缘设备中,对整个通信系统中的流行内容进行缓存,以降低网络的负载和延迟。由于存储空间是有限的,实际设计中需要尽可能将用户频繁访问的内容进行缓存。又因为内容流行度会随着外界环境发生变化,因此提出内容流行度预测。其中内容流行度的预测准确度是非常关键的评估指标,预测准确与否将直接影响系统的整体性能。除了考虑内容流行度,如果能够让用户频繁访问的内容都经过信道状况好的信道进行传输对于提高通信系统的整体性能有很大的帮助。在这样的背景下,本文做了以下研究。第一,以往的对于内容流行度预测的研究通常是在多用户对单内容集的需求情况下进行的,而较少有多用户对多个内容集需求情况进行预测的研究。且以往的研究算法在预测准确度方面还有待提高。因此本文对多内容集下的内容流行度预测进行了研究。具体地,提出了一种基于自监督学习的算法,用于对多内容集的流行度进行预测,并与LSTM算法进行比较。结果显示,该方法有更高的预测准确度。内容流行度通常为Zipf分布,且Zipf因子越大,内容流行度越集中在前面内容,越小请求越均匀。以往对于内容流行度的预测大多关注于进行分布的预测,而少有关注于Zipf因子的估计的研究。Zipf分布的表示形式通常分为双参数表示形式和单参数表示形式。基于此,本文分别提出了梯度下降法和最小二乘法对双参数形式以及单参数形式下Zipf分布因子进行估计。第二,针对缓存部署策略的问题,以往的研究通常单纯考虑缓存内容的流行度,而少有考虑内容的通信开销的研究,而如果将内容流行度高的内容尽可能的通过信道状况好的信道进行传输,则能够更好的减少通信损失。因此在本文的研究当中,同样考虑在多内容集流行度的预测的情况下,加入对内容传输信道选择的考量。具体地,提出了一种基于DDQN的算法,在内容流行度未知的情况下,学习一种策略,使得内容流行度高的内容尽量通过信道状况好的信道进行传输。仿真结果表明,所提出的算法能够有效的提高系统整体的频谱效率以及降低系统的误码率。