随着视频质量的提升和交互式应用的普及,用户对网络服务质量需求日益增长的同时也急剧加重了网络流量压力。动态缓存技术通过在网络边缘缓存热点内容,减少向核心网络的请求,能够有效地减轻网络流量压力。以用户为中心的超密集网络通过基站的密集部署和基站组的协同服务,在网络边缘增强流量处理能力,提升用户服务质量。但是,由于用户运动具有随机性,为了保证运动过程中的用户通信连续性,基站协作缓存策略和基站组成员动态更新方法均面临诸多问题和挑战。因此,研究用户运动规律和通信链路状态变化的影响,设计基站动态缓存策略,对提升移动用户服务质量具有重要意义。本文总结了动态缓存技术的研究现状,分析了动态预缓存和动态协作缓存的典型方法,面向超密集网络中基站组动态更新和服务连续性需求,提出了一种以用户为中心的动态缓存方法。首先,研究基站缓存空间分布与缓存内容更新策略,设计了基于内容价值的缓存更新算法。在缓存空间分布上,依据用户运动状态及基站缓存空间大小、流行度参数等影响因素,建立延迟最小化的目标函数,采用粒子群优化算法得出优化的缓存空间分布系数;在缓存内容更新上,根据文件近期请求次数及流行度参数确定缓存内容价值,用内容价值更高的文件对原有缓存进行动态更新。进一步,研究基站组成员的缓存分配策略,设计了一种以用户为中心的协作缓存算法。依据用户位置、基站组成员、用户与各基站链路状态变化等关系,建立基于马尔科夫决策过程的缓存分配模型,通过大偏差不等式得到优化的缓存分配比例参数,进而确定基站组成员的缓存内容大小。论文实现了上述所提方法的主要功能,并在OpenStack平台上搭建了缓存管理模块进行仿真实验测试。结果表明,相比于现有的动态缓存算法,本文所提算法在平均传输延迟上降低了 30%左右。