随着新兴应用对通信服务质量需求的不断提高和智能终端数量的急剧增长,网络中的数据量以指数形式迅速增长。第五代移动通信(the Fifth Generation Mobile Communication,5G)已经成为学术界和工业界关注的热点。其中,超密集网络(Ultra-Dense Network,UDN)被认为是满足用户需求、提高系统容量的关键技术之一。UDN通常密集部署了大量的低功率小型基站(Small Base Stations,SBSs),可以同时为众多用户提供极高的数据传输速率。同时,边缘缓存技术可以使网络中的文件更贴近用户,从而缩短下载时延。将边缘缓存技术引入UDN是目前的热点研究方向之一。UDN中单个SBS的缓存容量一般比较小。因此,多个SBS之间的协作缓存显得尤为重要。需要综合考虑缓存命中率、文件流行度、传输时延和用户移动性等限制条件,设计高效的协作缓存及传输机制。本文的主要工作如下:提出了一个在超密集网络中考虑用户静止、基站缓存容量有限的情况下,基于分簇的协作缓存机制。根据SBSs的负载能力和位置信息,设计了一种SBSs分簇算法。将文件按照流行度排序,并根据簇内SBSs个数将文件切割成对应数量的碎片,将相应文件碎片缓存到不同的SBSs中。接下来对用户如何选择连接SBSs请求并下载文件的问题进行建模,把簇内SBSs的数量作为变量,将优化目标设定为最小化用户平均下载时延,按照所提传输机制计算下载时延并通过遍历法找到最优解。仿真结果表明所提机制可以降低用户的平均下载时延,提高缓存命中率。提出了一个在超密集网络中考虑用户移动的情况下,基于图着色的协作缓存及传输机制。SBSs覆盖范围较小,用户随机移动有可能导致文件下载中断甚至失败。提出采用随机蚂蚁着色算法按照SBSs的位置信息对其分类并让每类基站缓存相应分片后的文件。对如何确定每类SBSs缓存相应文件碎片的百分比进行建模,优化目标为最大化单位时间内用户从小型基站下载的数据量。将该最优化问题分解成互相独立的多个子问题,采用贪婪算法对每个子问题求解并结合启发式算法获得结果。仿真数据表明,所提缓存机制可以有效地降低用户下载时延。