随着支撑移动互联网的无线通信技术飞速发展和智能终端设备的大规模普及,丰富多彩的移动流媒体服务如雨后春笋般涌现,导致移动网络流量呈爆炸式增长。思科公司报告指出,到2022年视频流量将占据全球移动流量的80%以上。由此可见,视频服务已然成为当前移动互联网的杀手级应用。在此背景下,用户日益增长的数据流量与受限的网络承载已经成为阻碍当前移动互联网发展的首要矛盾。以上现状必将对未来移动网络的服务性能提出更高的要求。因此,积极开展第五代移动通信技术(5G)的研究具有十分重要的意义。然而,一味采取硬件升级的办法不仅给运营商带来了巨大的开销而且也难以追赶指数级增长的视频服务需求。另一方面,内容分发作为支撑移动互联网最为关键的技术之一,是推动实现5G网络高质量流媒体服务需求的关键所在。在现有工作的基础上,本文重点围绕在5G网络中如何通过内容分发关键技术为移动用户提供高质量的流媒体服务为研究主线。分别从终端侧的内容交付与任务卸载、网络侧的资源调度与服务优化展开研究工作。具体包括:(1)5G车联网流媒体内容协作交付机制;(2)5G网络流媒体计算任务边缘卸载策略;(3)5G密集网络流媒体资源在线调度机制;(4)5G云网络可信服务价格博弈优化方法等四个研究点的内容。最终形成了一整套5G网络流媒体内容分发关键技术研究体系,主要研究内容概括如下:(1)在5G车联网内容交付方面,针对车联网中传输链路不稳定导致的资源碎片化分布、流媒体交付效率低等问题,研究了一种车联网流媒体内容协作交付机制。首先结合移动流媒体业务社交化的特点,通过分析车联网用户的移动相似性和偏好相似性特征,构建具有相似性行为的用户虚拟族群。进一步,在认知用户行为的基础上,提出了一种族群化的单播路由方法,实现了视频内容的就近获取。在此基础上,构建了一种基于族群的视频定价缓存策略,来精确优化车联网节点的缓存资源分布。最后,通过仿真实验,验证了所提方法在视频服务质量方面具有更优越的性能。(2)在5G边缘网络计算任务卸载方面,针对终端设备有限的计算能力和电池容量难以应对计算密集型流媒体服务需求这一问题,研究了一种高效的流媒体计算任务边缘卸载策略。首先,联合边缘基站、雾计算节点和用户终端的计算资源,构建了流媒体计算服务开销模型。其次,充分考虑卸载过程中无线信道传输干扰的影响,提出了一种多用户计算卸载博弈优化策略,并通过构造潜博弈的方式证明了该博弈优化存在纳什均衡。进一步,设计了分布式计算任务卸载算法来求解流媒体计算服务的开销优化问题。最后,通过仿真实验分析,验证了所提方法在服务开销方面的优越性。(3)在5G密集网络资源调度方面,针对无线网络用户请求方式单一,异构密集基站缺乏协同等问题,研究了一种5G密集网络流媒体资源在线调度机制。首先构建了系统吞吐量最大化以及能量消耗最小化的联合优化目标。在此基础上,综合考虑用户体验质量和系统稳定性等约束条件,构建了一个非线性的多维联合优化问题。进一步,采用一种新型的Lyapunov随机优化理论对该问题进行解耦。具体来说,将其分解为了三个易于求解的子问题,即:基于体验质量的接入控制、资源协作分配和流媒体服务调度,并分别设计了对应的求解算法。最后,通过仿真实验,验证了所提出方法在流媒体服务性能方面的优势。(4)在5G云网络服务优化方面,针对5G云平台中的服务安全性与成本效益等问题,研究了一种可信服务价格博弈优化方法。首先,通过建立直接可信度与间接可信度模型,从而提出了一种可信云服务平台判别机制。其次,提出了一种基于区块链的视频内容可信度检测方法,利用智能合约技术来校验视频内容的归属记录。进一步,构建了基于可信度和服务定价的Stackelberg博弈模型,实现了 5G云平台与移动用户之间的最大化效用。此外,通过设计基于反向归纳的梯度下降法实现了博弈均衡优化。最后,通过仿真实验,验证了所提方法在服务可靠性和价格效用方面的有效性。本文以5G网络为研究背景,以流媒体内容分发关键技术为主线,分别从终端侧与网络侧出发,对流媒体内容交付、计算任务卸载、资源在线调度以及可信服务优化四个方面展开了研究,以此将内容分发整个过程有机结合起来,形成了一整套研究方案,具有一定的理论创新和应用价值。在研究过程方面,本文遵循现状分析、模型建立、算法设计以及仿真实验的研究思路。在实验分析方面,本文重点考虑了5G网络流媒体服务的实际指标,并验证了所提算法的性能优势。以上研究成果有效解决了 5G网络流媒体内容分发过程中的关键科学问题,并对未来移动网络流媒体服务的研究与发展具有一定的借鉴意义。