面向大规模用户的流媒体视频服务已经成为移动互联网上最主要的应用之一。移动流媒体服务占据了移动网络流量的很大部分,并且呈不断上升的趋势。移动环境的连接不稳定,带宽有限等特点,造成了移动终端观看视频的高时延,缓冲频繁,视频质量低等问题。动态自适应流媒体技术(DASH)支持用户根据设备能力与实时网络端到端带宽情况调整请求的媒体质量,可以自适应选择合适的码率播放视频,适合在移动网络提供平滑稳定的视频播放。内容中心网络(CCN)是一种新型网络架构,以内容为中心,不需要内容与节点位置的映射,对移动流媒体服务支持性较好。现有的DASH方案无法适应于移动CCN网络的特性,直接在移动CCN网络部署DASH服务会带来码率自适应低效,网络拥塞,缓存利用率低等问题。针对上述问题,本文提出了一系列面向移动内容中心网络的DASH技术研究方案,具体研究内容包括:(1) 一种面向移动内容中心网络的DASH解决方案,具体包括自学习的码率选择策略与兴趣包泛洪的控制机制,提升了 DASH服务的用户体验质量;(2)设计了一种针对CCN网络数据包的分层权重衡量方式,考虑了可伸缩视频编码(SVC)的不同分层的编解码特点与数据包的内容流行度,提升了数据包传输效率;(3)提出了一种可以提升移动CCN网络自适应流媒体服务的用户体验质量的缓存管理机制,在广播范围内将不同SVC分层数据包主动渐进式推送给移动节点,利用SVC编码的可拓展性提升了内容分发效率。为了评估方案的性能,本文搭建了基于NdnSIM仿真平台的移动仿真场景,分别进行了仿真验证。实验表明,算法从多个方面提升了移动流媒体用户体验质量。