随着移动通信与多媒体技术的快速发展,视频业务已然成为未来移动数据业务流量的主体,如何承载海量的视频数据和提升用户的服务体验成为移动网络发展的关键。用户之间直连通信技术(Device-to-Device,D2D),通过共享频谱的方式成倍提高频谱利用率,有效提升网络承载能力,被认为是下一代移动通信的关键技术之一。本论文结合内容流行度、用户需求、服务特性与网络框架,开展对D2D通信中视频内容缓存与分发的关键技术研究,通过卸载海量重复或相似视频数据,有效降低移动网络核心数据流量,提升用户体验。论文的研究工作主要包括以下四个方面:首先,针对用户分布随机和缓存受限的问题,提出了一种D2D内容聚类分发方案。该方案利用用户的媒体云和D2D通信技术,完成视频内容的分发。此外,采用高效自适应媒体云聚类机制和最小化D2D跳数算法,实现了基于视频内容流行度和用户分布的网络缓存合理部署。仿真结果表明,系统内容请求响应时间缩短了50%,有效地减小了内容流行度变化对系统性能的影响。其次,针对服务需求的多样性和用户请求的个性化,分析不同类型服务的用户体验与网络相关参数之间的关系,提出了一种多类型服务QoE驱动下的D2D网络内容分发方案,设计了基于QoE模型的自适应动态更新算法和基于流行度的资源分配算法。实验结果表明,系统在多服务场景下可以高效地利用有效缓存,减低传输干扰,相比传统方法,网络整体用户体验质量提升了约20%。再次,本文针对未来通信网络的异构性和传输干扰问题,分析多层流行多媒体内容分发网络中的缓存命中率、最优D2D通信半径、最大化链路接入等重要性能指标,在保证信干噪比和信干比门限前提下,进一步提出相关的服务链路选择和调度算法,得到逼近理论分析的仿真结果,有效减少了40%的干扰数量,提高了10%的系统吞吐量。最后,在智慧城市构架的异构性、服务多元性和通信资源受限的情况下,为了满足不同类型的服务和应用的实际需求,提出了基于辅助缓存的智慧城市低延时方案,给出服务内容部署和计算资源优化的分配策略,设计基于遗传算法的网络服务最优保障方案,实现了计算和缓存的全局优化,缩短了20%的用户服务等待时间,提高了用户服务体验质量。