随着移动设备的广泛普及,移动通信技术得到飞速发展。如今,物联网技术的发展以及多种新兴数据业务的出现给移动通信网络带来了巨大挑战。例如,共享单车通过部署NB-Io T接入基站网络,引起基站网络数据流量的激增;视频直播、VR/AR等时延敏感型应用的兴起对移动基站网络的数据传输时延提出了更高要求。在移动数据传输过程中,网络拥塞问题是影响网络性能的主要原因。如何解决网络中的数据拥塞问题一直是人们研究的热点。然而,现有的拥塞控制算法研究多数针对数据中心网络以及TCP协议的三层网络,针对基站内部的二层网络拥塞控制算法的研究发展缓慢。面对有限的带宽资源以及大规模数据流量和超低时延的传输要求,解决基站网络内部的拥塞控制问题具有重要的研究意义和现实价值。本文主要研究5G移动通信基站前传网络上的拥塞控制问题。5G基站前传网络内部数据流主要以高频突发数据脉冲形式进行传输,且有超低时延高可靠性的传输要求。一旦网络上发生拥塞状况,如果不能及时地进行拥塞控制,就会导致网络服务质量的严重恶化。本文通过软件仿真的方式对拥塞控制算法进行研究,为了模拟真实的基站网络环境,本文设计了一组符合5G移动数据特点的上下行仿真数据源,并在ns-3网络仿真器的基础上开发了一款全新的基站网络仿真平台,该平台已成功应用于华为公司内部通信仿真系统。量化拥塞通知(QCN)算法是一种基于二层网络的拥塞控制算法,为了验证该算法能否有效运用于新一代移动通信网络,本研究对其进行仿真分析。通过QCN算法的仿真结果可知,QCN算法能够在大流量高频突发数据脉冲环境下有效控制链路中的拥塞状况。但QCN算法在控制流程的初始阶段会引起拥塞点缓存的激增及网络负载的震荡,容易影响移动网络的服务质量和用户体验。因此,本研究在综合分析QCN算法的优缺点基础上,结合TCP协议的典型拥塞控制算法设计思路,提出了一种新的基于二层网络的拥塞控制算法——超低时延带宽探测(u LLBP)算法。该算法引入慢启动过程,解决了QCN算法在开始阶段的抖动问题,同时将监测链路拥塞状况的算法转移至接收端,从而避免对网络中交换设备进行修改,降低了算法的部署和更新成本。接收端持续监测链路中拥塞情况并及时反馈调速消息给发送端。通过周期性地执行升速和降速过程,发送端能够根据网络可用带宽的大小自适应地调整数据发送速率,使数据发送速率可以维持在瓶颈链路带宽附近。本研究通过仿真验证了该算法的有效性,并将其与QCN算法的仿真结果进行对比。由仿真结果可以看出,u LLBP算法在拥塞点的队列缓存压力更小,数据排队时延更短,所以拥塞控制效果更好,而且发送端的数据发送速率更稳定,解决了网络负载震荡的问题。本研究的主要贡献有以下几个方面:(1)以实际的基站前传网络为背景,在ns-3开源网络仿真库基础上开发设计了一款全新的5G基站网络仿真平台,该平台已成功应用于华为公司企业内部通信仿真系统,并在公司内部被作为“优秀项目”展播;(2)通过设计一组符合5G基站前传网络数据帧结构特点的上下行仿真数据源,利用实际基站网络数据流量,验证了QCN算法在基站网络上的拥塞控制效果,并得到一组有效的应用参数;(3)结合QCN算法及其他三层网络拥塞控制算法的设计思路,提出了一种新的适用于5G基站前传网络的拥塞控制算法——超低时延带宽探测算法,并在基站前传网络的拥塞控制上取得了显著效果。