无线网络以其移动性、易扩展、方便部署等特性迅速成为人们生活、学习的新选择。但是其较高的链路差错率使得直接在无线网络中套用传统TCP拥塞控制这一方案难以正确处理链路导致的丢包。因此许多改进方案也被相继提出,但是由于无线干扰的不确定性、无规律性、突发性使得这些方案有着各自的不足。本文具体分析TCP拥塞控制机制和它在无线网络中的表现以及目前各种改进。之后本文提出了基于Q-learning算法和带宽利用预测的TCP拥塞控制算法——TCPNew Reno-QBD。本文主要工作如下：(1)分析TCP拥塞控制及其在无线网络中的应用。本文详细分析TCP拥塞控制过程及其经典的算法并针对其在无线网络中的不足作分析并给出改进方向,最后对相关改进分类研究。(2)提出本文算法——TCP New Reno-QBD算法。本文对TCP New Reno的AIMD机制作相应改进,根据RTT利用加性因子获取函数和改进Q-learning算法动态调整AIMD的参数,由于RTT波动范围大,提出基于ACK达到时间均值的带宽利用预测算法来对已得出的AIMD参数再作调整。(3)作仿真对比实验。将本文算法和TCP New Reno算法在NS2软件作对比实验来验证本文算法的合理性。本文的创新之处有以下几点：(1)改进快恢复阶段。TCP New Reno-QBD算法在快恢复阶段利用改进Q-learning算法感知网络状态,通过学习选取最优策略,来动态改变MD乘性因子。(2)提出基于ACK时间均值的带宽利用预测算法。针对RTT波动大且无线网络信号干扰情况,考虑ACK达到时间来感知带宽利用情况,由此提出带宽利用预测算法。针对本文算法与TCP New Reno算法作实验对比,结果显示本文算法在不同丢包率的情况下其平均发送速率要高于TCP New Reno算法,且相比于TCP New Reno算法的往返时延更小,从而证明了本文算法的合理性。本文算法研究的意义在于动态学习无线网络状态,为今后无线网络中的TCP拥塞控制提供了一定的借鉴意义。