随着科技的不断发展，网络在人们生活中的作用越来越大。网络电话、视频会议、多媒体传输等新的网络业务不断涌现，网络业务的复杂性和突发性也越来越明显。早在二十世纪九十年代，网络业务的自相似特性已被提出，并逐渐受到专家学者们的肯定，这使得基于传统的Poisson模型的设计、评价和控制策略都已不再适用，许多以传统模型为基础的网络研究成果也需要改进。自相似模型作为一种新的网络业务模型比传统的网络模型更精确的描述了高速网络上网络业务的本质特征。 近年来，科研人员对现有的各种网络业务进行了更为广泛而深入的研究工作，取得了一系列重要的成果。这些研究的结果显示，网络业务不仅存在自相似性和长相关性，而且还表现出多重分形的特征，这就是网络业务的多尺度特征。 小波变换具有多分辨率，也叫多尺度的特点，可以由粗及细地逐步观察信号。本文从小波分析的角度出发，将网络业务看作一个随机信号，运用离散小波变换和多尺度分析方法对网络流量的多尺度特性进行研究，试图建立一种基于小波的能够更为精准有效的模拟刻画网络业务特征的流量模型。 本文的主要工作如下：1.研究了分形网络业务的数学背景，并且详细探讨了基于小波的多尺度特性的三种网络流量模型，即独立小波模型、多重分形小波模型，混合小波模型，研究中我们发现，独立小波模型能够对具有高斯性的长相关过程进行很好的模拟，但是产生的信号量不能确保非负性质；多重分形小波模型通过对小波系数的修正处理，解决了信号量出现负数的问题，也能对具有非高斯性的描述局部突发状况的网络业务部分进行很好的把握，但是却丧失了独立小波模型适合描述符合高斯性的网络业务部分的特征；混合小波模型综合了独立小波模型和多重分形小波模型在统计特征上的优势，对网络的高斯性和非高斯性进行全面综合的刻画，但是仍然不能确保信号量的非负性，同时模型中所使用的参数规模较大并且由通过参数产生随机变量的数量过多。 2.提出了一种对混合小波模型的改进模型IOWM，新模型在继承混合小波模型的统计特征的情况下，结合多重分形小波模型的修正思想，并加以修改后应用于混合小波模型当中，对尺度系数进行了具有非负性保障的处理。并且改进了迭代算法的过程，在与原算法具有相同时间复杂度的情况下，使得模型中的参数规模和所需的随机变量个数大幅度减少。 3.通过实验，验证了IOWM能很好的保证信号量的非负性，其Kurtosis统计特征能很好的拟合OWM的曲线，即能很好的继承OWM的统计特征，对网络的高斯性和非高斯性进行了全面的把握。从统计结果看，进一步验证了新算法的精简。