无线链路的带宽是整个无线通信中最为宝贵和稀少的资源,而网络协议报头中含有大量的冗余,因此,在进行无线传输时对网络协议报头进行压缩传输可以大幅节省带宽资源,提高传输效率。鲁棒性的报头压缩（Robust Header Compression,ROHC）算法^[1]是目前公认的无线链路上较为理想的报头压缩方案,它采用多种机制在保证压缩效率的基础上尽可能地提高算法的鲁棒性,从而在高误码率、信道衰减比较大、高往返时延的无线链路^[2]上具有较好的压缩性能。但是,ROHC算法只能对直接对算法中规定的几种协议报头进行压缩,要使用ROHC算法压缩其他协议报头则需要人为的对ROHC算法进行扩展,这难免会耗费一些人力和时间,所以设计出一种适用范围更广的报头压缩算法具有重大的研究意义。本文主要研究将机器学习技术与ROHC算法相结合,设计并实现一种可自动识别协议字段变化特征,并根据识别结果对协议报头进行压缩的系统。本文的主要工作有:1)提出了一种基于决策树的协议报头字段变化特征分类模型,该分类模型可对协议报头的各字段变化特征进行快速与准确的分类;2)提出了一种协议报头压缩算法,此算法在保证算法压缩效率和鲁棒性的同时,具有广泛的适用性,可对大多数协议报头进行压缩;3)设计并实现了基于机器学习的鲁棒性报头压缩系统,系统包括协议描述库、字段变化特征分类器、压缩器和解压器等模块。具有自动识别协议字段变化特征,并根据识别结果对协议报头进行压缩的功能,可用于大多数网络协议的报头压缩。最后,论文通过搭建测试平台和设计测试方案,对所设计的报头压缩系统进行了测试和分析。测试结果表明本系统的在协议报头压缩上的有效性和优越性。