随着空间网络体系与传输数据的日益复杂,人们对于空间通信以及数据传输与处理的要求也不断提高,网络体系的性能直接影响到数据传输的正确性和可靠性,上述现象使得针对高效处理复杂数据的一系列空间网络协议的研究变得尤为重要。大量文献及研究结果显示,网络流量具有自相似性,这为深入研究自相似流量预测及空间网络的多路复用算法提供了新思路,可以将自相似流量预测模块引入多路复用模型中,进而完善多路复用优化系统模型。本文对基于自相似流量预测的高级在轨系统(Advanced Orbiting System,AOS)帧生成技术进行研究,在自相似性的可预测性基础上优化完善AOS多路复用模型。首先,对自相似流量的特性和AOS帧生成算法进行简单介绍,提出了一种新的基于自相似流量的AOS帧生成算法。该算法根据平均包时延和帧复用效率的综合指标,确定自适应帧生成门限值,控制帧生成的时间,实现了自适应成帧算法的智能化。最后利用Matlab平台对根据理论公式对新改进的AOS自适应帧生成算法进行仿真验证,仿真结果显示此算法可以优化多路复用模型的性能。其次,对基于智能算法的自相似流量预测技术进行研究。本文采用的是非线性预测模型,它是利用神经网络模型对流量进行预测,此模型的预测原理相对容易实现且预测速度较快。在此基础上对基于小波函数的神经网络预测模型进行研究,针对流量的自相似性进行预测,并对预测模型进行仿真验证。最后,研究了基于自相似流量预测的AOS帧生成算法。将预测得到的自相似流量引入到AOS帧生成模块中,并将改进的自适应帧生成算法与调度算法相结合,形成基于流量预测的AOS帧生成算法。本文对上述算法进行了整体仿真验证,比较了在有预测模块和无预测模块的情况下对系统的影响。最终结果表明,带有预测算法的系统在改善平均包时延,系统剩余量及丢帧率等性能方面明显优于无预测算法的系统。