在网络业务研究中,自相似模型作为一种新的网络业务模型比传统的业务模型更精确的描述了高速网络上的网络业务的本质特征. 自相似性对网络的设计、控制、分析和管理产生了巨大的影响,随着视频会议、多媒体传输等新的网络业务的不断出现,网络业务的复杂性和突发性也越来越明显. 基于传统的Poisson模型的设计、评价和控制策略已不在适用,使得许多以传统模型为基础的网络研究成果需要改进. 近年来,小波分析理论在网络业务模型中的应用越来越广泛,它为更有效的利用网络资源提供了坚实的理论基础. 本文运用小波分析理论,遵循“数学分析——理论推导——数据实证”的研究路线,对自相似网络业务进行了有意义的研究,主要工作有:对WO法存在的问题进行了细致的分析;针对这些问题,对WO法进行改进,提出一种基于DFGN模型和Haar小波的Hurst参数估计方法;为了验证本文方法的有效性,设计了DFBM的仿真软件. 仿真生成的DFBM和真实自相似网络业务数据的计算结果均表明,本文所述方法提高了Hurst系数估计的效率和准确性,比传统方法具有更好的性能. 网络业务的长相关性使得传统模型的应用受到了限制,为此,本文设计了基于小波变换的去相关法来去除网络业务的长相关性. 和去相关能力最强的(K-L)(Karhunen-Loeve)变换相比,它的优点是:计算简单,不需要解特征方程,而且不要求数据是成批输入的批处理. 仿真生成的DFBM和真实自相似网络业务数据的计算结果均表明,本文设计的方法具有较好的去除长相关的效果. 将紧支撑集正交小波包变换运用到网络数据压缩中来;研究了直接影响网络数据压缩质量的的几个因素——域值,小波函数,分解级数,小波包基;在此基础上,以域值熵作为优选指标,给出了取得最优方案的快速搜索方法. 实验表明,本文的优选方法准确、实用、计算简便. 且本文的压缩方法提高了网络数据的压缩效果.