流量突发(trafficburstiness)是网络随机性的具体表现，也是影响网络性能的要素之一。近年来网络测量与统计分析得出最重要的结论是Internet的流量突发具有多尺度缩放(multi-scaling)特性。多尺度流量突发行为否定了以前对网络流量到达过程的Poisson假设，为网络的性能分析与控制机制设计提供了新的认识。本论文以多尺度流量突发行为为主线研究了相互关联的两方面内容：Internet流量建模与性能分析及基于主动队列管理机制的拥塞控制。我们认为，对流量的多尺度突发行为的深入理解将为Internet的性能分析和拥塞控制设计提供新的解决思路。 第1章介绍了论文的研究背景，分析了相关的研究工作并找出了存在的问题，在此基础上我们给出了论文的研究内容和目标。最后，我们总结了论文的主要贡献。 第2章介绍了论文研究的背景知识。和论文的研究内容相对应，包括了两个组成部分：第一部分给出了多尺度流量突发的数学描述以及基于小波变换的多尺度流量分析技术；第二部分分析了Internet拥塞产生的原因及常用的拥塞控制机制，此外还简要介绍了TCP协议的端到端拥塞控制以及主动队列管理(ActiveQueueManagement，AQM)的基本概念。 第3章提出了一种基于小波域混合高斯模型的自相似流量建模与合成方法。本章对合成流量进行了统计分析以及排队性能仿真，实验表明该方法能够更准确地对通信流量进行建模和合成，并且具有运算量小(O(N))、流量生成快速等优点。 第4章研究了用马尔可夫调制的泊松过程(MMPP)对Internet多分形流量突发行为进行近似建模的能力。本章描述了刻画突发流量行为的重要统计量，在此基础上给出了一个基于矩的MMPP参数估计方法。数值和仿真实验表明，MMPP能够较好地用于对多分形流量近似建模，即可以准确地预测网络结点的排队性能。 第5章在统一的环境下对主动队列管理算法进行了公平的比较。首先对当前的AQM算法进行分类，然后基于NS网络仿真器比较了它们在不同流量和网络拓扑条件下的多种性能指标。保证数据流之间的带宽公平分配是主动队列管理算法主要性能要求之一，本章还研究了AVQ算法的公平性。 第6章分析了ARED性能问题的原因，并提出了一种链路负载自适应的主动队列管理算法LARED。LARED具有两个特点：自适应链路负载，快速响应队长变化。分析和仿真实验表明，和ARED等其它AQM算法相比，LARED在保持高链路利用率和低时延的同时可以得到稳定的瞬时队长，并且具有良好的响应性和鲁棒性。 第7章设计并分析了一个多时间尺度控制的AQM机制MSC以获得更好的性能。在MSC中，分组丢弃/标记概率主要由拥塞链路在大时间尺度突发的速率决定，此外，流量的分组级速率变化对此概率起到调节作用。本章还为MSC建立了流体流模型并在这个模型的基础上分析了算法的稳定性条件。不同于LARED，MSC在较大的时间尺度上对流量速率进行估计，在较小的时间尺度进行队列长度抽样，大大降低了算法的复杂度。 第8章研究了基于最小均方(LeastMean-Square，LMS)自适应滤波器对多尺度流量进行速率预测的方法。该方法不但减小了采用指数加权平均估计带来的计算复杂度，而且其滤波器系数自适应特性可以有效地跟踪流量的高度变化，从而更加地准确地估计流量速率。 第9章总结了论文的研究工作并指出了下一步的研究方向。