随着信息社会的发展,针对特定类型业务而设计的无线接入系统已无法满足用户日益复杂和多样的业务需求。未来无线通信网络是异构无线网络的融合,这种融合可以更有效地利用无线资源。但是异构无线网络的多样性以及网络数据量的快速增长,将导致网络更易产生拥塞,从而影响网络的整体性能。因此,拥塞处理机制是复杂的异构网络环境中的关键技术问题。本文在研究无线网络中的各类拥塞处理基本原理及技术的基础上,针对接入端、回传网络和前传网络三个方面处理拥塞进行深入研究,重点放在接入端的接入控制算法、回传网络的主动队列管理算法以及前传网络的数据压缩算法上。针对接入端产生的拥塞,在LTE、Femto、D2D构成的异构无线网络下,提出一种基于Q学习的接入控制算法。JRMM控制器可以根据网络覆盖条件、网络负荷状况、请求业务类型、终端移动性、D2D模式等因素,利用回报值反映终端接入后产生的效益,从而为每一个终端请求分配适当的网络接入并分配资源,实现在业务请求阻塞率低的同时达到更好的资源配置和更高的系统增益。针对回传网络带来的拥塞,为了算法的实用性与低复杂度,在RED算法的基础上提出QRED算法。算法采用Q学习对最大丢弃概率进行自适应调节,缓解了 RED算法参数敏感的缺陷,并且能够根据动态变化的网络环境,通过学习获得最优控制策略,从而提高网络性能,避免拥塞产生。针对前传网络带来的拥塞,在分布式基站架构下,提出一种基于离散正弦变换的数据压缩算法。根据LTE基带信号的特点,对时域信号进行离散正弦变换,将变换后的系数按照能量集中特性进行分块,在不同分块进行比特分配,使用Lloyd-Max量化器对各块系数进行量化,最后经过霍夫曼编码,在误差允许的前提下,达到提高压缩率的目的。进一步研究方向可进行接入端的接入控制与资源分配的联合优化,回传网络进行区分流特征的主动队列管理算法优化,以及前传网络数据压缩中的能量分块优化、固定速率编码与多模数据压缩算法的研究。