随着无线网络终端数量不断增加,网络拥塞问题日益突出。作为主流的链路拥塞控制算法,主动队列管理(Active Queue Management,AQM)通过链路信息对源端的发送量进行提前控制,有效地缓解了链路的拥塞状态。但是,由于无线网络和传统有线网络存在着很多差异,传统有线网络的拥塞控制方法已经不能满足无线网络的要求,于是,我们需要设计更加适用于无线网络的拥塞控制算法。本文针对传统拥塞控制算法的特点和弊端,在无线局域网络的数学模型基础上,结合模糊逻辑控制和神经网络,对传统的主动队列管理算法进行改进,再通过NS2仿真软件验证算法的可行性。主要工作内容如下:1.为了有效地研究无线局域网的拥塞控制问题,在传统有线网络TCP/AQM数学模型的基础上,结合无线局域网络的特性,提出适用于无线局域网络的TCP/AQM数学模型。在利用局部线性化得到网络的动态特性后,分析几种主动队列管理算法的原理,并应用于无线局域网络。通过NS2网络仿真软件在无线局域网的拓扑模型上进行仿真比较,分析不同算法的优势与弊端。2.由于在实际情况中无线局域网存在着非线性、时延、参数多变等问题,这导致无线TCP/AQM数学模型不够精确。除此之外,传统PID拥塞控制还存在着参数整定难,自适应差,适应动态网络环境难等缺点。综合这些问题,本文设计一种融合模糊控制和PID型神经网络技术(Fuzzy Control And PID Neural Network,FCAPIDNN)的主动队列管理算法,以此解决PID型神经网络的学习速率无法自适应调节的问题,并在此基础上借助模糊控制优化学习速率调节的精度,进一步提高控制精度。最后通过NS2网络仿真软件在无线局域网的拓扑模型上进行仿真,分析FCAPIDNN算法在队列长度、往返时延、丢包率等方面的性能,说明所提算法在无线局域网络环境下拥有良好的稳定性。3.考虑到传统网络拥塞控制忽略了网络拥塞的持续状态,本文引入将数据包到达链路速率作为控制器输入的方案,得到一种改进单神经元梯度学习(Improved Single Neuron Gradient Learning,ISNGL)的主动队列管理算法。该算法采用梯度学习动态调整网络参数,并在此基础上对收敛速率和稳定性加以改进,提出带有位移参数的新激活函数和带有权值调整的动量项的改进方法,最后通过NS2网络仿真软件在无线局域网的拓扑模型上进行仿真分析,说明ISNGL算法在无线局域网络环境下拥有良好的拥塞控制能力。