Leland和Paxson等通过对局域网和广域网的流量进行测量和分析,均发现具有统计上的自相似性。传统的网络流量模型在描述实际的网络业务时,忽视了这个重要特性。与传统的流量模型相比,自相似模型更能精确描述流量的真实特性。自相似性对分组丢弃率、延迟和吞吐量等系统性能有重要影响,因此对自相似性进行研究非常必要。论文给出了自相似过程的定义及其特性,并对描述流量自相似程度的Hurst参数的估计方法作了介绍。然后,概述了几种自相似流量的生成方法,并分析了它们的优缺点。另外,对自相似现象的产生原因进行了讨论。在研究自相似过程的合并与分解时,给出了几个相关定理的证明,并通过实例进行验证。在自相似性对网络性能影响的研究中,利用NS进行仿真,分析了自相似性对分组丢弃率的影响,结果表明随着TCP负载的增加,自相似程度增加时,分组丢弃率也呈增长趋势。另外,在仿真实验中增加丢失模块,研究分组丢弃率对网络流量自相似性的影响,仿真实验结果表明:当分组丢弃率不同时,自相似性的程度随分组丢弃率的提高而相应增加。上述仿真实验表明,自相似性降低了网络的性能,如:增加了分组丢弃率。当情况严重时,可能会引发拥塞现象。因此,本文提出了一个拥塞预警系统,并与动态带宽分配相结合,利用自相似流量在较大的时间尺度上存在相关性,对系统下一时段的流量进行预测,当预测到流量将超过缓冲区所能处理负载的极限时,启动预警系统,实现增加带宽的功能,提高了网络性能。仿真实验结果表明:该系统可以对即将发生的拥塞现象进行预测;与固定带宽分配功能相比,系统所采用的动态带宽分配功能节省了带宽。