随着社会的快速发展，信息的传播越来越多、越来越快。Internet上的信息量更是呈爆炸式增长，以致目前网络带宽和缓存容量等硬件资源难以满足业务流增长的需求，由此引发网络拥塞。网络拥塞影响拥塞窗口大小及瞬时队列长度的稳定性，使响应速度等性能严重降低，从而无法确保好的网络服务质量。因此网络拥塞控制已经成为近些年来网络通信领域研究的重点。另一方面，大量的研究结果表明，当前的网络流量具有普遍的自相似和长相关特性，这使网络中原有的以Markov模型为基础的协议、策略及评价方法不够准确，导致丢失率上升，网络性能下降。但同时由于自相似流量具有可预测性，这也给研究人员研究拥塞控制算法时提供了新的思路。　　 本论文结合自相似流量的特点，探讨了自相似流量环境下基于端系统拥塞控制算法研究的新方法，并与传统业务情况下的一些拥塞控制算法进行了仿真比较。重点研究HSTCP拥塞控制算法在自相似流量环境下的应用，以及利用自相似流量的特性对RTT的估值公式进行适当的修改来提高自相似流量环境下网络的性能。论文的主要工作及成果如下：　　 (1)研究常见的基于端系统的拥塞控制算法，分析了TCP Reno、Vegas算法的工作原理及优缺点，并利用OPNET网络仿真器比较了传统拥塞控制算法在自相似流量环境下与在传统流量下算法的性能。　　 (2)研究了流量预测的方法，从理论上证实了流量预测的可行性。　　 (3)提出了在自相似流量环境下改进的HSTCP拥塞控制算法。利用自相似流量的可预测性来预测下一时间点的拥塞窗口大小。把预测的窗口应用到HSTCP拥塞控制算法中来动态的改变其窗口调整参数，使其能更加体现自相似流量网络环境下的实际状况。最后用仿真验证了其有效性。　　 (4)在自相似流量环境下的一些自相似流量特性必然会反映到RTT上，本论文利用这些特性对RTT的估值公式进行适当的修改，使其能更加适合自相似流量网络环境。并利用修改后得到的RTT值来探知网络的拥塞情况，并根据拥塞等级来动态的调整拥塞窗口调整参数。最后用仿真来验证估值公式改变前后的效率。