随着网络的普及以及新应用(如VOD、VoIP)的出现,宽带网络服务需求(如多媒体、视频业务等)的激增,网络的突发业务流量急剧增加,基于传统模型的流量特征不再适合当前网络流量的分析。由于自相似模型能够更加真实地描述网络流量的特性,成为网络研究的热点问题。本文首先介绍了传统网络业务流模型,如马尔科夫模型、泊松模型等,分析了传统模型的不足之处,从而引出了网络业务流的自相似特性。自相似现象作为网络业务流最本质的特征之一,本文对其进行了深入的研究,给出了自相似性的数学定义,探讨了自相似性的几个性质,对自相似现象产生的原因进行了分析,讨论了自相似性对网络性能的影响。接着,本文对具有自相似特性的几种有代表性的网络业务流模型进行了详细介绍,如ON/OFF模型、FGN模型、FARIMA模型、Alpha稳定模型等,并对各模型进行了仿真,通过仿真数据形象地展示了各模型的特性。ON/OFF模型结构简单,但难以对实际复杂情况进行仿真和性能分析;FGN模型能在高斯条件下描述自相似性,但无法同时描述长程相关性和短程相关性;FARIMA模型能够同时描述长程相关性和短程相关性,但模型过于复杂;Alpha稳定模型可更好地描述自相似网络业务流中突发性和重尾分布,但模型缺乏概率密度函数的闭形式。然后,本文研究了几种常用的自相似特征参数(Hurst参数)估计方法,如R/S分析法、时间方差图法、周期图估计法、Whittle最大似然估计法和小波分析法等。并且,通过对方差时间图法的深入研究和实验,发现数据块的选择范围对估计结果有很大影响。本文分析了影响原因,首次提出了数据块选择范围的一个经验公式,提高了估计精度。最后,对本文主要研究内容进行了概况,并指出了该领域需要进一步研究的问题和探索方向。