国际上越来越多的研究表明，在许多类型的网络中采集得到的流量，具有自相似、长程相关和重尾等相关特性，这是对传统电信理论的一次颠覆。因此，国内外研究者陆续提出了各种新的自相似网络流量模型。与其它各种模型相比，本文的主要研究对象—基于线性分形稳定噪声(Linear Fractional Stable Noise，LFSN)的模型—不仅有丰富的理论支持、能同时兼顾长程相关和重尾，还具有许多其他优点使之成为一种较为理想的建模选择。　　 模型的一个重要作用是为了更好的进行网络性能分析，然而直接计算常常因复杂度过高而只能局限于较小的范围，借助随机网络演算(Stochastic Network Calculus)理论的最新进展，可将研究对象扩展到实际网络的规模，有利于完善的随机服务质量体系的建立，因此受到国内外学者的极大重视和广泛研究。　　 本文首先讨论了一些重要的基础理论，包括稳定分布、稳定过程、LFSN和随机网络演算等，然后在稳定分布模拟、稳定过程轨迹模拟、参数估计、相关结构度量等方面进行了大量研究，并结合随机网络演算理论分析了自相似流量的随机突发边界。本文主要的创新和结论可概括为以下几个方面。　　 首先，因为稳定分布的概率密度没有解析形式，现有算法普遍未联系稳定分布的实际特性，存在着效率较低、算法参数人工固定、精度不可控等问题，本文提出了一种基于FFT进行稳定分布概率密度快速计算的改进算法，特点是通过对稳定分布性质的分析，提出自适应确定截止频率、采样间隔，并通过扩频在不引入额外计算量的同时进一步提高精度。　　 其次，提出了一种一般形式LFSN轨迹的快速模拟算法。该算法克服了现有方法或者计算效率低下、或者需要特别指定LFSN具体形式等诸多限制，使本文对于一般形式LFSN进行大规模模拟仿真实验成为可能。　　 对于现有的各种基于LFSN的自相似网络流量模型，一个主要的问题是，这些模型均基于不同的特殊形式LFSN，而具体形式的选择却更多只是为了数学处理方便，与流量本身特性关系不大。本文模型综合了现有的研究成果，提出一种一般形式LFSN的自相似网络流量模型，这是一种最为一般化的模型，对所有的模型参数选择均无限制。　　 接着，本文研究了LFSN相关结构的度量方法。现有文献中对于LFSN这样具有长程相关性同时又是非高斯的随机过程，更多注重的是随机分布的检验。而本文认为相关结构检验更为重要，是自相似产生的根源。本文讨论了标准化样本自相关函数、标准化共变、一般化共差三种度量理论和具体的统计估算方法。　　 对于相关结构的检验实验，创造性的提出了一种伪LFSN样本实验方法。伪样本自身不具有相关性，因此非常适合于进行对比检验。本文将这种方法应用于对前面提出的LFSN模拟算法的检验，验证算法在相关结构上的有效性；同时还对实际流量采集数据进行了检验，指出对于网络流量这种可能偏斜的LFSN过程，一般化共差这种度量手段更为适合。　　 本文最终推导了一般形式LFSN自相似流量模型在随机网络演算中的流量突发边界。这一结论与现有研究成果相比具有以下特点：首先是基于一个通用的模型，因此具有更大的普遍性；其次，本文的随机突发边界优于现有结论；最后，将随机网络演算的流量模型与自相似流量建模的工作相结合，同时使随机服务质量体系的确立成为可能。在理论研究的同时，本文创造性的提出一种大规模模拟仿真实验方法。该方法在前面提出的LFSN快速模拟算法的基础上，结合统计手段，得到流量溢出概率的估算值，从而验证了本文推导的随机突发边界的有效性。