随着移动互联网技术的飞速发展和成熟，以及用户对数据和多媒体业务需求的快速增长，无线网络中数据业务量成指数增长，移动数据业务应用在下一代的移动通信中扮演越来越重要的角色，将替代语音业务成为主要的基本业务。传统的话音业务到达具有随机性，业务到达服从泊松过程，业务的持续时长服从负指数分布，话音业务可视为短相关过程，业务不具有自相似性。实际上，随着数据业务主导地位日益明显，用户对业务的满意程度就与以往的话音业务大不相同，用户更多的关心数据业务的可连接率，视频分辨率等，相应的数据业务模型和话音业务模型不同，业务间具有强相关性。因此，通过业务建模分析业务特征、用户行为及网络流量对未来无线互联网的发展至关重要。　　 论文针对无线网络，研究了多用户业务模型及基于业务特征的资源配置方法，主要研究内容包括：　　 首先，研究业务流量模型的幂率和指数特性。介绍典型的自相似模型，包括Weibull模型、Lognormal模型、Pareto模型等。对通用分组无线服务(GPRS)网络中Gb接口相关数据业务进行分析，分别与幂率分布和指数分布进行拟合，得到网络流量的指数模型。　　 其次，建立无线网络业务的特征模型。根据传统ON/OFF模型，建立基于无线数据业务特征的新型连续时间半马尔可夫模型(CTSMM)和马尔科夫调制泊松过程(MMPP)模型，并分析比较几种模型的异同。进而，建立用户行为模型，将实际用户的行为特征拟合为连续时间半马尔可夫模型，并研究建模中使用的基于Apriori的业务预测算法。　　 再次，研究基于业务特征的资源配置，提出三种基于业务特征的资源配置算法。(1)基于业务趋同性的调度算法，利用传统蜂窝小区业务的趋同性，将小区内大量相同业务单播变广播，大幅度节省网络系统带宽。(2)数据多媒体业务在认知无线电(CR)网络中的信道分级动态频谱接入算法，通过对不同QoE需求的业务分级，合理配置频谱资源，丢包率从10°降低到10-3级别。(3)基于数据多媒体业务强相关性接入时间控制算法，通过控制检测时长和接入时长，提高认知无线电系统性能。　　 本文从数据业务的流量、特征和用户行为三个角度进行建模，建立符合数据业务特征的连续时间半马尔科夫模型。并跨层优化底层的资源配置，利用用户趋同性可大幅度提高网络吞吐量；基于业务特，征模型对认知无线电网络中的动态频谱接入算法进行优化，降低系统丢包率；控制认知无线电动态频谱接入检测时长和接入时长，可使网络吞吐量得到有效提高。