随着Internet网络的飞速发展，网络结构也在发生深刻变化，要成功设计、控制和管理网络，就需要了解和掌握网络的内部特性。其中流量矩阵和链路丢包率是重要的网络性能参数。由于网络日益向着大型化、异构化、分布化发展，通过直接进行网络测量的方法，来获得网络内部流量矩阵信息和链路丢包率参数就变得越来越困难，网络层析成像方法作为一种通过端到端间接测量的数据来推断网络状态参数的技术正成为研究的热点之一。由于网络层析成像参数估计求解的复杂性，为了保证估计精度，现在所用方法大多是基于最大似然模型的，饱受估计稳定性以及估计实时性问题的困扰，计算复杂度太高限制了网络层析成像技术在大尺度网络中的应用。本文针对现有网络层析成像方法求解稳定性、实用性展开讨论，将广义线性反演引入到网络层析成像领域，用于OD流量估计和链路丢包率估计，并结合网络层析成像求解稳定性和实时性问题，对广义线性反演法作了一些改进，在一定程度上解决了估计的病态性，有效地提高了网络层析成像的实时性，使网络层析成像技术在大尺度网络中更加实用。OD流量估计是网络层析成像研究的重要内容之一，本文重点研究了OD流量估计算法，鉴于MLE方法极大的计算复杂度，提出一种通过计算流量方差从而估计流量值的快速算法，并结合广义线性反演方法及滑动时窗机制分析了该算法的在线估计实用性。将广义线性反演应用于大尺度网络层析成像TM矩阵估计，就初值的约束以及部分测量信息的约束展开了讨论，提出了基于状态预测的方法和基于历史窗口均值及重力模型ratio相结合的方法，得到了较好的估计结果。网络链路丢包率是网络性能的重要指标，在测试服务质量参数以及评估链路性能，进行网络异常检测等方面具有重要意义。现有研究大多通过发送背靠背以及三包组探测包，通过极大似然法对链路丢包率进行估计。本文将广义线性反演应用于网络单播链路丢包率估计，并针对现有单播链路丢包率估算法只能对二叉树或三叉树进行链路丢包率估计的缺陷，提出了在任意拓扑下的SPT(最短路径树)上各链路丢包率估计方法，极大地提高了方法的实用性。