随着互联网技术的快速发展，网络的规模和复杂性日益提高。为了成功地管理和优化网络，就必须实时、准确地了解网络内部性能参数（例如：拓扑结构、链路丢包、链路时延等）及其动态变化情况。网络层析成像将医学、地震学等领域被成功应用的层析成像方法引入到通信网络的内部性能参数测量问题，通过发送主动的探测包获取端到端性能参数，使用层析成像方法估计网络内部性能参数。该方法的最大优点是可以在没有网络内部节点协作的条件下完成对网络内部性能参数的测量，因此自提出以来受到了国内外学术界和工业界广泛关注，成为了网络测量领域的重要研究内容之一。网络层析成像的探测包可以是多播包，也可以是单播包，由于路由器对单播包和多播包的处理方式不同，只有使用单播探测包，才能估计出实际单播流量的内部性能参数。本文研究如何通过单播探测包，使用网络层析成像方法，估计网络内部性能参数，在以下几个方面取得了有价值的成果：1．网络拓扑估计方法研究提出一种基于最大似然的网络拓扑估计方法，该方法把拓扑估计问题看成是动态的节点插入过程，从一棵只有两个叶节点的简单二叉树出发，依次将叶节点插入已知拓扑获得估计结果，使用最大似然估计方法获得每一个叶节点插入到已知拓扑的位置。该方法有效地降低了基于最大似然拓扑估计方法的计算复杂度，同时确保获得准确的估计结果。2．时域相关的网络链路丢包估计研究提出基于k（k>1）阶马尔可夫链的网络链路丢包估计方法。k阶马尔可夫链能准确地捕获链路丢包的时域相关性，因此有利于获得更优的链路丢包估计结果。在网络链路丢包估计问题中引入k阶马尔可夫链对链路丢包过程进行建模，并提出基于最大伪似然的方法和基于约束最优的方法估计k阶马尔可夫链链路丢包模型的参数，能获得比传统方法更准确的链路丢包估计结果。3．网络链路时延高阶统计特征参数估计研究提出网络链路时延高阶（二阶及其以上）累积量估计的层析成像方法，通过发送普通的背靠背包获得端到端时延，利用累积量的性质建立线性系统方程组估计链路时延的高阶累积量。与现有方法比较，提出的方法无需网络内部节点协作即可准确地估计出链路时延的高阶累计量，从而获得链路时延的更多统计信息。4．非平稳网络链路丢包率估计研究提出一种非平稳网络链路丢包率估计方法，该方法基于滑动时窗的思想把测量周期分为一系列部分重叠的时间段，用k（k>1）阶连续可导的函数对每一时间段内的链路时变丢包率进行逼近，并用距离平方反比加权算法估计测量周期内的链路时变丢包率。分析和仿真验证了提出的方法可以很好的逼近真实的链路时变丢包率，且优于传统的链路丢包率估计方法。此外，还对传统的三包组探测包发送方式进行改进，改进之后的三包组能降低由于单播探测包相关性不够理想导致的端到端测量误差，提高链路丢包率估计的精度。