网络测量对认识网络行为以便更合理有效管理网络具有重要意义，但网络的分布化、不协作、异质等特点使得网络测量极具挑战性。传统的网络测量方法具有需要网络内部节点的参与协作，或需要在网络中部署测量设备，存储和分析包头信息，存在信息安全、隐私和机密问题，且增加网络负载等局限性。为此，一些研究学者把计算机层析技术原理应用于网络测量领域，从而提出了网络层析技术，它是一个新兴发展的网络测量技术，它是基于端到端的测量结果，利用统计推断技术来估计网络内部链路的性能参数，如链路的时延、丢包率等。因为它克服了传统网络测量方法的局限性，所以网络层析技术已成当前网络测量领域的一个研究热点。　　 时延层析是网络层析技术的一个重要研究内容，针对现有网络时延层析存在的问题，本论文在多播情况下对时延估计算法做了研究工作。现有的时延层析估计算法主要有两种模式：离散时延模式和连续时延模式。在离散时延模式中存在事先不易确定合适的量化单元的大小及计算复杂性问题，连续时延模式近年来成为时延层析研究热点，但在连续时延模式中需要事先假定各链路的时延分布函数，在事先不易正确假定各链路的时延分布情况下导致计算精度低的问题。本文所做的工作主要包括：在离散时延模式中，研究降低计算复杂性的方法，提出了一种自底向上逐层的时延估计算法，它是一种数值计算，相对于现有的EM算法，此方法效率比较高，但逐层计算会产生累积误差。在连续时延模式中，在现有的矩估计算法考虑了变量之间的相关性，可以提高矩估计算法的精度，但现有的矩估计算法也是采用逐层计算方式，也会产生逐层累积误差，为此我们从全局考虑，提出了连续时延模式的基于端到端数据的矩的链路时延估计算法，简化了计算过程，解决了逐层计算造成的误差问题，提高了精度。不过在连续时延模式中，事先对链路时延分布假定正确与否对精度影响很大，为此我们在事先不假定链路的时延分布情况下，研究网络时延层析的线性模型问题直接求解的方法，由于网络时延层析线性模型问题实际上是一个严重的不适定的欠定反问题，所以我们利用正则化方法解决欠定反问题的思路，研究确定正则化参数和正则化矩阵的方法，提出了一种混合算法，即利用在无偏估计类中改进最小二乘法的方法对时延层析线性模型进行初步估算，将得到的估算值作为改进的谱修正迭代法的初始值，并对迭代的结果进行局部搜索优化后得到时延层析线性模型的最终结果，此方法在没有事先假定好链路时延分布时，精度能够改善，但受不适定问题的病态程度影响比较大。