弱测量技术自1988年由Aaronov,Albert和Vaidman提出以来得到了广泛的应用。弱测量不同于以往量子测量技术直接对相互作用后的联合态进行投影测量,而是在对附属态进行后选择的筛选之后再对测量系统进行直接测量。弱测量理论指出,在被测系统和测量仪器弱耦合的情况下,通过引入后选择过程可以对测量结果进行放大,从而可以对微小参数进行有效的估计。当系统的前后选择态近似正交时,可以得到一个远远大于系统可观测量本征值的弱值,并且弱值往往是一个复数,其实部和虚部在实际测量中有着明显的优势。弱测量的放大微弱信号的特点使其在精密测量领域获得了极大的关注和研究。但是弱测量实现弱值放大的条件是以牺牲信号探测概率为代价的,因此很多学者对弱测量在参数估值方面是否具有优势产生了质疑。为了对这个问题进行理论上的解释,学者们以Fisher信息为工具对其进行了研究。Fisher信息衡量的是随机变量的含参概率分布中所蕴含的关于参数信息量的大小。在量子领域中,综合所有测量所能达到的最大的Fisher信息即为量子Fisher信息。由Fisher信息定义的Cramer-Rao下界则决定了参数估值能达到的最小估值误差。也就是说,测量能获得的Fisher信息越大,则估值越精确。已经证明,总是存在一种POVM测量可以达到量子Fisher信息,也就是获得最佳的估值精度。在本文中我们主要对弱测量中的Fisher信息和量子Fisher信息进行了研究。很明显,不同的弱测量方案会得到不同的Fisher信息。当系统的前后选择态选取合适时,弱测量中的Fisher信息同样可以达到量子Fisher信息。我们通过计算得到在弱值放大方案中达到最大Fisher信息的前后选择态是依赖于未知耦合参数的。因此我们在此基础提出了一套自适应调整的弱值放大测量方案。不同于传统的弱值放大方案,自适应弱值放大方法最主要的特点就是前后选择是基于测量结果进行调整的。在测量过程中我们充分利用每次测量的信息对系统的前后选择态进行调整,经过多次测量可以使系统的前后选择调整至最佳从而使测量获得最大的Fisher信息,并且达到量子Fisher信息。我们通过时间延迟测量对自适应弱值放大测量的算法进行了论证。通过数值仿真可以证明,利用自适应弱值放大测量的时间延迟系统的估值误差可以极大的降低。