带宽测量在网络信息领域中是一项非常重要的技术。它通过测量出网络路径在单位时间内能传输的最大数据量,来指导网络系统的Qo S管理,拥塞控制,以及路由选择访问等。2006年,Ekelin S,Nilsson M等研究学者提出了在带宽测量领域中使用卡尔曼滤波器的测量方法BART,在保持高测量精度的同时,提高了对变化环境的跟踪性能,不仅扩大了算法的使用条件,也大幅度降低了计算功耗。2008年,采用了BART设计思路的基于概率模型的ABEST算法也被提出,拓展了卡尔曼滤波器在带宽测量领域的使用。不过,在BART和ABEST中均只提出了卡尔曼滤波器的使用方法,当链路环境改变时,若使用相同的参数设置则可能导致测量的结果会千差万别。本文在研究卡尔曼滤波器的过程中,先以BART算法为基础,通过模型,理论,实验分析,引入了卡尔曼滤波器的自适应参数设定,提高了算法对不同链路环境的适应性,并提高测量的精度和跟踪性能。接着以研究ABEST算法为基础,根据标准状态方程的完整性,提出了动态状态方程的改进思路,设计了双探测流发包策略,提高了算法的跟踪性能。为了补充卡尔曼滤波器在带宽测量领域中的应用,以及考虑结合两种改进算法,本文在基于探测间隔模型IGI中,建立卡尔曼滤波器以脱离对链路容量C的依赖,并尝试将自适应参数设定和动态状态方程结合起来,进一步提高卡尔曼滤波器系统的测量精度,跟踪性能,稳定性,以及实用性。