随着最近几十年信息与通信技术的高速发展,网络的规模日益庞大,网络结构也越来越复杂,接入网络的用户越来越多。网络服务提供商为了更好的建设网络、规划网络、维护网络、提供更优质的网络服务,就需要掌握网络中的各种参数,其中流量矩阵描述了整个网络中端到端的流量的具体分布,是网络分析的重要参数。由于网络结构的复杂及规模的庞大,要想通过直接测量获取整个网络的流量矩阵是代价极其高昂的。又由于链路流量和路由指示矩阵获取的成本相对低廉,所以如何通过链路流量和路由指示矩阵对流量矩阵进行估计越来越受到国内国外科学研究人员的高度重视,成为近年来的热门研究问题。流量矩阵估计问题本质上是一个欠定性病态的反问题求解,现有的流量矩阵求解方法都不包含噪声或者假定噪声是高斯的。在实际网络中,路由矩阵误差和链路测量误差等因素导致了噪声多元的,高斯和非高斯噪声并存。本文从抑制高斯白噪声和非高斯噪声的角度展开研究,形成了能够抑制各种噪声的流量矩阵估计方法。具体成果如下:1.本文针对现有流量矩阵估计算法大多基于先验模型,并没有将链路流量中所包含的高斯白噪声的抑制设计到流量矩阵估计当中等不足,提出了基于LENS矩阵分解的流量矩阵估计算法。从LENS链路流量分解算法出发,将其演变为了流量矩阵估计算法,同时设计了时间和空间约束矩阵对估计结果进行约束,也将链路流量中常常混有的噪声设计到目标函数当中。最后通过实验仿真验证了,该算法有很好的估计精度同时对噪声有一定的抑制作用。2.本文针对简单重力模型估计结果不符合流量矩阵估计的约束模型和现有估计方法对混合噪声抑制能力差等问题,提出了基于迭代加权搜索的流量矩阵估计算法。简单重力模型在估计的过程中并没有路由指示矩阵致使估计结果相对粗糙,本文结合流量矩阵估计的约束模型通过加权最小二乘解对其估计结果进行优化,在加权函数的设计过程中使用了混合分布函数,结合了各种范数的优点同时具备抑制高斯白噪声和脉冲噪声的能力,同时运用迭代加权搜索的方式大大提高了计算速度。最后通过实验仿真证明了该算法有较好的估计精度以及对高斯白噪声和脉冲噪声都有一定的抑制能力。