WebRTC 中的带宽估计与拥塞控制算法有很多，以下是其中几种：

- GCC（Google Congestion Control）：基于丢包的带宽估计，其基本思想是根据丢包的多少来判断网络的拥塞程度。丢包越多则认为网络越拥塞，发送速率就需要降低；如果没有丢包，则说明网络状况较好，可以提高发送码率以探测是否有更多的带宽可用。

- Goog-REMB：基于接收端的延迟算法，利用延迟值，通过卡尔曼滤波器估计出下一时刻的网络带宽趋势。但效果的准确性和公平性不如 Transport-CC，目前已经被 WebRTC 的新版本所淘汰。

- Transport-CC：基于发送端的延迟算法，也是利用区间延迟值，通过 TrendLine 滤波器（最小二乘法滤波器），通过斜率的增加或者减小来判断当前网络的拥塞状况。

Transport-CC将拥塞评估算法从接收端移动到了发送端，是通过接收端记录数据包到达时间，构造相关RTCP包，然后反馈给发送端，在发送端做带宽估计，从而进行拥塞控制实现的。这样做除了方便维护，也增加了相关算法的灵活性，因为大多数处理逻辑都放到了发送端。

- BBR：一种基于模型的拥塞控制算法，BBR 的模型包括两个显式估计参数：Bottleneck Bandwidth（瓶颈带宽）和 Round Trip Propagation Delay（双向往返传播延迟）。BBR 使用其模型寻找具有高吞吐量的操作点和低延迟，以在最佳工作点附近工作，系统需要保持两个条件：Rate Balance（最大发送速率）和 Full Pipe（BDP = BBR.BtlBw * BBR.RTprop）。

这些算法在 WebRTC 中都有广泛的应用，具体使用哪种算法取决于实际需求和网络状况。