Trust-IPN-TSVD: 动态光散射粒径反演新方法

"动态光散射混合非负截断奇异值反演技术是提高动态光散射(DLS)粒径反演精度的一种有效方法。它结合了信赖域法(Trust)和内点牛顿法(IPN)的优势，提出了Trust-IPN-TSVD算法，以处理粒径分布(PSD)的非负性和降低噪声影响。该方法在模拟200至500纳米单峰和100至700纳米双峰分布颗粒的反演实验中，对比Trust-TSVD和IPN-TSVD，表现出了更高的精度和平滑性。Trust-IPN-TSVD最多能减少单峰和双峰分布颗粒的PSD峰值误差和相对误差，使得PSD更加接近理论分布。实测颗粒的反演结果进一步验证了这种方法的有效性。" 动态光散射(DLS)是一种常用的粒径测量技术，通过分析光强随时间的波动来获取颗粒大小信息。然而，由于实际数据中的噪声和复杂性，反演过程往往存在精度问题。为了解决这个问题，研究人员结合了截断奇异值分解(TSVD)的噪声抑制能力和非负约束的特性，提出了Trust-IPN-TSVD算法。 TSVD方法是一种矩阵分解技术，可以有效地减少数据中的噪声影响，而非负约束则确保了粒径分布的物理合理性。信赖域法和内点牛顿法都是优化算法，用于寻找满足特定约束条件的最优解。Trust法强调迭代过程中的步长控制，而IPN法则在迭代过程中利用内点策略快速收敛。Trust-IPN-TSVD算法巧妙地融合了这两种方法的优点，既保证了快速收敛，又提升了反演的精度。 在模拟实验中，Trust-IPN-TSVD与Trust-TSVD和IPN-TSVD进行了对比。结果显示，Trust-IPN-TSVD在反演PSD时的峰值误差和相对误差都有显著降低，这表明其能够更准确地估计颗粒尺寸分布，且得到的PSD曲线更平滑，更接近实际分布。这一优势对于理解和分析颗粒体系的性质至关重要。 实际应用中，对实测颗粒进行的反演进一步证明了Trust-IPN-TSVD算法的有效性和实用性。这种技术在颗粒科学、材料科学、环境科学等领域有着广泛的应用潜力，特别是在需要精确测量微小颗粒大小分布的场合，可以提供更可靠的数据支持。