TTWRIM: 提升动态光散射反演精度的多尺度Tikhonov-TSVD方法

本文主要探讨了在大范围动态光散射（Dynamic Light Scattering, DLS）数据反演过程中，如何提高反演精度并处理复杂情况，特别是在面对强噪声和双峰颗粒数据时。小波正则化反演（Wavelet Regularized Inversion, WRIM）是当前一种有效的策略，它通过引入小波分析来改善反演结果。然而，WRIM在处理极端条件下的性能仍有待提升。 针对这一问题，研究人员提出了Tikhonov-TSVD-WRIM (TTWRIM)多尺度动态光散射反演方法。TTWRIM结合了传统的Tikhonov正则化和截断奇异值分解（Truncated Singular Value Decomposition, TSVD）的优势。Tikhonov正则化在此方法中被用于粗尺度反演阶段，能够自适应地调整参数，减少因噪声引起的不稳定性。随后，TSVD被应用到更精细的尺度上，进一步细化反演过程，有助于提高精度和抗干扰能力。 在实验部分，研究者在不同噪声水平（0.001、0.005和0.01）下，对比了Tikhonov、TSVD、WRIM和TTWRIM四种方法对模拟数据的反演效果。结果显示，TTWRIM表现出显著的优势，反演精度更高，对强噪声的抵抗性更强，并且在双峰颗粒分辨力方面也有所增强。这在对100-500nm双峰实测颗粒的反演中得到了验证，其中对于300nm单峰颗粒和100-500nm双峰颗粒的反演峰值误差分别为0.18%和2.81%，显示出TTWRIM在实际应用中的优越性能。 关键词集中在“散射”、“动态光散射”、“粒径反演”、“正则化”以及“多尺度”等核心概念上，这些技术在材料科学、生物物理等领域有着广泛的应用，尤其是在纳米粒子大小测量和复杂体系的动力学研究中。TTWRIM方法提供了一种有效的方法来提高动态光散射反演的精确度和鲁棒性，这对于理解复杂系统的微观结构和动态行为具有重要意义。