改进的RNNPT算法：多角度MDLS的高精度颗粒粒度分布反演

多角度动态光散射(Multi-Angle Dynamic Light Scattering, MDLS)是一种先进的颗粒大小测量技术，它利用激光照射样品，通过不同角度接收散射光来获取丰富的颗粒信息。相比于传统的单一散射角度测量，MDLS能够提供更全面的颗粒粒度分布(Phase Size Distribution, PSD)，因为这种技术可以从多个角度捕捉到颗粒的复杂散射特性。 Phillips-Twomey (PT)算法是MDLS领域常用的一种反演算法，但为了提高其精度，研究者在此基础上提出了递归非负Phillips-Twomey (Recursive Non-negative Phillips-Twomey, RNNPT)算法。RNNPT算法的关键创新在于结合了正则化参数的 MR-L 曲线法确定，以及通过递归方式求取权重系数并施加非负约束。这种方法旨在确保权重系数的合理性和准确性，从而优化反演过程，减少因噪声引入的误差。 在实验中，当光强相关函数的测量噪声控制在0.01%至1%范围内，RNNPT算法被应用于模拟的单峰和双峰颗粒体系的粒度反演。结果显示，在噪声水平低于0.1%时，RNNPT算法的反演结果表现出极高的可靠性，颗粒粒度分布与理论值非常接近。这表明该算法在实际应用中具有很高的稳定性。 对比测试中，RNNPT算法显示出明显的优势，不仅获得的权重系数误差最小，而且反演出的粒度分布最为准确。这使得RNNPT算法在多角度动态光散射的粒度测量中，相对于递归Phillips-Twomey (RPT)和递归Tikhonov (RT)算法具有更高的精度和鲁棒性。 总结来说，多角度动态光散射粒度分布递归非负Phillips-Twomey算法是一项重要的技术创新，它通过优化散射光信息处理和正则化参数选择，提高了颗粒粒度分布的测量准确性和抗噪声能力。这对于诸如纳米材料科学、生物医学、环境科学等领域中颗粒尺寸分析具有重要意义。