亚微米及纳米超细颗粒在光学、电学、磁力学等方面具有独特的性质,能够有效的改良产品的性能以及材料的质量,已经被广泛应用于工业生产和人们的日常生活中。超细颗粒的性质在很大程度上取决于颗粒的粒度大小,因此颗粒粒度检测研究具有非常重要的理论研究和实际应用价值。动态光散射技术作为目前测量超细颗粒粒度的有效方法,通过对动态光散射数据反演来实现颗粒粒度信息的获取,在数据的反演过程中,需要求解第一类Fredholm积分方程。然而第一类Fredholm方程属于典型的病态方程,动态光散射数据中的噪声部分会被严重放大,从而导致测量结果与真实结果相距甚远。因此,在测量数据不可避免受到噪声干扰的情况下,如何从动态光散射含噪数据中获取准确的颗粒粒度信息仍值得人们为之探索。为了准确的反演颗粒粒度信息,本文对动态光散射含噪数据的正则化反演方法进行了相关研究,主要创新点与研究工作如下:首先研究了未知误差下后验策略确定正则参数对反演结果的影响。本文在确定蝙蝠算法拥有较好运算效率的基础上,将蝙蝠算法与Morozov偏差原理相结合,实现确定误差和未知误差下正则参数的全局寻优,在减少传统迭代算法计算资源浪费的同时,将正则化反演的颗粒粒度结果进行对比分析。结果发现:引入蝙蝠算法后,未知误差下反演的颗粒粒度结果与确定误差情况下的颗粒粒度结果相近似,使得Morozov偏差原理在无法明确误差参数的颗粒粒度实际检测中应用成为了可能。其次,研究了奇异值三分段修正算法对反演结果的影响。为了从动态光散射含噪数据中获取准确的颗粒粒度信息,本文在奇异值分解理论的基础上,将Tikhonov正则化与截断奇异值(TSVD)正则化算法相结合,提出一种改进的正则化算法。该算法是根据奇异值截断和修正的位置将矩阵分解成三部分,并分别采用不同的滤子函数进行处理的方法。通过将新算法与Tikhonov、TSVD正则化算法反演的颗粒粒度结果进行对比分析,确定新算法的反演结果具有更高的拟合度,更好的准确性与抗噪性。最后,研究了初始矩阵模型对TSVD正则化反演结果的影响。为了使截断奇异值正则化获取更多的颗粒粒度信息,本文在TSVD算法的基础上,保留大奇异值部分矩阵不变,同时对小奇异值部分矩阵分别采用最平坦模型矩阵、最光滑模型矩阵和最小模型矩阵下进行约束修正。通过将三种初始模型矩阵下的颗粒粒度反演结果进行对比分析,确定不同初始模型矩阵对TSVD算法反演颗粒粒度结果的影响。