为克服传统质量导向相位展开方法无法正确展开多孤立物体的局限性，提出一种基于区域分割的立体质量导向相位展开方法。该方法将包裹相位分割为多个区域，并为每个孤立区域通过立体匹配算法确立左右相机多视图相位展开初始点，通过质量导向相位展开算法实现多视图孤立物体相位展开。进一步提出了基于区域双目立体展开相位匹配的单频条纹结构光三维（3D）测量，实现了单个频率包裹相位下的多孤立物体3D重建。实验结果表明，所提方法可以实现多孤立物体运动状态的3D重建，在四步相移和单幅条纹图条件下重建标准球的直径平均绝对值偏差分别为0.0135 mm和0.0347 mm。

从条纹图快速、准确获取被测物体准确深度信息是条纹投影三维测量技术关键环节之一。为解决单帧条纹图深度估计准确性问题，基于U-Net的递归残差卷积神经网络（R2U-Net），提出了一种条纹图深度估计方法，并在模拟数据和实验数据上进行了验证。对于模拟数据，所提方法的预测结果误差为1.71×10^-6，小于U-Net方法对应的误差7.98×10^-6；对于实验数据，该方法预测的深度图误差比U-Net方法对应的误差降低了13%。实验结果表明，与已有的U-Net深度图预测方法相比，所提方法所得深度图的高度分布曲线与标签拟合程度更高，提高了单帧条纹图三维测量结果的准确性。

流速是流动气溶胶动态光散射(DLS)测量的重要制约因素。采用层流条件下的散射光强自相关函数(ACF)反演模拟和实测的流动气溶胶DLS数据，分析了流动对气溶胶颗粒粒度分布(PSD)测量的制约机制。结果表明，流速增加对气溶胶PSD反演结果的强烈影响不能通过流速的贡献在光强ACF模型中表达。导致粒度反演困难的原因是，流速的增加加剧了ACF所在的病态方程的病态性，表现为方程核矩阵条件数的增加。从信号分析的视角，是由于流速的增加降低了光强ACF中粒度信息的幅值。流速的影响与被测气溶胶的粒径有关，这种与粒径的关联性，可以通过表征布朗运动的扩散特征时间和表征气溶胶流动的平移特征时间之比进行评估。扩散与平移的特征时间比，既可表征DLS测量时流速对不同粒径气溶胶的不同影响，也可为实际测量时根据测量对象进行流速选择提供依据。

多峰颗粒体系粒度及其分布的测量是动态光散射技术的难点, 本文在Tikhonov正则化方法的目标函数中加入具有平坦约束功能的惩罚项, 增强对解的约束提高对多峰颗粒体系的反演性能.190/443 nm、282/953 nm、457/553 nm双峰分布颗粒体系、564 nm单峰分布颗粒体系和292/591/889 nm三峰颗粒体系的模拟数据, 以及306/974 nm、300/502 nm双峰颗粒体系的实测数据的反演表明, 在正则化反演中增加具有平坦约束功能的惩罚项, 可有效消除反演的颗粒粒度分布中出现的毛刺与虚假峰, 提高算法的峰值分辨能力和抗噪能力.该研究在发挥多角度动态光散射技术测量中、大超细颗粒时具有信息量多的优势, 实现宽范围的双峰及多峰分布颗粒体系的准确测量.

采用多角度动态光散射和加权正则化反演方法, 对4组模拟的双峰分布颗粒体系(100/600 nm, 200/600 nm, 300/600 nm和350/600 nm)分别选取1、3、6和10个散射角进行测量.粒度反演结果表明, 采用加权正则化方法反演双峰颗粒体系的多角度动态光散射测量数据, 可获得峰值位置比小于2∶1且含有大粒径(>350 nm)颗粒的双峰颗粒粒度分布.采用标准聚苯乙烯乳胶颗粒进行实测的结果验证了这一结论.得到含大粒径颗粒的双峰粒度分布反演结果的原因在于, 多角度动态光散射能提供更多的大粒径颗粒的粒度信息, 加权正则化反演方法能减少测量数据中的噪声, 因而多角度动态光散射测量数据的加权反演能实现峰值位置比小于2∶1且含有大粒径颗粒的双峰颗粒体系的测量.

针对多角度动态光散射中角度组合对颗粒粒度分布测量的影响, 对5组模拟的双峰分布颗粒体系(114/457 nm, 202/800 nm, 307/541 nm, 433/721 nm 和600/900 nm)分别选取3、4、5和6个散射角, 采用不同角度组合进行测量.粒度反演结果表明, 在选取同样数量散射角条件下, 不同的角度组合会得到不同的测量结果.当选取的各散射角对应的Mie散射光强差异显著, 特别是对应光强值包含了Mie散射光强曲线的极大值和极小值点时, 测量结果更准确.采用标准聚苯乙烯乳胶颗粒进行的测量实验, 实验结果与反演结果一致.这种角度组合影响的原因在于, 随着散射角的增多, 得到的颗粒粒度信息也相应增加, 但只有增加的散射角所对应的散射光强显著不同时, 才会较多地增加颗粒粒度信息, 从而改善测量效果；否则, 增加的信息会被增加的角度校准噪声所抵消.

考虑传统动态光散射颗粒粒度分布测量用的反演算法复杂、精度不够、抗噪能力差, 本文基于大数据思想, 提出了一种动态光散射颗粒分布软测量方法。该方法通过调节颗粒粒度分布形状参数获得大量自相关函数及其对应颗粒分布的数据; 使用这些数据对子学习机进行训练。最后, 针对训练数据维数较高的特点对传统Bagging算法进行改进, 并利用改进的Bagging集成算法集成子学习机以提高软测量模型的精度及泛化能力。通过模拟单峰数据和对300 nm标准粒径进行软测量开展了验证实验。结果表明, 该方法能够较好地测量出不同动态光散射颗粒分布的峰值及分布宽度, 模拟单峰数据测量峰值精度可达1 nm, 300 nm和503 nm, 标准粒径测量精度分别可达3 nm和4 nm, 优于一般的反演算法。该软测量方法为动态光散射颗粒分布测量开辟了新的途径。