采用两种常用的粒度反演方法——正则化和Chahine算法, 对90 nm与250 nm单峰分布、50 nm与200 nm双峰分布、100 nm与300 nm双峰分布的模拟动态光散射数据, 以及105 nm、300 nm标准颗粒的实测动态光散射数据进行了反演分析.结果表明: 噪声水平的高低是影响粒度分布反演准确性的关键因素之一, 反演结果的准确性随噪声水平的增加而降低, 噪声水平超过某一阈值后, 将无法得到有意义的反演结果; 不同反演方法具有不同的抗噪能力, 在低噪声水平下反演结果无显著差别, 随着噪声水平的增加, 反演结果表现出很大差异; 正则化方法通过正则参数的选择可以有效抑制噪声影响, 表现出强于Chahine算法的抗噪能力; 与Chahine算法相比, 正则化方法不需要假定初始分布, 因此, 在噪声较大的实验或生产过程中进行颗粒分布测量时, 宜采用正则化方法.

在动态光散射颗粒测量时, 为了从含噪的自相关函数数据中准确地反演出颗粒粒度分布, 对Tikhonov正则化算法进行改进, 将噪声作为一个独立的未知变量应用到正则化方程中进行粒度反演.在计算过程中, 相应增加方程中各系数矩阵的行数和列数, 对求解的粒度分布数值则仍取其原来方程的行数和列数, 从而达到对部分噪声的剔除作用.不同噪声水平下的颗粒粒度反演结果表明, 改进后的算法能够显著提高低信噪比动态光散射数据粒度反演结果的准确性, 适用于宽分布较大粒径的颗粒粒度反演.

分别采用最小模型矩阵、最平坦模型矩阵、最光滑模型矩阵作为初始化模型,对加入5种不同水平随机噪声的90 nm窄单峰、90 nm宽单峰和250 nm窄单峰、250 nm宽单峰颗粒体系的模拟分布进行了正则化反演,并对反演结果进行比较。结果表明: 当噪声水平为0时,正则化初始模型的选择对反演结果没有明显影响。随着噪声水平的增加,采用三种初始化模型反演得到的峰值误差和粒度分布误差都随之变大,但采用最平坦模型和最光滑模型反演得到的峰值和粒度分布误差明显小于采用最小初始模型的反演误差。当噪声水平大于0.01时,选择最平坦初始模型获得的粒度分布结果优于采用最光滑初始模型和最小初始模型获得的结果,而采用最光滑初始模型反演得到的峰值优于最平坦初始模型和最小初始模型的反演峰值。因此,采用正则化算法处理含噪动态光散射数据时,为得到最优的粒度分布信息,宜采用最平坦初始模型,若需要获取最准确的峰值信息,则应选择最光滑初始模型。

文章结合当前电力光纤通信网的建设情况以及光纤网络技术的发展，阐述了基于同步数字体系(SDH)的网络主要的保护恢复方法及应用，网络互连时可采用的保护方式，并针对多层网络协同工作的问题，对基于SDH的多层网络生存性协调进行探讨，为网络拓扑的实际应用和网络结构的优化提供参考。