哪種加權方式更可靠：數量、體積還是光強？
從自相關函數（ACF）計算得出的最可靠信息是等效直徑（Eff. Dia.）和多分散性指數（PDI）。僅當多峰粒度分布的計算結果產生可重復的光強加權粒度分布時，它才比需要計算米氏散射系數的體積加權分布更可靠。數量加權分布最不可靠，因為散射強度偏向于較大的顆粒，而數量加權分布則通常偏向于數量更多的小顆粒。
自相關函數和粒度分布有什么區別？
自相關函數（ACF）是動態光散射（DLS）實驗中的原始數據。有效直徑（Eff. Dia.）和多分散指數（PDI）是通過使用累積量法擬合自相關函數（ACF）得出的，具體來說，它們是從累積量法展開的第一項和第二項中獲得。有時可以從自相關函數（ACF）中計算得到可靠的粒度分布曲線。
有效直徑（Eff. Dia.）和多分散指數（PDI）參數能否從對數正態分布中推導出來？
不是，情況正好相反，從測量得到的自相關函數出發，使用累積量法，確定了光強加權的平動擴散衰減率分布的一階和二階矩（注意，這并不適用于明顯非球狀體）。
一階矩
得出光強加權擴散系數分布的平均值，二階矩（μ2）是光強加權擴散系數分布的方差。二階矩除以一階矩的平方定義為多分散指數（PDI），它是無量綱的分布寬度。這些值不是光強加權、體積加權或數量加權的直徑，而是光強加權的擴散系數值，但它們仍然非常有用。如果 PDI<0.02，則平移擴散系數和粒度均為窄分布，沒有發生團聚。如果這些值隨時間、溫度、添加劑濃度或制備方式而變化，它們將顯示分布向更高或更低、更寬或更窄的方向移動。然而，人們通常希望看到類似體積加權的平均值和標準差這樣的數據。因此，我們使用一些代數方法來擬合雙參數分布，對數正態分布在粒度分布中很常見，并通過光強加權獲得對數正態分布的中位數和幾何標準差。從這兩個參數（由 和μ2得出）中，我們可以計算出任何加權方式（光強、體積、數量）下的所有其他值，包括平均值、中位數、標準差、微分分布和累積分布細節。實際上，我們的假設仍是單峰對數正態分布。
數據應以哪種形式呈現？
首先，檢查自相關函數（ACF）的質量，自相關函數曲線是平滑的還是離散的？如果是離散的，請提高散射光強度，或延長測量時間。增加采樣計數次數（光強×持續時間）將有助于自相關函數曲線變得平滑。如果測量期間光強突然增大，則可能意味著樣品中存在灰塵，則需準備新樣品或對樣品進行過濾。
實驗過程中光強的跳變或不連續通常是由灰塵或大顆粒引起的。如果過濾樣品，可能會濾除掉值得關注的顆粒，從而導致有效直徑變小。建議進行幾次重復測量，有效直徑的可重復性是否在1%或2%以內？PDI（分布寬度測量）值的可重復性是否在幾個百分點以內？即使樣品為軟質顆粒，仍會進行平動擴散，因此其流體力學直徑仍然可以確定。
如何確定實驗獲得的動態光散射（DLS）數據的質量？
首先，檢查自相關函數（ACF）的質量，自相關函數曲線是平滑的還是離散的？如果是離散的，請提高散射光強度，或延長測量時間。增加采樣計數次數（光強×持續時間）將有助于自相關函數曲線變得平滑。如果測量期間光強突然增大，則可能意味著樣品中存在灰塵，則需準備新樣品或對樣品進行過濾。實驗過程中光強的跳變或不連續通常是由灰塵或大顆粒引起的。如果過濾樣品，可能會濾除掉值得關注的顆粒，從而導致有效直徑變小。建議進行幾次重復測量，有效直徑的可重復性是否在1%或2%以內？PDI（分布寬度測量）值的可重復性是否在幾個百分點以內？即使樣品為軟質顆粒，仍會進行平動擴散，因此其流體力學直徑仍然可以確定。
在測量中何時使用灰塵過濾器？
灰塵過濾器是一種算法，用于剔除因灰塵或大顆粒散射而形成的異常數據。在測量過程中，可以開啟或關閉“灰塵過濾器”，在測量后回顧數據時，也可以開啟或關閉灰塵過濾器。但是，在測量期間和測量之后，不能輸入新的閾值。如果灰塵閾值設置得太高，那么100%的光都會被接受用于相關函數計算，這意味著沒有去除掉灰塵或大顆粒貢獻的高光強數據。請注意，對于非常干凈的樣品，只要灰塵閾值設置得當，可以保留100%的數據。如果閾值設置過低，則報告的有效直徑將隨之降低。
注意：布魯克海文儀器公司軟件中包含的動態光散射（DLS）模塊允許最終用戶直接輸入灰塵閾值，或使用提供了一系列預設值，可以在不了解灰塵剔除算法詳細信息的情況下進行調用。
決定使用計算基線還是自動（測量）基線的標準是什么？
通常，最好使用自動（測量）基線。計算基線是在無限延遲時間下確定的，是光散射理論工作者所感興趣的，通常他們的樣品中沒有灰塵或大團聚體（這將在自相關函數的長τ基線中反映出來）。
什么時候應使用數據平滑技術？
除非原始結果與先驗信息相吻合，一般情況下，應該使用軟件提供的數據平滑工具。