1995年，Kong等[4]提出将相移量和最终要求解的相位分布都当作未知量来处理的相位测量算法。因为空间最小二乘拟合和串行最小二乘拟合是交叉结合的，所以在迭代算法中交替使用串行最小二乘拟合和空间最小二乘拟合直至相移量满足收敛。该算法可以采用具有不等的相移量的干涉图来准确地求解相位，因此即便在有振动的条件下也能摆脱相移误差。收敛数值迭代和计算时间取决于所假设的初始相移的值，这是该算法的一个缺陷。79008

1999年，为解决同期算法易受噪声、调制度低等影响的问题，Wei等[5]提出用于移相干涉术的更为广义的最小二乘算法。该算法将相位分布的求解分为三步。首先，利用李萨如图和椭圆最小二乘拟合计算初始相位分布。其次，用空间最小二乘拟合求解相位跳变。最终，采用串行最小二乘拟合求解精确的相位分布。实验结果表明，该算法对相移误差不敏感，相移可以自动校准，且不需要耗时用于迭代。然而，因该算法不采用最小二乘迭代，在高噪声情况下仍有其局限性。

2004年，Wang等[6]对最小二乘迭代法的改进算法进行了研究，提出了多次迭代算法（AIA）。为解决同期其他算法的局限性，该算法通过将帧到帧迭代从像素到像素迭代分离，在只有几帧的情况下，相移量的计算结果也能得到稳定且准确的收敛。对于光强公式，要求解相位分布和相移移量，算法流程如图1。1所示：论文网

多次迭代算法流程图

该算法最关键的是将背景光强和调制度假定为常数，理论上来说会给运算带来误差，但就实际计算效果而言，影响并不大。该算法最大的特点在于只需要不少于3幅相移完全随机的干涉图即可精确地提取相位信息，求得面形分布。

2007年，在AIA算法的基础上，Wang等[7]提出了处理随机移相干涉图帧内、帧间光强不同问题的改进算法。鉴于其他算法大多要求累计相移单调递增或单调递减，阻碍了对随机相移的实时和动态测量。与图1。1的AIA计算过程相似，计算相位时，假设各帧干涉图间的背景、调制度相同，仅于帧内存在差异。其次，逆算法求解相移时，假设每帧干涉图内背景和调制度均匀分布，仅存在帧间差异，以补偿求解时所用的未知数。以上假设虽不能反映干涉图的真实情况，但未知数的数量远小于方程中未知数的数量，所以假设是合理的。并且，改进的AIA算法求解相移量时能高精度地快速收敛。

2011年，Vargas等[8]基于主元素分析的异步相移解调法，主元素分析（PCA）是缩小图像或数据集的一项统计学方法，它将若干可能关联的图转变为主元素，即数量最少的不相关图。该方法计算速度很快，并且对计算条件要求很少易于实现，适用于处理很大的图或者很多幅干涉图组成的干涉图集。另外，该方法无需非线性优化和迭代，从计算的角度看，成本低。主元素分析法主要分为三步，首先要计算滤去背景的干涉图集的协方差矩阵。其次，利用奇异值分解的理论对实对称的协方差矩阵进行对角化。最后一步为利用霍特林变换（Hotellingtransform）求得主元素，并取有最大特征值的前两项主元素。和其他异步移相算法一样，该方法无法确定全局相位的符号，另外，对于相移接近0且干涉图较少的情况，无法解得精确的相位。

2012年，在随机移相算法的基础上，郭仁慧、李建欣等[9]研究了采用最小二乘原理和迭代计算，在适合的收敛约束条件下对移相量和相位分布进行联合求解的波长调谐随机移相算法，并将其应用于大口径波长移相干涉仪中，解决了长腔长测试条件下的相位计算问题。