2013年，Vargas等[10]提出了通用的主元素分析（PCA）解调法，即正交分量分析（QCA）算法。QCA算法不受解调相位的动态范围和条纹数量限制的影响，且无需迭代计算和完成非线性优化，所以运算速度远快于AIA算法。然而，对任意异步解调算法，相位符号不确定性是一普遍问题。利用两步相移解调法[11-13]可以得到一不受符号不确定性影响的大致的解调相位，最终利用这一粗略解调相位修正用所有干涉图和正交分量分析算法得到的解调相位的符号，即解决了相位不确定性的问题。本课题也是致力于分析和仿真QCA算法。

2015年，李东、姜宏振等[14]提出在最小二乘迭代随机移相算法中，根据干涉光强函数的对称性，即：

从理论上分析了迭代得到的面形与真实面形相反产生的原因，即由于相位分布、相移量与相位分布、相移量产生的干涉光强为同一干涉图。在相移量未知的情况下，采用干涉法求解相位分布时，求解相位分布可能出现迭代面形与原始面形相反的情况。因此需要已知移相方向才能准确迭代出真实面形，并给出了干涉仪移相方向标定的可行方法。