Para obtener la distribución de tamaños de partículas presentes en una muestra analizada, a partir de la función de autocorrelación media de intensidades obtenida
experimentalmente, es necesario resolver la ecuación integral $eq:integral$ teniendo en cuenta la relación de Siegert $eq:siegert$.

Si bien existen muchos métodos que proponen distintos acercamientos al problema, su solución no es un tema cerrado debido a las características del núcleo de la
ecuación integral que lo convierten en un problema mal condicionado. Esto implica que aunque el ajuste de los datos experimentales sea muy bueno, no se asegura que
la solución converja a la verdadera. Existen muchas soluciones dispares que reproducen esencialmente los mismos datos, dentro de un margen de error muy pequeño.

Esto hace que no sea posible invertir directamente el sistema, sino que sea necesario emplear algún tipo de regularización. Es decir, incorporar en el algoritmo las
propiedades deseables o información a priori que uno espera tenga la solución buscada, de manera de poder acotar el espacio de búsqueda.

$Breve reseña de distintos algoritmos$

El algoritmo propuesto en este trabajo intenta evitar el problema con el cual se encuentran la mayoría de los algoritmos que es establecer criterios de soluciones
suaves y parsimonia para penalizar soluciones no deseadas. En nuestro caso, en lugar de generar posibles soluciones y luego quedarnos con las que cumplen
ciertos criterios, proponemos trabajar en un espacio en donde la base elegida con la cual se construyen las soluciones lleve naturalmente a soluciones con las
propiedades que buscamos.