核磁共振（Nuclear Magnetic Resonance,NMR）技术能够无损的从微观层面探索物质结构及其性能,现已广泛运用于医学、生物、化学、石油、地质等领域。NMR在这些领域中大量的应用都是建立在对核磁共振弛豫时间T₁、T₂和自扩散系数D₀的二次分析之上,所以T₁、T₂、D₀的快速、准确测量非常关键。它们的测量效果主要取决于谱仪测量参数的设置,而不同样品对应的最佳测量参数差异很大。在对样品没有先验了解的情况下,业内常见的T₁、T₂、D₀测量方法存在测量冗余、参数设置依赖操作人员的主观经验、参数设置复杂等问题。本文提出基于蒙特卡罗的测量优化算法,用随机抽样的方法实时的评估被测样品不确定度,选择最能降低样品不确定度——也就是蕴涵样品信息最多的位置进行测量,完成了T₁、T₂、D₀测量实验中控制测量位置的关键参数的自动设置与寻优。对纯净水和甘油的测量实验表明该算法对T₁、D₀值相差几十倍的样品具有良好的适应能力,且能在测量结果与传统方法差异小于4%的前提下达到约6倍的加速测量。但是蒙特卡罗方法在评估多组分样品不确定度时效率低下,实践中加速效果不明显。为此本文继续研究了基于贝叶斯推断的测量参数优化算法,对样品真实T₁、T₂、D₀值的后验分布建模,在后验分布指导下进行有针对性抽样,解决了蒙特卡罗随机抽样在评估多组分样品不确定度时效率过低的问题。三种单一成分物质混合而成样品的测量实验仿真表明,该方法在多组分样品T₁、D₀测量实验中仍然能够达到3⁴倍的加速效果,结果与精确值的系统误差小于5%。考虑到所依托单边核磁共振传感器低磁场均匀度的特点,本研究未涉及T₂实验中测量参数的自适应调整,但在医用核磁共振等高磁场均匀度场合T₂测量参数的自适应调整与单边核磁中T₁、D₀测量参数的自适应调整没有本质区别,本文提出的算法仍可通用。由于T₁、D₀测量实验中其他测量参数都能通过简单的编程确定,后续研究中将算法集成到嵌入式系统芯片即可实现实际操作层面的一键测量,具有商业应用前景。