超声波CT是一种新型的非接触测量方法,它具有成本低、效率高、对人体无害等优点,逐渐成为了无损测量研究的新热点,在工业测量、地质测量、医学成像等方面有着广泛的应用前景,本课题主要研究了基于迭代的超声波CT重建算法,解决了超声波CT温度场重建的问题,能够应用在室温测量、大气监测等方面,因此本课题具有重要的理论意义和广阔的应用前景。重建算法是超声波CT的重要环节之一,是保证测量准确度的核心问题。重建算法就是根据测量的时间数据,反推出超声波的速度,进而获得待测物理量的过程。本文重点研究了基于迭代的几种重建算法,并通过仿真实验比较分析了各种算法的特点和适用范围。本文的主要工作有：(1) 阐述了超声波CT的概念和基本原理,总结了已有的重建算法,包括滤波反投影、最小二乘法、奇异值分解、Tikihonov正则化、代数重建法、联合迭代法、最大似然期望最大化法等,并利用以上算法进行了空气温度场重建的仿真实验,比较了各算法的重建结果和准确度,为实际应用提供了有效的参考。(2) 提出了一种基于非最小最优化的超声CT重建算法,并用该算法进行了单峰温度场重建的仿真实验,得到了较好的重建结果,根据实验结果分析总结了非最小最优化算法的特点,以及该算法的适用范围。(3) 根据最大似然期望最大化(ML-EM)原理推导出了新的温度场重建方法。新算法用高斯分布的模型取代了传统的泊松分布模型。文中通过仿真实验证明了新算法的有效性和正确性,尤其是当测量误差比较严重时,新算法的各项误差表现都显著优于原算法。(4) 提出了一种的新的超声CT修正方法,该方法利用计算出的速度值和真实值构造稀疏矩阵方程,用Bregman迭代求解稀疏矩阵方程,最后根据求出的解对重建结果进行误差校正。仿真实验证明,通过Bregman迭代能够有效剔除显著误差。尤其当这种修正方法与高斯ML-EM算法结合时,能够改善在边界处的误差情况,具有较高的准确性和边界保持能力。(5) 进行了温度场和风力场的同步重建,并完成了3D重建仿真实验。