本文主要研究了关于非线性不光滑问题的邻近修正Landweber迭代法。在许多实际应用中都会涉及到反问题，反问题最大的特点就是不适定性。由于反问题的不适定性，所以需要用正则化方法来得到真实解的稳定近似解。在大规模非线性反问题中，通常采用迭代正则化方法，我们采用的迭代正则化方法是修正Landweber迭代法。然而，L2范数罚函数可能会引起解过度光滑，解的过度光滑会导致与实际情况出现较大的偏差，为了克服这一困难，我们引入了稀疏正则化方法，增加一项L1范数罚项，但是，这样会导致不光滑的情况。为了解决这一问题，我们引入了邻近算子，将邻近算子与修正Landweber迭代法相结合，用于解决非线性不光滑反问题。本文首先对邻近算子和修正Landweber迭代法的定义及其相关性质进行了回顾。在此基础上，将邻近算子与修正Landweber迭代法相结合，得到了最终的邻近修正Landweber迭代法。经过分析，我们证明了该算法的收敛性，并得到了相应的收敛率。最后，用该算法求解了参数识别问题，进行了一维、二维数值实验，验证了算法的有效性。理论分析和数值实验的结果表明:邻近修正Landweber迭代法可以有效地解决非线性不光滑参数识别问题。