近年来数据驱动控制理论和方法已经得到了深入的研究和发展，并广泛应用于实际问题中。相对于其他的数据驱动控制方法，迭代学习控制方法对于数据的利用是最丰富和最系统的。反问题的求解面临的一个本质性的困难是不适定性，主要是近似解的不稳定性，即方程的解（如果存在）不连续依赖于右端的数据，而求解不适定问题的普遍方法是正则化方法。迭代学习控制方法可以用来研究一类带噪声的单输入单输出系统的测量输出问题。由于实际问题中涉及的系统的输出是未知的，并且输出往往是伴有噪声，所以传统的迭代学习过程是不适定的。这里用到的算法是基于Tikhonov正则化理论，因此能够解决学习过程中的不适定问题。本文首先介绍了迭代学习控制理论、正则化理论及贝叶斯理论的相关原理，之后详细解释了在求解脉冲响应矩阵过程中存在不适定问题的原因。继而，本文提出了一种通过引进Tikhonov正则化理论来解决不适定性问题的方法。在求解正则化参数过程中，结合贝叶斯理论，将正则化参数用两个超参数来表示，通过求解这两个超参数，从而得到正则化参数。最后通过仿真实验，采取相同的初始状态，分别以三种曲线为期望轨迹，得到的结果印证了我们的理论。