基于法向映射法的二维光纤光谱弯曲校正

二维光纤光谱图是天文望远镜系统中的光谱仪的观测结果,由此又经过一系列的后续处理,才能生成普遍意义上的一维光谱。由于光谱仪和CCD相机的光学畸变,使得二维光纤光谱图像普遍出现了弯曲现象,尤其是在光纤两端表现得尤为明显,这个问题一直以来没有很好的解决办法,也没有在任何参考文献中看到相关工作。这种弯曲给后续的抽谱工作造成困扰,处理不好会很大程度上影响波长定标,从而影响一维谱的准确性。给出的一种法向映射法可以对这种二维光纤光谱图的弯曲进行有效的校正。该法把二光纤光谱图中的每一条光纤光谱进行单独处理。首先做预处理抽取每根光纤中心线,然后把该中心线当作光滑曲线求取每个点的法线方向,以整条中心线的某个点（一般是最凸点）为基点作理想竖直线,光纤中心线所有点沿自身法线方向投影到这条竖直线上,从而实现了光纤中心线本身的校直。因光纤宽度在二维光纤光谱图中一般是7个像素,因此将光纤中心线向左向右各依次平移3个像素,分别实现上述流程,即可得到整条光纤光谱的校直结果。该法实施过程中有两个问题需要注意：一个是坐标点的均匀化问题,一个是像素灰度值的精度保持问题。坐标点的均匀化问题是由于在该法中使用了法向映射,从而造成形成后的校直线的点的疏密程度不均匀,这对后续处理不利。解决办法是在实际操作中采用三次样条插值的方法进行直线上点的密度均匀化,保证获得一系列的整数点坐标,以利于后续的处理。而像素灰度值的精度保持问题,在插值计算过程中始终保持像素灰度值的64位高精度数,最终也得到同样精度的结果,避免造成像素值损失。该法实施的最后,还需要进行头尾一致性的截取,把延伸出图像高度范围的像素去掉,仅保留图像范围内的像素点。如果没有这个过程,由于光纤本身是有宽度的,映射出来的直线长短不一,从而给后续处理造成困难。实验完整处理了整幅的二维光纤光谱图,用曲线拟合的方法较好地解决了光纤中心线提取过程中的个别地方的亮度偏差问题,用法向映射法得到了校直后的二维光谱,并做了后续的抽谱对比。在一维谱的抽谱对比中可以看到,校正前后的谱线差值在有弯曲现象存在的光谱两端变化较为明显。这个实验结果证明了该方法对光谱的弯曲情况可以完全改善--在两端的变化较大,在中间的变化很小,这完全符合观测的基本认知。不仅如此,由于像素点的错位和像素值的插值计算,也会造成流量值叠加的效果发生显著变化。因此,通过观察抽谱后的谱线在校正前后的移动情况,验证了对于特征谱线的波长位置的精确获取具有重要影响。本文创造性地设计的二维光纤光谱的自动弯曲校正的方法。     

基于FFCNN的二维恒星光谱分类

天体光谱处理中的一项基本任务是对大量的恒星光谱进行自动分类。到目前为止,恒星光谱的分类工作多是基于一维光谱数据。该研究打破传统的天体光谱数据处理流程,提出了基于二维恒星光谱分类的方法。在LAMOST(the large sky area multi-object fiber spectroscopic telescope)的数据处理流程中,所有的一维光谱都是由二维光谱抽谱、合并得来。二维光谱是由光谱仪产生的图像,包括蓝端图像和红端图像。基于LAMOST二维光谱数据,提出了特征融合卷积神经网络（FFCNN）分类模型,用于二维恒星光谱的分类。该模型是一个有监督的算法,通过两个CNN模型分别提取蓝端图像和红端图像的特征,然后将二者进行融合得到新的特征,再利用CNN对新特征进行分类。所使用的数据全部来源于LAMOST,我们在LMOST DR7中随机选择了一批源,然后获得了它们的二维光谱。一共有14 840根F,G和K型恒星的二维光谱用于FFCNN模型的训练,其中包括7 420根蓝端光谱和7 420根红端光谱。由于三类恒星光谱的数量并不均衡,在训练的过程中分别为每类恒星光谱设置了不同权重,防止模型出现分类失衡现象。同时,为了加快模型收敛,对二维光谱数据采用Z-score归一化处理。此外,为了充分利用所有样本,提高模型的可靠度,采用五折交叉验证的方法验证模型。3 710根二维光谱用作测试集,使用准确率、精确率、召回率和F1-score来对FFCNN模型的性能进行评价。实验结果显示,F,G和K型恒星的精确率分别达到87.6%,79.2%和88.5%,而且它们超过了一维光谱分类的结果。实验结果证明基于FFCNN的二维恒星光谱分类是一种有效的方法,它也为恒星光谱的处理提供了新的思路和方法。     

LAMOST天体光谱巡天

文章着重介绍了中国自主创新的LAMOST望远镜以及所取得的光谱巡天成果。LAMOST是一种新型的反射施密特望远镜,它突破了大规模光谱巡天所需要的大视场兼备大口径望远镜的技术瓶颈,成为世界上天体光谱获取率最高的望远镜。自2011年10月到2014年6月,LAMOST获得了413万条天体光谱,其中有378万条恒星光谱和包括220万条恒星光谱的参数星表。     

光纤转动引起光纤光谱效率变化与改正

光纤的焦比退化(focal ratio degradation)是光纤光谱效率损失的重要原因之一。光纤在安装和每次定位过程中,光纤的转动和扭曲会引起光纤焦比退化发生变化,从而改变光纤的传输效率,每根光纤由此造成的传输效率变化都会存在差异。而这样的效率差异无法用通常天文观测中使用的晨昏天光平场或者圆顶平场改正。减天光是光纤光谱数据处理中决定光谱质量的重要环节。减天光处理要求对不同光纤的传输效率进行归一化处理,以扣除不同光纤之间传输效率差异导致的天光背景测量的误差。对于与天光背景亮度接近乃至更暗的观测目标而言,光纤传输效率的改正精度决定了减天光的精度。测试了LAMOST望远镜光纤转动对光纤传输效率的影响情况。在检查了光谱中天光发射线强度与光纤传输效率的关系,和验证了光纤效率变化与波长变化相对独立的基础上,提出并且证实了通过测量各光纤中天光发射线强度作为光纤相对效率变化量来改正光纤效率差异的方法是可行的。这种方法已经被应用到LAMOST二维光谱处理当中。     

基于网格聚类分析LAMOST恒星光谱与理论模型的差异

随着天文大数据时代计算科学的蓬勃发展,我国具备自主知识产权的国际天文界口径最大、光谱获取率最高的大视场望远镜LAMOST,已率先在国际上开拓并实现了同时观测几千个天体光谱的大规模巡天工作。自2011年巡天至2015年6月所获得的DR3光谱数据集目前已获取世界上最大的恒星参数星表。针对LAMOST第三期发布FGK恒星光谱的流量定标等相关数据,利用Kurucz模板光谱对应的参数空间划分网格,基于开源高效的数据处理R语言程序软件平台,设计了有监督的聚类中心,便于验证其理论参数网格的差异。处理LAMOST实测光谱经归一化后,选择距离量直接描述属性,采用欧氏距离分析判别光谱之间的相似度,选取相应的属性向量构造函数判断观测光谱和理论光谱差别的量级。实验表明：比对LAMOST实测FGK型恒星光谱数据与Kurucz理论模板库数据一致性以及参数测量的准确性,结果显示相同参数的光谱间特征谱线具有较好的一致性,从而得出LAMOST光谱测量物理参数质量较高,具备极好的可靠性,为后续恒星大气模型的改进提供相应的论证依据。     

基于谱线匹配技术的星载成像光谱仪星上光谱定标方法研究

介绍了一种基于谱线匹配技术的星上光谱定标方法,该定标方法选取大气吸收线作为匹配谱线,采用相关系数法作为匹配结果判定条件标进行光谱定标。为模拟星上定标过程,将谱线匹配技术应用于振动试验后的成像光谱仪,振动试验可以模拟成像光谱仪在升空过程中受到的振动。星上光谱定标包括成像光谱仪分辨率的确定、面阵探测器光谱维和空间维像元中心波长的定标。由定标结果可知,振动试验后光谱仪分辨率为0.40 nm,与振动试验前相比没有发生变化;光谱维像元中心波长向长波偏移0.08 nm(小于一个像元);空间维像元光谱弯曲(光谱smile) 向短波方向弯曲,最大弯曲值为0.96 nm,近似于振动试验前光谱弯曲值。由此验证了谱线匹配技术进行星上光谱定标的可行性。     

基于分形编码的M型恒星光谱次型自动识别

根据天体光谱自身的局部分形特征,对光谱中400~510,600~700和780~900 nm三个波段的数据分形编码,并以编码中匹配数据块位置与最小匹配误差为特征,将分形方法应用于天体光谱次型识别。实验表明,分形方法不受LAMOST流量定标误差、仪器效率曲线的影响,具有一定的抗噪性,可以有效地自动识别LAMOST与SDSS的M型恒星光谱次型。     

基于轨迹聚类的天光光谱特征分析

天光背景扣除是LAMOST 1D光谱数据处理中重要的环节,其扣除好坏直接影响光谱产品质量,因此构造理想的超级天光光谱模型具有重要的意义。通常超级天光是由与目标天体同时观测的天光光纤光谱构造而成,同一区域的天光背景可能随着不同的观测时刻有着规律性的变化特征（如月相变化）,如果能充分分析并利用这些特征,可有效校正超级天光模型,从而提高减天光效果。轨迹聚类方法是一种分析目标随时、空变化特征的有效工具,针对LAMOST天光光谱中可能存在的变化规律,给出一种基于轨迹聚类的天光光谱特征分析方法。主要分以下三部分：首先是天光光谱的时序化描述。LAMOST pipeline采用且提供了每个观测天体的即时超级天光光谱,为了获取特定天区背景天光的光变特征,需选择天光光纤光谱以及扣除目标天体光谱的背景光谱,以5°视场（LAMOST望远镜视场）为单位,按观测日期MJD均匀分组,从而对特定区域的天光光谱进行了时序化表征;其次给出基于密度的天光光谱数据聚类算法STK-means。为解决随机参数导致收敛及聚类效果不理想的问题,在分析天光光谱时序数据特征的基础上,给出基于密度的相似性度量公式,并作为传统k-means聚类的初始参数选择依据,从而给出基于密度的天光光谱数据聚类算法STK-means;最后进行实验分析。实验验证了该方法的正确性和有效性以及不同初始参数K值的选择对聚类结果的影响。在此基础上,利用STK-means聚类方法,对LAMOST第一期巡天中一个完备小天区的天光光谱时序数据进行了轨迹特征分析,结果表明,除个别光谱质量较差或常说异常外,该特定区域的天光背景以农历每月十五、十六为中心向两边呈对称分布,反映了该区域观测过程中受月相的影响变化情况,该特征经量化后可为校正超级天光模型提供一种有效途径。同时,由于时序化描述过程中均匀采样的要求,该方法可适用于反银心、盘、晕等高天体数密度区域,而对于高银纬低数密度区域则需要更长时间的巡天观测。此外,该方法还可有效发现特定区域的离群(异常)天光光谱,为天文学家进一步分析提供珍稀样本。     

LAMOST光纤单元定位参数研究

大天区多目标光纤光谱天文望远镜LAMOST是世界上光谱获取量最大的望远镜,4000个双回转光纤单元的精确定位是关键因素之一。根据对星像观测的要求以及单元的定位方式,确立了所需的7个定位参数,研究了在复杂现场环境下获取定位参数的具体流程和可行性算法,包括光重心法、摄像机快速标定算法、基于最小二乘拟合圆算法、空间坐标旋转算法等。通过模拟星像观测仿真测试和现场星像试观测证明,定位参数精度能很好地满足观测需求。目前LAMOST望远镜观测光谱获取率已达到90%以上。     

基于核岭回归方法的恒星大气物理参数的自动测量

我国大科学工程项目LAMOST巡天计划每观测夜能获取多达数万条天体光谱数据,天文学家通过对天体光谱的分析观察可以获取有效的天文信息用于天文学或天体物理学的研究。而针对海量数据,寻找自动方法分析天体光谱并进行天体各种物理参数的测量就具有重要研究意义和价值。这一课题也吸引了许多学者进行研究,但目前所尝试的算法和相应结果仍然需要进一步改进,针对这一需求深入研究了核岭回归(KRR)方法在恒星大气物理参数(包括有效温度、表面重力和金属丰度)自动测量方面的应用,特别是在我国大科学工程项目LAMOST所释放光谱数据上的应用。核岭回归是岭回归算法的进一步发展,而岭回归是最小二乘方法的一种变形,其具有解决高维多重共线性问题的能力。所以KRR方法适合于处理高维的天体光谱信息,从LAMOST的第五期释放数据中随机选择了2万条被识别为恒星的光谱数据用于实验测试,该数据既包含低信噪比数据,也包含高信噪比数据(g,r,i波段平均信噪比最低至6.7,最高到793)。首先,本文对光谱进行预处理,包括三个步骤:(1)利用小波变换对光谱数据进行去噪处理;(2)因为LAMOST采用的是后期修正的流量定标设计,所以还通过流量归一化来避免部分光谱流量值不准确的问题;(3)由于每条光谱维数高达数千维,利用主成分分析方法(PCA)对光谱进行了降维。然后,利用KRR方法建立了光谱数据和标准化后的三大参数值之间的回归模型。最后,通过设计进行不同的组合实验对KRR算法模型进行了测试分析,并与经典算法支持向量回归(SVR)进行了对比。综合所有实验结果显示KRR方法对应的有效温度、表面重力和金属丰度的测试平均绝对误差分别为82.9897 K,0.1858 dex和0.1211 dex,优于SVR的144.2308 K,0.1886 dex和0.1246 dex。特别是KRR在温度测试结果上有较大优势,由此表明KRR方法能够有效地应用于天体光谱特别是恒星光谱参数的自动测量处理中。     

LAMOST-DR1中激变变星光谱的数据挖掘研究

LAMOST-DR1是郭守敬望远镜正式巡天发布的首批数据,其数量超过目前世界上所有已知恒星巡天项目的光谱总数。这为进一步扩大特殊和稀少天体如激变变星的数量提供了样本,同时也对天文数据处理方法和技术提出了更高的要求。针对LAMOST的数据特点,提出一种能够在海量天体光谱中自动、快速发现激变变星的方法。该方法使用拉普拉斯特征映射对天体光谱进行降维和重构。结果表明不同类别的天体光谱在拉普拉斯空间中能够得到较明显的区分。在使用粒子群算法对神经网络的参数进行优化后,对LAMOST-DR1的全部数据进行了自动识别。实验共发现了7个激变变星,经过证认,其中2个是矮新星,2个是类新星,1个是高度极化的武仙座AM型。这些光谱,补充了现有的激变变星光谱库。本文验证了拉普拉斯特征映射对天体光谱进行特征提取的有效性,为高维光谱进行降维提供了另一途径。在郭守敬望远镜正式发布的数据中寻找激变变星的首次尝试,实验结果表明该自动化的方法鲁棒性好,速度快,准确率高。该方法也可用于其他大型巡天望远镜的海量光谱处理。     

LAMOST高分辨率光谱仪研制

为了充分利用LAMOST望远镜,实现对银河系不同星族的分布与整体性研究,以及极端贫金属星元素丰度测定等科学目标,研制了LAMOST高分辨率光谱仪,光谱分辨率R≥30 000,光谱覆盖范围380～740 nm。在充分考虑台址因素与现有条件后,采用中继倍率0. 7倍的准白瞳设计方案,使用大芯径光纤、拼接大光栅、棱栅组合式横向色散器、缝前像切分器等措施来满足性能要求。进行了效率估算与杂散光分析,光谱仪本体效率峰值大于30%,杂散光照度占CCD总照度的2. 55%,信噪比为16. 01 d B。试运行阶段实测了太阳光谱,温度稳定性达到±0. 03℃,光谱仪效率峰值约为33. 5%,满足稳定、高效的运行要求。     

核回归方法在恒星光谱物理参量自动估计中的应用

恒星大气物理参量(有效温度、表面重力、化学丰度)是导致恒星光谱差异的主要因素。恒星大气物理参量的自动测量是LAMOST等大规模巡天望远镜所产生的海量天体光谱数据自动处理中一个重要研究内容。文章采用两种非线性核回归方法对低分辨率恒星光谱进行3个物理参量的自动估计：核最小二乘回归(KLSR),核PCA回归(KPCR)。实验表明：(1)KLSR与KPCR可以实现光谱到表面有效温度和表面重力的回归,但是KLSR对噪声敏感,KPCR鲁棒性好于前者;(2)对于温度参数估计,两种算法具有相近的估计效果;对于表面重力和化学丰度估计,KPCR优于KLSR和非参数回归方法;(3)KLSR与KPCR方法实现容易,模型的训练速度快,运算复杂度小,适用于恒星光谱物理参量的自动测量。     

基于谱线检测的发射线星自动识别方法

针对我国即将建成的大型巡天项目(LAMOST),给出了一种基于谱线检测的发射线星自动识别方法.主要步骤:1)通过获取谱线特征匹配值进行恒星谱线整体估计;2)利用提取出的恒星谱线特征检测恒星的巴耳末(Balmer)线;3)对获取的特征匹配值采用阈值法,并结合恒星Balmer线的检测结果,进行发射线里判别.通过对SDSS DR4所有光谱进行识别,共获得了242条具有恒星发射线的特殊天体.根据星表查询结果,这些天体包括发射线星、激变变星和一些未知特殊天体等.大量真实光谱数据实验表明,本文方法可有效识别发射线星.     

Transmission of two-dimensional images by wavelength multiplexing

Wavelength multiplexing is a method for encoding spatial information into spectral information. Previously, each point of a one-dimensional image corresponds to a specific wavelength. All wavelengths together can be transmitted in scrambled fashion through a single light fiber. Decoding into the original image is achieved by sending the transmitted light through a spectroscope. This process again displays the various wavelengths at various positions along a line. In this project, two-dimensional spatial information or grey tone images are encoded into a spectral distribution. After transmission through a light fiber this spectrum can be decoded into the original two-dimensional image. Four different encoding versions are presented, which use serial transmission parallel transmission, shifted light coupling or spatial pulse modulation.