一种基于交叉相关的类星体的红移测量方法

给出了一种新的类星体光谱的红移测量方法。首先,利用提取出的发射谱线信息确定一组红移候选;然后,按这些红移候选将静止模板光谱红移,计算所得光谱与目标光谱的相关值;最后,确定最大相关值对应的红移候选为目标光谱的红移。相对于已有的基于谱线匹配的方法,此方法的性能受谱线提取效果的影响较小。实验结果表明： 此方法的鲁棒性较好,性能优于基于谱线匹配的方法。     

基于卷积型小波包变换的谱线自动提取方法

天体光谱中的谱线包含重要的天体物理信息。文章提出一种基于卷积型小波包变换的谱线自动提取方法。该方法由以下主要步骤组成：(1)将观测光谱进行4层卷积型小波包变换;(2)对第四层小波包系数,采用区域相关算法以及阈值处理方法进行噪声处理;(3)选择中高频小波包系数进行谱线特征重构;(4)根据重构后的谱线特征,利用谱线搜索方法,在观测光谱中提取谱线。作者在实验中用恒星、正常星系和活动星系光谱进行谱线提取测试,结果表明该方法具有对噪声鲁棒和谱线提取准确等特点。用该方法提取sloan digital sky survey(SDSS)光谱中的谱线后,计算了红移并与SDSS给出的红移进行了对比,实验结果间接验证了该方法提取谱线的有效性。     

一种新的活动星系光谱红移自动测量方法

星系红移的自动测量对进行大样本天文学研究如宇宙学大尺度结构研究具有重要意义。星系一般分为正常星系和活动星系两种,活动星系光谱一般具有较明显的发射线特征。文章提出了一种不用精确提取谱线而快速测量活动星系光谱红移的方法。该方法包括步骤：(1)对待测光谱进行去噪;(2)利用小波变换提取低频成分光谱,并用去噪后光谱减去低频谱得到残差谱;(3)计算残差谱的均方差,并保留大于阈值的波长集合(4)根据标准谱线表计算所有候选红移;(5)利用Parzen窗估计方法计算红移密度最大点,并在邻域内求均值确定最终红移。对模拟数据和SDSS DR7部分实测数据的测试表明,该方法是鲁棒的并且具有较高的红移测量正确率。     

基于神经网络的模板匹配方法求正常星系红移

星系通常分为正常星系(NG)与活动星系(AG)两类。文章提出了一种自动获取NG红移的快速有效方法: (1) 由NG模板根据红移范围Ⅰ: 0.0～0.3与Ⅱ: 0.3～0.5模拟得到两类星系样本, 进行PCA变换获得样本特征向量; (2) 利用概率神经网络设计两类样本特征向量的Bayes分类器; (3) 对于实际NG光谱数据, 利用Bayes分类器进行分类确定其红移的范围, 然后在此范围内进行模板匹配得到红移的准确值。与在整个红移范围内的模板匹配方法相比, 此方法不但节省了50%的模板匹配运算量, 而且还大大提高了红移值测量的精度。文章研究结果对于大型光谱巡天所产生的海量数据的自动处理具有重要意义。     

基于多分辨率融合距离的低质量星系光谱红移测量方法

星系光谱红移测量是大规模天体光谱巡天项目中的一个重要研究内容,其目的是从在光谱中测量出对应星系由于多普勒效应引起的红移。随着银河系外巡天项目的开展,观测目标距离(红移)越来越远,其星等越来越暗,光谱的质量也随之越来越差,如何能够有效准确地从这些低质量的光谱测量出红移是河外巡天面临的一个重要问题。基于此问题,充分考虑到低质量星系光谱的特点及数据特征,新定义了一种针对低质量巡天光谱数据的多分辨率融合距离,以此为基础提出一种针对低质量星系光谱的红移测量方法。该方法充分结合不同分辨率下光谱的特征,计算距离时首先将模板光谱和待测光谱同时降到多个相同分辨率下,该分辨率下所有波长采样点都计算一个偏差进而得到一个距离,然后将多个分辨率下得到的距离通过加权得到一个融合距离。基于多分辨率融合距离提出的星系红移测量方法,能够有效的解决低质量星系光谱的红移无法准确测量的问题。研究了不同信噪比下红移测量的精度,在信噪比大于5之后,该方法测量准确率可以达到90%以上。大量实验表明,提出的方法在星系光谱质量较低的情况可以非常准确地从中测量出红移,测量误差和红移大小无关,可以很好地应用于大规模巡天数据的星系光谱红移测量中。     

基于分形编码的天体光谱降噪方法

为了降低噪声影响,恢复光谱的连续谱和谱线等主要特征,以便准确测量谱线的等值宽度,文章根据天体光谱自身具有局部自相似性,而随机白噪声不具有自相似性,首次将分形方法应用于天体光谱降噪.实验表明,分形降噪方法对于准确测量谱线的等值宽度、星系红移等参数是有效的,此外,还可以实现数据压缩.分形方法适用于海量光谱的降噪和数据存储.     

LAMOST星系光谱的红移自动测量

自动测量LAMOST望远镜所产生的大量星系光谱红移,是LAMOST望远镜数据处理的关键。PCAZ的红移自动测量方法,只适用于红移值较小(一般情况不超过z＜0.2)的情况,其原因是受到所应用构建正交模板的光谱模板范围的限制。文章突破了这一限制,针对LAMOST将产生的光谱的特点,作者改进了这套方法。应用该方法到具体的观测数据中,得到了准确率超过90%的红移值。该方法的红移测量极限依赖于模板的波长范围和待测光谱蓝端的信噪比,按照LAMOST的初步设计,对z＜0.8红移,可进行准确测量。经过测量, 得出结论：(1)该方法适用于LAMOST的星系红移测量;(2)为实现巡天红移的测量,需要构造完备的不同星系的光谱模版(UV-IR);(3)蓝端信噪比大小影响对大红移的测量。     

一种重复观测低信噪比光谱的处理方法

目前我国LAMOST光谱巡天已发布超过760万条的天体光谱,对其中大量的低信噪比光谱的处理一直是业内公认的难题。针对天体光谱中重复观测的光谱,提出了一种新的处理方法。该方法的主要内容为：对每一组重复观测光谱,选择其红移值的差距在一定范围内的组别,然后使用一种基于信噪比加权的最优叠加方法来提高光谱的信噪比。通过对LAMOST DR4中所有重复观测光谱进行处理,证明该方法对于提高低信噪比重复观测光谱的信噪比十分有效。使7 571组恒星光谱的信噪比达到参数测量的标准,3 357组类星体和星系光谱的信噪比得到提高,平均提高率为56.38%;并且获得了43 021个双星候选体。     

一种基于PCA和Hough变换的类星体自动识别方法

确定类星体的红移是类星体识别的一个重要目标。由于过去类星体发射谱的静止发射谱模板主要靠天文学家的先验知识得到 ,因此采用模板匹配的方法效果一般不太理想。本文的主要工作有以下二个方面 :(1 )选用了主分量分析方法构造类星体静止发射谱的模板 ,这样 ,模板来源于实际光谱 ,而不是依赖于天文学家的推断 ,因此更加接近实际情况 ;(2 )用二维Hough变换来自动确定红移值。尽管理论上来说 ,只有一个红移参数需要确定 ,但观测发现 ,在大多数情况下发射峰的强度同时发生了变化 ,故在Hough变换中加入强度比例因子作为另一个参数 ,这样可有效提高正确识别率。实验证明 ,本文所提出的方法是可行的 ,正确识别率可达 90 %左右。     

用于红移测量的基于密度估计的模板匹配法

文章给出了一种基于密度估计的模板匹配法来确定红移,将确定红移问题转化为寻找密度最大点问题。该方法首先利用基于均值漂移的谱线自动提取方法提取出特征谱线;再根据提取出的特征波长序列与模板的谱线表,由红移公式构造出一个数据集Z;最后,寻找数据集中的密度最大点,对密度最大点的ε-邻域中的点进行平均得到红移值。该方法利用了特征波长和谱线类型信息,可以处理各种类型的天体。在构造数据集时忽略谱线类型不匹配及特征波长明显不匹配的情况,这就去除了很大的干扰并且加快了运行速度。试验结果表明：该方法的稳定性较好,正确率也较高。     

基于二元PCA特征谱的星系光谱成分快速扣除

实际观测天体目标光谱如超新星和活动星系核光谱常常混有寄主星系成分,这对目标天体光谱的类别和性质证认识别会造成困难。文章提出了一种快速有效的称为二元PCA特征谱分解的星系扣除算法。该算法首先计算了星系样本模板库和超新星样本模板库各自的PCA特征光谱,然后对特征光谱组通过正交变换得到混合空间的一组标准正交基,进而利用混合光谱在该标准正交基上的分解系数计算该光谱在原特征光谱组的分解系数,获得星系超新星混合光谱的快速分解,系数计算也可通过SVD矩阵分解得到,但计算效率较低。实验表明,该方法优于常用的直接PCA投影重构分解方法,与另一种χ2模板拟合方法扣除星系成分相比,在保持分解效果基本不变的前提下,时间消耗则大大降低,从而使该方法可应用到大规模光谱数据处理中。     

A method of searching for supernova candidates from massive galaxy spectra

This paper presents a novel spectroscopic method for searching for supernova candidates from massive galaxy spectra,which is expected to be applied to the Large Sky Area Multi-Object Fiber Spectroscopic Telescope (LAMOST).This method includes mainly five steps.The first step is spectral preprocessing,including removing spectral noise using wavelet transform,spectral de-redshift,etc.The second step is decomposition of galactic spectra;we can get the galaxy component and supernova component and calculate the Supernova Statistical Characterization Vector (SNSCV) of each galaxy spectrum.The third step is to decrease samples in all the galaxy spectral datasets according to SNSCV of each spectrum,and to use the LOF (Local Outlier Factor)-based outlier detection algorithm to obtain the preliminary selected spectral data.The fourth step is template matching by cross-correlation,according to the matched results we get the secondary selected spectral data.Finally,we choose the final supernova candidates manually through checking the spectral features characteristic of a supernova.By the spectroscopic method proposed in this paper,thirty-six supernova candidates have been detected in a dataset including 294843 galaxy spectra from the Sloan Digital Sky Survey Data Release 7.Nine of these objects are detected first and the other twenty-seven have been reported in other publications (fifteen of which are detected and reported first by us).The twenty-four new super-nova candidates include twenty Ia type supernova candidates,three Ic type supernova candidates and one II type supernova candidate.     

基于Bayes决策的光谱分类

天文观测技术的迅速发展推动了大规模的星系光谱巡天计划如SDSS、LAMOST等,面对这些巡天项目所观测到的海量光谱数据, 研究自动的光谱分析方法已成为必然的选择。研究了基于Bayes决策的光谱分类方法,将光谱分为恒星,星系和类星体三类。首先采用主分量分析来进行特征提取,将光谱投影到由三个主分量构成的特征空间中; 然后,采用非参数密度估计Parzen窗法来估计类条件概率密度函数; 最后利用基于最小错误率的Bayes决策进行分类。在Parzen窗法中,核宽很大程度上影响着估计效果,从而影响着分类效果。通过详尽的实验分析了核宽和分类效果的关系,发现当核宽接近某个阈值时,识别率将会增加,但小于这个阈值时,识别率反而下降。     

基于光谱相似度的恒星大气参数自动测量方法

采用模板匹配方法进行恒星光谱的自动处理时,不需要计算光谱的线指数,而采取对全谱匹配的方法尽可能多的保存有用的信息,可得到比较理想的结果。提出一种基于光谱相似度的恒星大气参数自动测量的方法。首先对恒星光谱进行连续谱归一化,然后通过计算待测光谱和模板光谱之间的相似性来进行模板匹配,从而得到相对准确的恒星大气参数。通过ELODIE实测光谱数据和NGS理论模板库之间的实验表明,本方法可有效进行恒星大气参数的自动测量,并能得到理想的结果。     

星系光谱的400.0 nm跳变点的自动测量技术

本文给出星系光谱中的400.0nm跳变点位置和跳变值的自动测量方法,利用小波变换和离散卷积等技术,避免了对每条光谱进行繁琐的测量,可以作为星系光谱研究的预处理步骤。