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。     

正常星系光谱的一种谱线自动提取方法

正常星系的光谱是天体光谱谱线自动提取中最难处理的一种。文章针对正常星系光谱给出了一种新的谱线自动提取方法。首先,定义了两条光谱间的Max操作,Max操作的结果是生成了一条光谱,该光谱在每个波长处的强度取为在相应波长处强度较大的那一个光谱的强度;然后,通过迭代处理拟合连续谱,在每一步迭代中,先对原始光谱和前一步拟合出的连续谱进行Max操作,再对Max操作生成的光谱进行传统的连续谱拟合;最后,联合采用整体阈值处理和自适应的局部阈值处理提取谱线。实验结果表明：该方法的性能较之传统的小波方法有显著提高,这将对后续的基于谱线的光谱分类和参数测量非常有利。     

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。     

近红外光谱分析技术的一些数据处理方法的讨论

介绍了近红外光谱分析的技术原理,常用的几种建模方法以及各自的特点。同时,阐述了光谱的预处理,其中的小波变换方法是一种新的数学工具,有着广泛的应用前景。     

室外高光谱BRDF自动测量系统的设计

室外BRDF(Bidirectional reflectance distribution function)测量随着遥感的发展越来越重要。室外测量要求测量周期短、测量点多、光谱分辨率高。为了满足这一要求,设计了室外高光谱BRDF自动测量系统。系统主要由自动测量架和光谱仪器组成。测量架半径为2m,主要由天顶弧轨道、方位圆轨道、伺服电机、PLC组成。光谱仪器包括一台亮度计和一台照度计,亮度计测量反射亮度,被固定在测量架小车平台上,照度计测量入射照度。两台光谱仪器采用相同的平场凹面光栅分光、线阵列探测器探测。光谱测量范围为400~2500nm,光谱分辨率为3.5nm(400~1000nm)、12nm(1000~2500nm)。系统在工控机的控制下完成自动测量。在自动默认状态下测量周期大约为10min。     

光声光谱技术在测量光谱响应特性方面的应用

用光声光谱技术测量光电探测器的相对光谱响应特性,以高灵敏度的光声池(池内装有吸收系数约为1的碳黑)作为参考探测器,具有较好的波长无选择性。用碳黑监测光源功率,减少光源功率起伏误差。采用二次测量归一化方法避免了分束器的影响。实验测得了比较准确的相对光谱响应特性曲线,为研究光电探测器的特性提供了一种可行的方法。     

基于小波变换的藻类显微光谱成像分类技术

通过显微成像光谱技术对淡水藻类进行成像光谱的测量,并试图同时从形貌和化学成分两个方面给出藻类识别的综合方法。首先利用显微图像技术对单个藻种进行观察测量,进行形貌学分类,再通过成像光谱仪获得藻类的吸收光谱立方体,然后利用小波变换对光谱进行处理,得到区分形貌相近的不同藻类的光谱特征参数,在化学成分上将其区分。本方法对准确进行藻类识别具有重要的指导意义。     

基于点、面光谱技术的生鱼片品质检测

鱼生作是消费者钟爱的菜式之一,其品质主要受蛋白质、脂肪、含水率指标影响。传统品质检测操作繁琐、检测时间长、专业要求高,无法满足产业品质快速监管需求。因此,以草鱼生鱼片为研究对象,用点光谱(光纤光谱)、面光谱(高光谱成像)技术作为研究手段进行对比,探究一种快速、高效的生鱼片蛋白质、脂肪、含水率检测方法。研究发现：点光谱技术在鱼生鱼片品质无损检测上比面光谱技术更优,其光谱数据经卷积平滑法(SG)+标准正态变量变换(SNV)+竞争性自适应加权算法(CARS)+偏最小二乘(PLSR)建模后,蛋白质的指标训练集决定系数(R²)为0.995 7,均方根误差(RMSE)为0.000 6,验证集决定系数(R²)为0.941 9,均方根误差(RMSE)为0.002 4;脂肪指标训练集R²为0.999 3, RMSE为0.000 6,验证集R²为0.997 6, RMSE为0.001 7;含水率训练集R²为0.999 2, RMSE为0.001 7,验证集R²为0.094 1...     

结合小波分析法与导数光声光谱技术测量弱光谱信号的实验研究

结合导数光声光谱技术与小波分析方法,精确测量了光声光谱中的弱光谱信号.首先利用自己设计的仪器装置实现光声光谱的一阶导数,在此基础上,根据导数光声光谱的数据选择合理的分析小波,将光声光谱信号分解为不同频率信号的叠加,被分解的信号满足线性性质且原信号的峰值信息保持不变,由频率的差异可区分出光声信号和噪声信号,从而提取出光声光谱中的弱光谱信号.结合物理方法与软件方法的分析结果,准确地测量了氙灯的输出光声光谱中3个不明显的弱峰值,位置分别为699.7nm、753.4nm和776.5nm.该方法可以更准确地提取出光声光谱的峰值信息,有效地提高了光声光谱的测量精度,为光声光谱分析法在生物医学及化学分析中的应用提供了一种更精确的分析方法.     

星系哈勃红移的非多普勒效应解释

分析了多普勒效应在解释星系哈勃红移现象时,星系际光传播过程存在的能量不守恒和宇宙膨胀时空不平权两大问题;提出了＂时空物质属性＂的3个基本假设;最后阐述了星系哈勃红移的非多普勒效应解释。     

基于谱线特征匹配的恒星光谱自动识别方法

我国正在实施的大型巡天项目(LAMOST项目),急需恒星光谱的自动识别系统。文章给出了一种基于谱线特征匹配的恒星光谱自动识别方法。该方法由以下主要步骤组成：(1) 利用小波变换的方法对观测光谱进行谱线特征提取;(2) 将提取出的特征和恒星谱线的特征模板进行相关匹配;(3) 根据相关匹配结果进行恒星光谱识别。通过对Sloan Digital Sky Survey (SDSS),Data Release Four (DR4)中的大量真实光谱数据实验表明,该方法具有对噪声鲁棒等特点,正确识别率高达96.7%。该方法可对相对定标的巡天光谱进行自动识别,符合LAMOST数据的要求,可为天文学家进行恒星和银河系的结构等研究提供帮助。     

一维核磁共振谱数据的小波变换压缩

本成功地将小波变换的多尺寸信号分解（ＭＲＳＤ）方法用于一维核磁共振（ＮＭＲ）信号的数据压缩。将一幅由３２７６８个数据点构成的ＮＭＲ谱图压缩至５１２个数据点,仍能在均方差很小（２．７７６９×１０＾－４）的情况下很好地重建原始谱图。     

基于大黄的红外光谱的人工神经网络鉴别研究

将傅里叶变换红外光谱法和人工神经网络用于鉴别正品和非正品大黄样品。在对神经网络训练前用小波变换对测量的红外光谱进行压缩,将原700个数据点的光谱压缩到44个变量,因此加速了神经网络的训练速度。52个大黄样品被用于网络模型的建立,其中包括25个正品大黄和27个非正品大黄的样品。文章还对隐含层神经元数目和动量参数的影响做了考察。结果表明,在优化的条件下用该方法对大黄样品的鉴别正确率达到98％。这种方法可被用于含大黄中药生产的质量控制。     

应用化学计量学技术研究同时定量分析重叠光谱

在八种化学计量学除噪技术比较研究的基础上,研制了小波包变换Elman回归神经网络方法(WPERNN)用于研究重叠光谱的同时定量测定。结合小波包变换和Elman回归神经网络改进除噪质量及回归能力。通过最佳化,选择了小波函数、小波包分解水平和Elman回归神经网络(ERNN)的结构及参数。两个程序PWPERNN和PERNN被设计执行WPERNN和ERNN方法计算。七种化学计量学方法用于比较研究。实验结果显示WPERNN方法是成功的且优于其他六种方法。     

一种基于小波变换的晚型星自动识别方法

我国正在执行的大型巡天计划(LAMOST计划),急需晚型星的自动识别系统。然而,在文献中尚未见到关于对晚型星有效自动处理方法的报道。文章旨在探索研究对晚型星自动处理的有效方法。在文章中,晚型星主要是指具有较强分子吸收带的恒星,主要包括富氧的M, L和T型星以及富碳的C星。通过研究我们发现： 对晚型星光谱进行5层小波变换后,第5层小波系数的频谱具有单峰分布的特性,其能量主要集中在以单峰为中心的特征区间内;对于其他类型的光谱,相应的频谱具有多峰分布的特点,其频谱能量比较分散,它们在晚型星特征区间内的频谱能量非常有限。基于上述发现,给出了一种基于小波变换的晚型星自动识别方法。实验表明该方法是切实可行的并且具有相当好的鲁棒性。     

小波包熵的复杂体系近红外光谱信息提取

有用信息提取是复杂体系近红外检测的重点和难点之一。由于复杂体系光谱中存在各种噪声、基线漂移、谱带重叠及复杂背景的干扰,常规方法不能准确地从光谱中获得有用信息。为此,将小波包变换(DWPT)和信息熵理论相结合--小波包熵(EWPIE)提取复杂体系光谱中的有用信息。思路是采用小波包变换对光谱信号进行多频带分解,根据有用信号与噪声的频带分布特点,基于信息熵理论滤除干扰的频率分量,采用正交校正法(OSC)剔除与被测组分无关的信息,然后对处理后的频率分量进行重构,从而实现复杂体系有用信息的准确提取。通过对复杂体系光谱数据建立多元校正模型来验证该方法的效果。采用牛奶的近红外光谱数据,以牛奶中脂肪和蛋白质浓度为研究对象,建立了偏最小二乘法(PLS)模型。结果显示,牛奶中脂肪和蛋白质的预测均方根误差(RMSEP)分别为0.132%和0.121%,与单纯的DWPT和OSC相比,EWPIE能够有效地提取有用信息,避免了无用信息的干扰,明显提高了模型的预测精度,对复杂体系的准确检测具有一定的理论意义和实际应用价值。