曲线距离法的二维光纤光谱弯曲校正

多目标光纤光谱望远镜可以在一次观测中获得大量的不同天体的光谱数据。从天体探测到的光在通过光纤之后,再通过光谱仪狭缝,然后在CCD传感器中成像为二维光谱图;之后经过光纤光谱数据处理系统的一系列软件处理,最终输出可供天文界使用的一维光谱并存储起来。一维光谱是天文学家研究目标天体的主要手段,它是通过处理二维光谱图得到的。以LAMOST为例,望远镜系统在一次观测后首先会得到32幅由250条光纤光谱组成的二维光谱,然后经过一系列的处理得到一维光谱。在这个过程中,会有很多因素影响到最终一维光谱的精确度。比如由于望远镜使用时间的增加,某些元件会产生磨损、老化或变形,使得二维光谱中光纤形状会产生一定程度的弯曲,这种弯曲在二维光谱的两侧表现得尤为明显。在一幅常见的二维光谱中,纵坐标方向代表了抽取的一维光谱的波长方向,横坐标方向代表了抽取的一维光谱的流量方向,这种弯曲形变的产生会影响到之后的波长定标和流量定标,使得抽取的一维谱信息不准确。目前初步的解决办法是通过与定标灯谱的比对来尽量减少其影响。但这样不仅造成了时间和人力的浪费,而且准确率和效率不高。就这一现状,提出了一种基于曲线距离法的思想,将弯曲的二维谱线校直：首先采用灰度重心法将一幅二维光谱中的250条光纤中心轨迹进行定位,将异常点采用稳健的局部回归方法剔除;然后将中心轨迹进行曲线拟合,得到光纤中心轨迹的方程;通过模仿曲线变弯的逆过程,即保持轨迹上两点间的曲线距离不变,再将弯曲的光谱映射到竖直的法线上,完成校直过程。在整个过程中保持各个对应点的灰度值不变,通过边缘处理和插值运算解决产生的像素点稀疏问题。最后采用累加法进行一维谱抽取,并将校直后抽取的一维光谱与未校直抽取的一维光谱进行比对,比对后可发现校直前后在一维光谱的两端差别较大,其差值谱线也说明了这一点。该方法实现了二维光谱的自动校直,大大提高了抽取一维谱的效率和准确性。二维光谱的预处理和校直方法首先在LAMOST数据上进行验证,鉴于多目标光纤光谱望远镜系统原理的相似性,该处理方法也适用于其他的多目标光纤光谱望远镜系统,具有较好的参考和应用价值。     

一种基于遗传优化的BP神经网络的测光红移估计算法

除了星系的光谱红移之外,星系测光红移的估计也对研究宇宙大尺度结构及演变有着重要的研究意义。利用斯隆巡天项目最新发布的SDSS DR13的150 000个星系的测光及光谱数据,在红移值Z<0.8范围内,先使用SOM自组织神经网络对星系样本进行早型星系和晚型星系的聚类,然后用遗传算法优化后的BP神经网络对星系的测光红移进行估算。估算结果与作为标准的已知星系光谱红移进行比对,早型星系的红移估计最小均方误差约为0.001 3,晚型星系最小均方误差约为0.001 7。实验结果表明,遗传优化的BP算法在精度上优于BP神经网络算法,且效率上优于K近邻、核回归等传统测光红移估计算法。     

荷载横向变位下变截面连续箱梁剪滞分析的有限梁段法

为研究荷载横向作用位置变化对箱梁剪滞效应的影响,对箱梁顶、底板、悬臂板分别设置了不同的剪滞纵向位移差函数;假定纵向翘曲位移沿横向分布为k次抛物线,并考虑剪滞和剪切双重效应的影响,通过能量变分法推导出了荷载横向变位时梁段单元的平衡控制微分方程组及其闭合解;提出了能对工程中常见的变截面连续箱梁剪滞效应进行分析的有限梁段法。该方法计算结果与有限元模型、已有模型试验结果的最大误差在5.95%~9.74%之间,两种工况下计算结果的叠加与有限元结果相对误差在0.07%~19.18%之间,均吻合良好,说明将基于有限梁段法的剪滞效应变分解和叠加原理用于求解复杂力状态下的剪滞效应是可行的。剪滞翘曲位移横向分布函数精度选择的研究结果表明:均布荷载分别作用于腹板顶部、顶板中心时,翘曲位移横向分布函数宜分别选用三次、二次抛物线。     

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。     

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。     

基于粒子群优化算法的测光红移回归预测

星系的红移在天文研究中极其重要,星系测光红移的预测对研究宇宙大尺度结构及演变有着重要的研究意义。利用斯隆巡天项目发布的SDSS DR13的150 000个星系的测光及光谱数据进行分析,首先根据颜色特征并基于聚类的方法对星系进行分类,由分类结果可知早型星系的占比较大。对比了三种不同的机器学习算法对早型星系进行测光红移回归预测实验,并找出最优的方法。实验中将星系样本中u, g, r, i, z五个波段的测光值以及两两做差得到的10个颜色特征作为输入数据,首先构建BP网络,使用BP算法对星系的测光红移进行回归预测;然后利用遗传算法（GA）优化BP网络各层参数,将优化后的GA-BP算法应用于早型星系的回归预测试验中。考虑到GA算法的复杂操作会影响预测效率,并且粒子群算法（PSO）不仅稳定性高且操作简单,因此将粒子群算法应用到星系样本中早型星系的测光红移回归预测实验中,进而采用粒子群算法优化BP网络（PSO-BP）。实验中将光谱红移作为期望值,采用均方差（MSE）作为误差分析指标来评判三种算法的精度,将PSO-BP回归预测结果与BP网络模型、GA-BP网络模型进行比较。由实验结果可知,BP网络的MSE值为0.001 92,GA-BP网络的MSE值0.001 728,PSO-BP网络的MSE值为0.001 708。实验结果表明,所用到的PSO-BP优化模型在精度上优于BP神经网络模型和GA-BP神经网络模型,分别提高了11.1%和1.2%;在效率上优于传统的K近邻（KNN）测光红移估计算法, 克服了KNN算法中遍历所有数据样本进行训练的缺点并且其泛化性能优于其它BP网络优化模型。