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。     

强杂波背景红外弱小目标检测算法

针对强杂波背景远距离红外弱小信号目标的特点,提出了一种基于自适应滤波的红外弱小信号检测方法。算法首先对图像进行消噪声处理,其次运用自适应滤波方式消除背景增强目标信号,最后进行基于点源目标(试验采集)成像信号特性的判决法则删除虚假目标,算法有效解决了光电探测设备高检测概率与低虚警率的矛盾。实验结果表明:该方法能够在单帧图像上有效提取出小区域信噪比为4的弱小信号目标,检测概率不低于0.75,虚警率不高于1次/100帧。     

恒星巡天光谱中天光残留成分的自动识别与检测

天光作为一种主要的噪声,叠加在目标天体光谱之中,降低了光谱的信噪比。经过减天光处理后,若光谱中仍含有大量强度高的天光残差将不利于对目标光谱的后续分析。自动识别减天光异常恒星光谱的研究较少,目前只能通过人工检测的方法去寻找减天光异常的光谱,效率较低。首先对影响减天光结果的因素进行分析,找出减天光异常光谱的特征,然后提出一种简单有效的方法能够自动识别LAMOST巡天经过Pipeline处理之后仍然存在减天光异常的恒星光谱并检测其位置。该方法先对光谱进行归一化处理,然后通过检测天光线附近是否有一定强度的类似发射线或吸收线的残留来判定该天光线位置是否出现减天光异常,最后得出光谱中所有的减天光异常的天光位置。通过对LAMOST光谱数据的实验表明,这种方法可以有效识别出减天光异常的光谱和发现不同残留强度的天光线异常位置,并且该方法简单易懂,识别效率高,可以应用于大量的减天光异常光谱的识别与检测问题。     

基于噪声模型变换的子光斑质心提取方法

受天光背景、大气湍流强度、信标光回光特性和探测器噪声等因素影响,夏克-哈特曼波前传感器子孔径光斑常存在强度分布不均匀和低信噪比的情况,故子孔径内光斑质心定位不准且波前探测精度下降。提出了一种基于噪声模型变换的子孔径光斑质心提取方法,采用方差稳定变换（VST）将探测引入的泊松-高斯噪声转换为高斯噪声,进一步基于残差反馈优化BM3D策略实现低信噪比子孔径图像的高效去噪。结果显示：所提方法可有效提取低信噪比夏克-哈特曼波前传感器光斑阵列图像中的光斑信号数据,提高了子孔径光斑的质心定位精度和稳定性;相比于传统自适应阈值法等方法,所提方法在子光斑图像峰值信噪比低于6时,可以提升波前复原精度2倍以上。     

强激光干扰下运动目标热损伤效应的有限元研究

为对空中飞行目标实施合理有效的强激光干扰,需要综合考虑采用的干扰方式、干扰效果以及考虑光斑偏移对干扰效果的影响。以热传导理论为基础,建立了激光辐照下移动目标温度场模型,采用伽辽金法建立了有限元分析模型,采用了等效比热容的方法处理材料的相变过程;并以Ansys软件为仿真平台,对目标在高斯分布的强激光作用下的温度场和热应力进行了综合仿真分析。结果表明,光斑与目标辐照区域的相对偏移对目标表面温度影响较大,对目标纵深破坏效应相对较小,应力变化主要发生在激光辐照区域,应力最大处也会随热源的移动而变化。     

用于白天自适应光学的波前探测方法分析

提出了两种视场偏移哈特曼波前传感器，用于探测白天条件下强背景中目标信号的波前信息.给出了哈特曼波前传感器子孔径中焦面上天光背景非均匀性分布特征的实验结果，详细分析了基于分光棱镜的双焦面视场偏移哈特曼波前传感器的探测误差，并通过基于倾斜镜的单焦面视场偏移哈特曼波前传感器实验给出了波前测量的结果，证明视场偏移哈特曼波前传感器能够精确、稳定的测量白天条件下目标信号的畸变波前信息，同时给出了其在白天条件下探测能力的估算结果及其受限因素，估算结果表明云南天文台的自适应光学系统在10 W/m²·sr天光背景条件下应用视场偏移哈特曼波前传感器能对5等星(可视星等值)目标进行准确的波前探测. 关键词： 自适应光学 波前传感器 白天工作 误差分析     

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。     

LAMOST类星体[OIII]线附近天光背景扣除

扣除天光背景的好坏是影响谱线信噪比很重要的因素,同时由于天光光纤数量有限以及光谱仪漂移等多方面因素的影响导致减天光是光纤光谱数据处理中公认的难点。目前已有的减天光方法主要是针对全谱的天光成分扣除,没有关注在特殊谱线位置上的局部天光情况,尤其是低红移类星体非常重要的[OIII]线附近的天光背景。探索了一种局部精细的天光背景扣除方法,解决了类星体中Hβ-[OIII]的宽线经常受到减天光精度干扰的问题。利用LAMOST减天光前的原始流量以及相对流量改正数据,根据同一观测天区的超级天光光谱对背景进行扣除。实验结果表明,在不同红移类星体中,该方法减天光后Hβ-[OIII]区间的光谱质量相对于原始LAMOST光谱批处理程序都有了明显的提高,这更有利于后续的谱线分析,同时为少部分LAMOST光谱批处理程序没处理好的特殊光谱提供了补充的解决方法。该方法目前已应用于搜寻双峰活动星系核候选体的预处理中。     

基于光学相干和微弱信号检测的干涉探测技术

在前人工作的基础上,分析了干涉探测的基本工作原理;采用波动光学理论、平面波近似和非相干叠加等方法对干涉探测技术进行了理论分析和数学建模,并通过计算机仿真验证了该技术的可行性。通过与传统光电探测技术的比较发现,干涉探测技术更适用于在强天光背景下对暗弱目标的搜索。     

基于图像处理的起飞零时信号检测方法

针对靶场导弹零时信号检测的需要,讨论了现有检测方法的局限与不足,提出了利用高帧频摄像系统及图像处理技术进行导弹零时信号非接触检测的方法,即将特征区域的垂直投影变化作为目标垂直上升的位移变化,当位移超过一定阈值时给出零时信号。对实际情况中不同因素影响的图像进行了模拟实验,实验结果表明:该方法能够在距离目标300 m外有效地检测出1 cm的位移变化,处理时间在10 ms之内,能够实时可靠地给出零时信号。     

一种强噪声背景下微弱超声信号提取方法研究

为解决在强噪声背景下获取超声信号的难题,基于粒子群优化算法和稀疏分解理论提出一种强噪声背景下微弱超声信号提取方法.该方法将降噪问题转换为在无穷大参数集上对函数进行优化的问题,首先以稀疏分解理论和超声信号的结构特点为依据构建了粒子群优化算法运行所需要的目标函数及去噪后信号的重构函数,从而将粒子群优化算法和超声信号降噪联系在一起;然后根据粒子群优化算法可以在连续参数空间寻优的特点建立了用于匹配超声信号的连续超完备字典,并采用改进的自适应粒子群优化算法在该字典中对目标函数进行优化;最后根据对目标函数在字典上的优化结果确定最优原子,并利用最优原子按照重构函数重构出降噪后的超声信号.通过对仿真超声信号和实测超声信号的处理,结果表明本文提出的方法可以有效提取信噪比低至-4 dB的强噪声背景下的微弱超声信号,且和基于自适应阈值的小波方法相比本文方法表现出更好的降噪性能.     

空间瞬态光辐射信号定位系统电路设计与实现

研究并设计了基于光学定位法的空间瞬态光辐射信号定位系统.该系统与能量探测系统协调工作,在能量探测系统识别到目标信号后,经过定位探测、行列编码存储及DSP处理计算,最后输出闪光信号光斑的重心坐标.介绍了系统组成及各部分电路的实现方法,并给出测试结果.实验表明,系统定位准确、设计方案可行.     

基于图像区域Lyapunov指数的海面舰船目标检测

为了检测海面背景中的舰船目标,分析了目标存在时背景信号混沌特征的变化,提出了一种基于图像区域Lyapunov指数的目标检测新方法. 新方法定义了图像灰度距离的概念,基于改进的Wolf方法将一维信号Lyapunov指数提取方法扩展到图像信号,利用图像区域最大灰度距离Lyapunov指数的变化检测淹没在混沌背景信号中的目标信号. 实验结果表明海面背景图像信号具有一定的混沌特征,利用新方法能有效检测出海面背景下的舰船目标,检测结果优于基于统计分析的方法. 关键词： Lyapunov指数 灰度距离 混沌特征 目标检测     

水下激光探测系统的水体后向散射光计算与光学参数估计

针对水下激光探测系统的水体后向散射光的计算,给出了系统的光学几何结构,分析了不同距离处的激光光斑与接收视场区域的位置变化关系并进行了定量计算。依据光传输理论建立了水体后向散射光的计算模型,根据模型的算法步骤编写了计算机程序。结合水下激光探测系统的具体参数进行了实例计算,绘制了后向散射光信号波形,并与试验获取的信号波形对比分析,验证了算法的可行性和正确性。研究了使用实测后向散射光信号数据估计水体光学特性参数的方法,通过估算的参数重新绘制曲线并反向叠加在测量数据曲线上以抵消水体后向散射光对目标信号的影响从而能够提取目标信息。     

CCD摄像法采集激光光斑图像方法研究

为了测量大尺寸激光光斑图像,对CCD摄像法采集漫反射的激光光斑图像方法进行了研究。采用CCD摄像机捕获经漫反板反射的激光光斑图像,光斑图像进行去背景处理后,根据系统噪声特性对光斑图像进行提取,再利用透视投影原理对畸变的光斑图像进行了校正,最后根据人眼对彩色图像敏感的特性,利用灰度级一彩色变换法对光斑图像进行了伪彩色处理。结果表明,CCD漫反射法能够准确地测量大尺寸激光光斑图像。     

小波变换在二维图像背景处理中的应用

利用小波变换能结合空域和频域进行滤波的特点，对二维CCD信号进行滤波处理，得到了较好的结果。在二维单光斑图像处理中，通常待处理的图像是离散的二维数缈其中包含有信号和背景，由于已知图像的内容为单光斑，因此，可以通过窗口滤波的形式对图像变换的小波系数进行处理，实现滤除噪声，保留信号的功能。     

基于相关因子的无衍射光斑图像定中算法

为实现无衍射光斑作为直线基准在复杂噪声背景下精确定中, 提出了一种基于相关因子的无衍射光斑图像定中算法。该算法先根据光强重心理论计算光斑中心的大致位置, 再将光斑图像转换成极坐标系下的灰度图, 并生成角频率与光斑图像空间频率相同的离散周期正弦信号, 求解其相位角并对各径向上的相位信息作均方差评价, 计算出极坐标系下理想光斑中心与实际光斑中心的相关因子, 从而达到定中无衍射光斑中心的目的。在模拟噪声环境下, 对比该算法与其他常规算法, 其结果表明:该算法抗背景噪声干扰能力强、计算耗时短, 具有稳定的亚像素定中精度。     

飞秒激光光斑灰度与几何特征的相关性分析

飞秒激光烧蚀单晶硅的加工过程中,CCD相机采集的光斑图像中有效灰度区域与背景难以区分。为了解决这一问题,提出一种主成分分析与限制对比度自适应直方图均衡化相结合的方法,对光斑图像进行增强处理,再提出去趋势互相关分析法对光斑序列图像的灰度特征与几何特征进行长程相关性分析。结果表明,光斑序列图像的灰度特征与光斑纹理对比度、光斑面积具有较强的长程相关性,与纹理同质性表现出较强的反相关关系,可根据这3项与灰度特征较强的相关关系对后续微槽加工过程中的灰度特征进行预测。     

偏振滤波白天抑制天光背景作用分析

由于天文观测领域大部分自适应光学系统只能在夜晚工作,提出了采用偏振滤波技术抑制天光背景的办法以达到白天探测微弱星体目标的目的。介绍了偏振滤波的原理并估算了抑制天光背景的效果,通过观测角度关系得到了偏振方位角的计算公式,并在丽江观测站1.8m望远镜自适应光学系统平台上进行实验,给出了消像旋模型。实验结果表明,偏振滤波技术能有效抑制天光背景,提高星体目标探测能力,一定程度上提高了自适应光学系统在白天探测弱小星体目标的可能性。     

基于卷积神经网络与一致性预测器的稳健视觉跟踪

针对视频序列的稳健性目标跟踪问题,提出一种基于卷积神经网络(CNN)与一致性预测器(CP)的视觉跟踪算法。该算法通过构建一个双路输入CNN模型,同步提取帧采样区域和目标模板的高层特征,利用逻辑回归方法区分目标与背景区域;将CNN嵌入至CP框架,利用算法随机性检验评估分类结果的可靠性,在指定风险水平下,以域的形式输出分类结果;选择高可信度区域作为候选目标区域,优化时空域全局能量函数获得目标轨迹。实验结果表明,该算法能够适应目标遮挡、外观变化以及背景干扰等复杂情况,与当前多种跟踪算法相比具有更强的稳健性和准确性。