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。     

基于相似性度量的星系光谱红移估计

光谱的自动分析对大规模的光谱巡天有着非常重要的意义。文章提出了一种基于相似性度量的星系光谱红移测量方法。方法中采用主分量分析构造星系光谱的静止模板,利用谱线特征确定观测光谱的红移候选,然后根据红移候选进行观测光谱与模板光谱间的相似性度量,所采取的相似性度量策略类似于证据积累的思想,定义为几个相似证据的加权和,从而降低了观测光谱与模板光谱之间的误匹配,提高了红移估计的正确率。通过实验将所提出方法与基于谱线匹配的方法和传统的交叉相关方法进行了比较,实验结果表明：本文方法的正确率较之基于谱线匹配的方法和传统相关法有较大提高。     

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。     

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。     

一种基于非线性降维求正常星系红移的新方法

提出了一种确定正常星系红移的有效方法,该方法分为以下3个步骤:(1)利用四阶小波系数作为正常星系的特征表示,它能较好地反映吸收线、跳变点和吸收带的信息;(2)利用非线性降维方法LLE(locally linear embedding)将特征数据映射到三维空间中一维流形;(3)由一维流形上的红移分布数据,根据最近邻方法得到正常星系的红移值.实验表明,文中所给的方法较文献中通常使用的PCA方法对于红移的确定具有更高的精度.     

面向多光谱卫星成像的广义光谱超分辨率

针对多种多光谱卫星成像模式,对原始光谱超分辨率概念进行扩充,提出一种联合数据驱动与模型驱动的深度学习算法。模拟构建的多个数据集,讨论了不同多光谱成像模式下的光谱超分辨率之间的差异,验证了所构建算法的稳健性,提高了现有多光谱卫星影像利用率,对光谱超分辨率的更广泛情形进行了概括。     

恒星低质量光谱的连续谱拟合方法

恒星的连续谱是由于黑体辐射导致的光辐射强度随波长(频率)连续光滑变化的光谱。每条观测到的光谱数据中都会包含连续谱、谱线和噪声。恒星的分类主要是依据光谱的谱线、连续谱的相对强度以及光谱的其他特征。恒星连续谱的分布以及谱线的轮廓是由恒星大气内的物理因素决定的,也可以根据连续谱及谱线对恒星大气的物理参数进行估计。因而处理光谱的主要问题就是提取连续谱,并且通过归一化进行谱线的提取。恒星连续谱提取的算法主要有多项式逼近、中值滤波、形态滤波以及小波滤波等,但是这些方法对于低质量光谱处理的鲁棒性不是很好,因此有必要研究一种新的算法对低质量光谱的连续谱进行提取。在仔细分析恒星低质量连续谱的基础上,提出一种基于蒙特卡罗方法的低质量恒星连续谱拟合方法。该方法对恒星光谱筛选过程中不在范围内的点利用蒙特卡罗均匀分布进行自动插值,让每一个波长都对应一个流量点,然后对这些流量点进行低阶多项式迭代拟合,从而得到连续谱。为了验证算法对不同信噪比的低质量光谱连续谱提取的鲁棒性,利用不同的信噪比在原始光谱中加入不同的高斯白噪声对低质量光谱进行模拟。结果表明蒙特卡罗算法对不同信噪比的低质量光谱的拟合具有较高的精度与较强的鲁棒性。     

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。     

暗通道与交叉通道多先验联合多光谱超分辨率算法

针对多光谱遥感图像超分辨率重建易受噪声和色差影响的问题,提出了暗通道与交叉通道多先验联合的多光谱超分辨率算法。首先,在传统全变分先验的基础上,引入了暗通道先验与交叉通道先验。然后,基于最大后验概率估计理论,建立了多先验联合的多光谱超分辨率重建算法。所提算法可实现图像边缘信息恢复、图像纹理信息恢复、噪声抑制、阶梯效应抑制和色差抑制,进而综合提升了重建图像的质量。最后,开展了实验验证,结果表明,在不同信噪比(10～40 dB)和色差干扰下,相比已有算法,所提算法的重建效果显著提升。     

一种基于多分辨率分析的图像融合方法

图像融合通过综合各个图像的互补信息,合并成一个新图像来改善图像的视觉效果.利用拉普拉斯金字塔分解算法对图像进行多分辨率分析,对分解后的图像采用基于区域特征量测的方法进行融合.最后,通过实验证明该方法能够取得很好的融合效果,融合质量优于其他几种方法.     

一种快速求红移和证认谱线的新方法--伪三角法

对于河外天体，谱线证认和红移确定是光谱分析的第一步。本文在仔细分析天体光谱特点的基础上，提出了一种全新的求红移和证认谱线的新方法--伪三角法。该方法利用最强的三根谱线的波长信息构造“三角形”，通过将最大角的“余弦”与已知模板的“余弦”表相匹配，反推得到相应的标准谱线波长，并进而得到红移值。通过这个红移值，可以得到所有的谱线的标准位置，这就相当于谱线证认。结果表明：这种方法在大大减少运算量的同时，保持了较高的正确识别率和极低的误识率。这对海量光谱数据的处理具有重要的意义。同时，该方法立意新颖，简单明了，容易实现。缺点是对于谱线少于3根的光谱以及噪声很大的光谱不能有效地处理。     

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。     

多光刀三维轮廓快速测量方法研究

提出了一种三维自由曲面多光刀快速测量方案,阐述了此方法的测量原理,讨论了多光刀阵列的实现方法,分析了影响其测试精度的主要因素.提出了采用虚拟网格标定法对各光刀分别进行标定,以及运用光刀编码的方法实现对复杂自由曲面测量的方法,结果表明:该方法是一种快速有效的三维轮廓测量方法.     

提高大气吸收光谱测量分辨率的新方法

在仪器函数和吸收线型已知的情况下 ,提出了一种非线性拟合退卷积法 ,用于提高气体吸收测量的光谱分辨率。数值模拟和实际应用都表明 :该方法用于室内气体吸收光谱的测量 ,在保持吸收线型不变的情况下 ,可以显著地提高测量的光谱分辨率 ,降低测量噪声。将该方法用于怀特池中模拟大气吸收光谱测量 ,减小了激光线宽对测量结果的影响 ,获得了比较理想的结果。     

扩宽OMA-Ⅵ同时谱宽的新方法

OMA－Ⅵ存在同时谱宽窄的缺点，本文用一种新方法大幅度地扩宽了它的同时谱宽，且不降低其系统分辨率，应用效果甚佳。     

一种新的恒星光谱间距离度量方法：残差分布距离

距离度量是光谱巡天数据处理中的一个重要研究内容,其定义了一种不同光谱间的距离计算方法,以此为基础可进行光谱的分类、聚类、参数测量及离群数据挖掘等工作。距离度量方法的好坏在一定程度上影响了分类、聚类、参数测量及离群数据挖掘的效果及性能,同时随着大规模恒星光谱巡天项目的开展,如何针对恒星光谱定义更为有效的距离度量方法成为其数据处理中一个非常关键的问题。基于此问题,在充分考虑到恒星光谱的特点及其数据特征的基础上,提出一种新的恒星光谱间的距离度量方法：残差分布距离。该距离度量有别于传统计算恒星光谱间距离计算方法,利用该方法计算恒星光谱间的距离时,首先将两条光谱归一化到同一尺度下,然后计算对应波长处的残差,以残差谱分布的标准差作为距离度量。该距离度量方法可用于恒星分类、聚类以及恒星大气物理参数测量等应用中。本文以恒星光谱细分类为例来比较检验该距离度量方法,结果表明该方法定义的距离在分类时能更为有效的刻画不同类别光谱间的差距,可以很好的用于相关应用中。同时还研究了信噪比对该距离度量方法的影响：残差分布距离一定程度上受光谱信噪比影响,信噪比越小,对距离的影响越大;在信噪比大于10之后,残差分布距离对分类的影响很小。     

基于光电侦察仪的多测角实时数据融合方法研究

针对传统“L公式法”和“平均值法”进行数据融合时利用测试数据不充分、没有考虑测试误差影响等局限性,文章提出一种基于多测角融合的光电侦察仪组网实时数据融合方法;在最小二乘准则下,建立了光电侦察仪组网融合模型,并对模型求解涉及的待估参数初值选择、权系数矩阵确定和融合精度等问题进行深入研究;通过仿真实验,对文章所提方法的实时性和精度进行有效验证,对不同布站数量下的融合效果进行了对比分析;最后,得出待估参数选择原则、权系数矩阵确定原则和布站数量要适中的结论。