基于光谱特征的恒星自动识别方法

我国正在实施的大型巡天项目(LAMOST项目),急需恒星光谱自动识别与分类系统并给出了一种基于光谱特征的恒星自动识别方法。该方法由以下主要步骤组成： (1)利用谱线小波特征进行恒星谱线整体估计和恒星Balmer线的检测;(2)利用吸收带小波特征进行吸收带位置和M型星特征频率检测;(3)根据以上检测结果进行发射线星、M型星和早型恒星识别。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,方法具有对噪声鲁棒等特点,发射线星识别率达到97.5%,M型星识别率达到98.1%,早型恒星识别率达到96.8%,类星体和星系的误识别率低于2%。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。     

激光诱导击穿光谱元素谱线自动识别方法研究

根据激光诱导击穿光谱谱线展宽机制,对NIST标准谱线数据库中的发射谱线进行了模拟,并与实验光谱进行对比,在对比分析中引入相似性测度,得到模拟光谱和实验光谱的相似程度。对元素谱线的自动归属识别方法进行分析和研究,通过相似性计算对土壤样品340～345nm波段光谱进行了识别分析,利用最小二乘原理计算各谱线之间的比例系数,实现了光谱识别,实验结果验证了基于相似性测度的光谱识别方法的可行性及其自动识别的优越性。     

基于特征约束的谱线自动提取

已有的谱线自动提取方法均采用整体阈值约束或局部阈值约束进行谱线识别,因而谱线提取结果中普遍存在谱线遗失或伪谱线过多的缺点。文章在谱线识别时加入了2个特征约束,第1个特征约束是： 谱线线心的强度必须大于局部阈值和整体下阈值,并且如果某一点的强度大于整体上阈值,则可认为在该点存在谱线;第2个特征约束是： 谱线的起始波长和终止波长处的强度必须小于谱线线心的强度。这2个特征约束使得该文的谱线提取效果较之已有方法有显著的提高。通过实验对该文方法和已有的方法进行了比较,实验结果充分体现了该文方法的优势。     

自动识别发射线恒星光谱的新方法

恒星光谱一般具有明显的吸收线或者吸收带特征,而具有发射线的恒星光谱对应着特殊类型的恒星,如激变变星、Herbig Ae/Be等。对这些光谱的后续研究有着重要的意义。本文提出了一种能够自动识别发射线恒星光谱的方法。该方法首先对光谱进行连续谱归一化,然后通过比较谱线对应的流量及其邻域流量的均值和标准差,来判断是否存在发射线。对SDSS DR8大样本数据的实验表明,该方法能够完整、准确地识别发射线恒星。而且,由于该方法不涉及复杂的变换和运算,因而识别速度非常快,可用于诸如LAMOST和SDSS这样大型光谱巡天项目中发现发射线恒星光谱。     

基于谱线检测的发射线星自动识别方法

针对我国即将建成的大型巡天项目(LAMOST),给出了一种基于谱线检测的发射线星自动识别方法.主要步骤:1)通过获取谱线特征匹配值进行恒星谱线整体估计;2)利用提取出的恒星谱线特征检测恒星的巴耳末(Balmer)线;3)对获取的特征匹配值采用阈值法,并结合恒星Balmer线的检测结果,进行发射线里判别.通过对SDSS DR4所有光谱进行识别,共获得了242条具有恒星发射线的特殊天体.根据星表查询结果,这些天体包括发射线星、激变变星和一些未知特殊天体等.大量真实光谱数据实验表明,本文方法可有效识别发射线星.     

基于线指数特征的海量恒星光谱聚类分析研究

聚类分析是数据挖掘中用以发现数据分布和隐含模式的一种重要算法,能简单有效地研究大样本、多参量和类别未知的光谱数据。以线指数作为光谱数据的特征值能够在尽可能多的保留光谱物理特征的同时,有效解决高维光谱数据聚类分析中运算复杂度较高的问题。本文提出了基于线指数特征的海量恒星光谱数据聚类分析的方法,提取恒星光谱中的Lick线指数作为海量巡天光谱数据的特征,使用k均值聚类算法完成对光谱数据的聚类,然后对聚类结果进行有效的分析。实验结果证明该方法能够快速有效地将具有相似物理特征的恒星光谱数据聚集到一起,该方法可以应用到巡天数据的研究中。     

基于谱线匹配技术的星载成像光谱仪星上光谱定标方法研究

介绍了一种基于谱线匹配技术的星上光谱定标方法,该定标方法选取大气吸收线作为匹配谱线,采用相关系数法作为匹配结果判定条件标进行光谱定标。为模拟星上定标过程,将谱线匹配技术应用于振动试验后的成像光谱仪,振动试验可以模拟成像光谱仪在升空过程中受到的振动。星上光谱定标包括成像光谱仪分辨率的确定、面阵探测器光谱维和空间维像元中心波长的定标。由定标结果可知,振动试验后光谱仪分辨率为0.40 nm,与振动试验前相比没有发生变化;光谱维像元中心波长向长波偏移0.08 nm(小于一个像元);空间维像元光谱弯曲(光谱smile) 向短波方向弯曲,最大弯曲值为0.96 nm,近似于振动试验前光谱弯曲值。由此验证了谱线匹配技术进行星上光谱定标的可行性。     

年轻恒星形成过程的分子谱线诊断

恒星是宇宙的基本天体,理解恒星的起源和早期演化是天体物理最有举的课题之一,目前了解的恒星形成的一个基本图象是,恒星是由一个足够大质量的星际分子气体云在其其自引力作用下塌缩而形成。在早期塌缩过程中形成一颗原恒星（胚胎）,并且伴随该原恒星的吸积盘,原恒星吸积星际介质中的分子物质,通过吸积盘转移到原恒星表面,原恒星的质量随着增大。在吸积过程中也同时伴随物质向外的剧烈喷发,由于盘的存在,这种喷发通常沿垂直于盘的方向进行,出现双极的空间分布。在天文观测上,一种典型的表现是分子气体的外向流,观测表现为从原恒星双极的红蓝移气体运动^[1]。由于恒星形成了星际分子中,因此,对星际分子的谱线探测是研究恒星形成的强有力手段,现在已经发现和证认的星际分子总数有一百多种,其中丰富度最高的气体是H2。在所有的星际分子中,丰度仅次于H2的CO分子的转动跃迁谱易激发,相对于星际介质的不透明度小,观测上易于实现,因此,CO分子就成为探索原恒星形成的有力探针,在毫米波段出现的J＝1－0和J＝2－1跃迁变线以及CO同位素的谱线是最常使用的观测探针,八十年代以来又陆续发现了环形分子SiC2,C3H,C3H2及含磷分子PN和CN等,给宇宙中有机世界的探测提供了丰富的线索。我们对恒形成区内存在的低温原恒星天体进行毫米 波射电谱线观测,测量该原恒星周围分子气体的分布,其物理化学参数,以及速度场分布。根据这些测量结果并运用成熟的数量方法,分析正在发生的物理化学过程,特别是原恒星质量外流的过程。根据观测分析结果得出所观测天体的形成和演化状况。     

基于分形编码的M型恒星光谱次型自动识别

根据天体光谱自身的局部分形特征,对光谱中400~510,600~700和780~900 nm三个波段的数据分形编码,并以编码中匹配数据块位置与最小匹配误差为特征,将分形方法应用于天体光谱次型识别。实验表明,分形方法不受LAMOST流量定标误差、仪器效率曲线的影响,具有一定的抗噪性,可以有效地自动识别LAMOST与SDSS的M型恒星光谱次型。     

线指数特征空间内恒星光谱离群数据挖掘与分析

大规模光谱巡天将产生海量的光谱数据,为搜寻一些奇异甚至于未知类型的光谱提供了机会,对这些特殊天体的研究有助于揭示宇宙的演变规律和生命起源,巡天数据的离群数据挖掘有助于这些特殊的光谱的发现。利用线指数对光谱数据进行降维能够在尽可能多的保留光谱物理特征的同时,有效解决高维光谱数据聚类分析中运算复杂度较高的问题。提出了基于线指数特征的海量恒星光谱离群数据挖掘及分析的方法,以恒星光谱的Lick线指数作为光谱数据的特征,利用聚类搜寻离群数据的方法在海量光谱巡天数据搜寻离群数据,以此为基础并给出线指数特征空间内离群光谱数据的分析方法。实验结果证明：(1)以线指数作为光谱的特征值能快速的完成对高维光谱数据的离群数据挖掘,可以解决高维光谱数据运算复杂度高的问题;(2)该方法是在聚类结果上进行的离群数据挖掘,能够有效的挖掘出数量较少的发射线恒星、晚M型恒星、极贫金属星、缺失数据光谱等数据;(3)线指数特征空间的离群数据挖掘可以得到线指数特征空间内特殊恒星的发现规则。本文所提出的基于线指数特征的离群数据挖掘及分析方法可以应用到巡天数据的相关研究中。     

基于小波多尺度特征匹配的类星体红移测量方法

在中国正在实施的大型巡天项目(LAMOST项目)中,预计能获得105数量级的类星体光谱。文章旨在研究适用于LAMOST观测数据的类星体红移测量方法。为了克服信噪比较低的不利因素,文章采用小波变换的方法对类星体宽发射线进行特征提取,然后利用多尺度特征匹配的方法进行类星体红移测量。通过对sloan digital sky survey(SDSS) data release 2(DR2)中的15, 715条类星体光谱的实验表明,在误差为0.02的范围内所用方法的正确率达到95.13%。该方法可对相对定标的类星体光谱数据进行红移测量,符合LAMOST数据的要求,可为天文学家进行类星体和宇宙大尺度等研究提供帮助。     

谱线自动提取的小波变换零交叉点方法

将原始光谱进行小波变换,然后研究谱线在小波变换域内呈现的特性,通过引入上、下零交叉点的概念,分析并得到吸收线和发射线分别对应于不同类型的零交叉点的结论。提出一种小波变换零交叉点方法用于提取谱线和拟合连续谱,与传统方法相比,该方法可以同时得到连续谱和谱线,并且无需专门去噪处理,克服了传统方法因拟合连续谱失真和去噪过程中带来的误差导致提取谱线不准确的缺点。通过对恒星、近邻星系等的试验表明,该方法是有效的, 对特征参数计算和基于谱线的光谱分类是非常有利的。     

基于Haar小波特征的恒星光谱物理参量自动估计

恒星大气物理参数的自动测量是大型巡天计划中海量光谱数据自动处理中的一个重要内容。首先使用多尺度Harr小波对恒星光谱数据进行特征分解,然后选用相应的小波系数作为光谱的特征向量,最后采用非参数回归算法对光谱的物理参数进行估计。研究表明,只需对光谱进行四层小波分解, 并选择第四层小波系数作为光谱的特征向量,即可获得重力加速度和表面有效温度的较好估计。对于化学丰度的估计,选择第一层小波系数作为光谱特征向量可取得较好效果。选用文献相关研究中常用的恒星大气模拟模型合成光谱库ELODIE中光谱数据测试了该方法的有效性。结果表明,基于Harr小波分解的光谱特征提取方法对恒星表面温度、表面重力和化学丰度等物理参数的估计具有较高的精度和鲁棒性。     

基于CT切片特征匹配的三维体重建

详细描述了医学解剖学切片图数据读取,特征提取和特征匹配.引入了解剖数据读取方法,叙述了切片匹配的两个过程:特征提取和特征匹配.提出了一种新的有效的特征匹配方法.所有切片图象在匹配之前首先进行了预处理(如滤波、二值化、细化等过程),特征是分区域进行提取的.匹配方法分两步,首先按照对应特征点之间距离的方法匹配特征点,然后用矩的方法进行切片之间匹配.体重建过程中还使用了三维等值面和插值方法.实验结果证实这种特征匹配方法不仅快速而且准确.     

基于小波降噪与支持向量机的恒星光谱识别研究

提出了一种对恒星光谱识别的新方法。 根据恒星光谱数据的特性,我们以支持向量机为核心技术构建光谱识别器。 由于恒星光谱数据通常含有较高的噪声,如果直接进行分类,识别率往往较低。 因此作者首先采用小波分析的方法对原始光谱数据进行降噪预处理,提取光谱的特征,然后馈送到支持向量机完成对光谱数据的最终识别。 利用实际光谱数据(Jacoby, 1984)对所提出的技术进行检测,实验结果表明使用这种小波分析结合支持向量机的技术的识别效果要优于使用支持向量机结合主分量分析降维技术的识别方法。 另外,作者还比较了支持向量机与传统甄别分析的分类性能,对实际及合成光谱进行实验的结果显示了支持向量机的识别正确率不但优于常见的5种甄别分析方法的识别率,而且有较强的泛化能力。     

恒星大气物理参数估计中的稀疏特征提取

随着斯隆数字巡天项目(SDSS)、欧空局GAIA和我国大天区面积多目标光纤光谱天文望远镜(LAMOST)等项目的相继实施,拥有的恒星光谱数据量急速增加,由此导致基于光谱的恒星大气物理参数自动测量方法的研究成为天文光谱分析的重要课题之一[1]。探讨了恒星光谱特征提取的方法(Haar+lasso),其基本思想是首先使用Haar小波包对原始光谱进行多尺度分解,去除高频系数,选取低频系数作为光谱信息的描述;再采用lasso算法提取最优的特征; 最后将最优特征输入非参数回归模型中对恒星大气参数进行自动测量。Haar小波可以较好地去除原始光谱信号中的高频噪声,对全频谱数据进行降维。lasso算法可以进一步剔除数据冗余, 提取与物理参数相关度较强的特征。Haar+lasso方法提高了物理参数自动测量的准确性和运行效率。我们采用本文方案对SLOAN发布的40 000个恒星子样本的物理参数进行测量,三个物理参数的平均绝对误差为： log Teff: 0.007 1 dex,log g: 0.225 2 dex和[Fe/H]: 0.199 6 dex。同现有相关文献的实验结果相比,该方案可以获得更准确的物理参数。     

阻尼最小二乘法用于激光诱导击穿光谱重叠特征谱线分离提取

近年来,激光诱导击穿广谱技术发展迅速。作为一种用于物质成分探测的新技术,它具有简单、快速、无需复杂样品制备、多种元素同时检测等优点,可实现待测样品物质成分现场、在线的检测,在很多领域都极具应用前景。激光诱导击穿光谱特征谱线的分离拟合提取是光谱特征识别与后续元素浓度定量反演研究的基础。为实现激光诱导击穿光谱重叠特征谱线的有效分离拟合提取,采用阻尼最小二乘法,分析并确定了迭代前的初始拟合参数值,实现了在重叠特征谱线情况下对某火力发电厂粉煤灰中的铬元素特征谱线的分离提取。阻尼最小二乘法基于高斯-牛顿迭代,在迭代步长中引入阻尼因子,在迭代的过程中根据每一步迭代后所反馈的信息动态的调整迭代步长,从而有效防止了迭代的发散,保证了迭代的快速收敛,最终使得元素特征谱线拟合提取的效果更佳、所得到的特征谱线强度值更准确。分别采用阻尼最小二乘法和最小二乘法对不同浓度的样品中铬元素特征谱线进行分离拟合提取并给出特征谱线的强度值,作出特征谱线强度值关于元素浓度的定标曲线并对比两种方法所得结果的线性相关性。结果表明,阻尼最小二乘法所得结果的线性相关性更高,该方法稳定、可靠,适用于激光诱导击穿光谱重叠特征谱线的分离拟合提取。