模式識別方法在天體光譜自動處理中的應用.pdf

1、隨著觀測手段的不斷進步，天體光譜數據在迅速增加，我國在建的LAMOST望遠鏡，每個觀測夜可以得到2-4萬條天體光譜.面對如此巨大的海量數據，采用自動的光譜分析與識別方法已成為必然的選擇.天體光譜的自動分析與識別主要包括光譜分類、參數測量和譜線證認.針對光譜自動處理的各個環(huán)節(jié)，我們利用模式識別的方法對星系光譜的自動處理相關技術進行了研究.主要工作有： 1.對光譜的去噪進行了研究，提出了一種基于均值漂移的自適應雙邊濾波方法.其性能僅

2、取決于空域的核尺度參數，幅度域的核尺度是根據信號的局部特征自適應選取的.該方法能夠去除脈沖噪聲，能有效抑制非脈沖噪聲，并有較強的邊緣保護能力，比較適合非發(fā)射線天體光譜的去噪. 2.非發(fā)射線天體光譜是天體光譜譜線自動提取中最難處理的一種.已有的譜線自動提取方法大都對發(fā)射線天體光譜較為有效，而對譜線較弱的非發(fā)射線天體光譜處理不好.提出了一種適于非發(fā)射線天體光譜的譜線自動提取方法.首先，采用迭代處理擬合出較為滿意的連續(xù)譜；其次，聯合采

3、用整體閾值處理和自適應的局部閾值處理提取譜線.實驗結果表明：該方法的性能較之傳統(tǒng)的小波方法有顯著的提高. 3.提出了一種新的星系光譜分類方法，將星系光譜分為正常星系和活動星系.先對原始光譜進行二進小波分解，選擇主要包含譜線信息的第四級小波系數作為光譜的小波特征.再利用主分量分析對光譜的小波特征進行特征壓縮，得到光譜的識別特征.最后利用Fisher線性判別分析實現分類.不同于已有的方法，該方法能夠在紅移值未知的情況下，對流量未定標

4、的星系光譜進行識別. 4.紅移測量和譜線證認是天體光譜自動識別中最重要的內容.本文提出了一種基于知識的天體光譜的紅移測量和譜線證認方法.首先，利用譜線的相關知識對紅移候選和特征譜線候選進行了定義，并根據定義交叉確認紅移候選和特征譜線候選，然后，利用Parzen窗法對所得到的紅移候選集進行密度估計，最后，確定密度最大的紅移候選，將落入其Parzen窗內的所有紅移候選值進行平均得到紅移，與這些紅移候選值相對應的譜線候選即為譜線.與現

5、有的基于譜線匹配的方法相比，該方法對譜線提取效果的依賴程度較低. 5.提出了一種新的基于交叉相關的紅移測量方法.該方法首先利用提取出的譜線信息確定紅移候選，然后按照每個紅移候選將模板光譜紅移，并計算目標光譜和紅移后的模板光譜之間的相關值，最大相關值對應的紅移候選為目標光譜的紅移.方法中采用的靜止模板是通過對Kinney&Calzetti的11個星系模板光譜中的四個正常星系和七個活動星系光譜分別進行主成份分析得到的.該方法最大的特