专家识谱平台的设计与实现

在利用LAMOST巡天数据进行特殊天体搜寻或样本构建,以及在处理LAMOST不断累积的低信噪比光谱时,通常需要耗费大量的时间完成人工识谱。针对这样的问题,设计并实现了一套专家识谱平台。该平台是集光谱可视化、光谱分析、多波段图像融合、多种数据挖掘算法等功能于一体的科学与科普教研平台。利用该平台,天文学家进行天体搜寻、样本构建等科学研究将变得相对容易;通过该平台,高校教师可以开展各种有天文特色的教研活动;借助群体力量,该平台将逐步消化LAMOST不断积累的未知光谱数据。     

基于MYSQL/LINUX 的LAMOST数据库设计与实现

大天区面积多目标光纤光谱天文望远镜（LAMOST）将被建成，在投入使用之前设计开发出全自动处理光谱的软件系统是必需的。完善的数据库系统是该光谱处理软件不可缺少的一部分。本文分析了LAMOST对数据库的需求，设计并实现了基于MYSQL／LINUX的LAMOST数据库系统并对该系统进行了初步测试。     

一句话新闻

2008年9月27日夜,LAMOST在调试中一次观测得到1000余条天体的光谱开始,到至今的调试观测中,LAMOST都不断地获得每次约2000多天体的光谱。用于调试观测的天体一般是亮于17等,光谱是在无云观测夜曝光至少5分钟后获得的。与国际上迄今最多一次观测只能得到600多条天体的光谱相比,LAMOST已经成为世界上光谱观测获取率最高的望远镜。     

一种基于二维算法的新颖的多目标光纤光谱数据处理流程

郭守敬望远镜(Large Sky Area Multi-Object Fiber Spectroscopic Telescope,LAMOST)、斯隆数字巡天(Sloan Digital Sky Survey,SDSS)、英澳望远镜(AngloAustralia Telescope,AAT)等大多数多目标光纤光谱望远镜现用的数据处理流程都是基于一维算法的.以LAMOST为例提出多目标光纤光谱数据处理流程方法.在LAMOST现用数据处理流程中,在预处理过程之后,通过基于一维模型的抽谱算法从二维观测目标光谱数据中得到一维抽谱结果作为中间数据.后续的处理步骤都基于一维模型的算法.然而,这种数据处理流程不符合观测光谱的形成机理.因此,在每个步骤中都引入了不可忽略的误差.为了解决这一问题,提出了一种还未被用于LAMOST及其他望远镜数据处理系统的新颖的数据处理流程.重新设计安排了各个数据处理模块的顺序,各关键步骤算法都是基于二维模型的.核心算法将详细论述.此外,列出了部分实验结果来证明二维算法的有效性和优越性.     

LAMOST控制系统实时分布式数据库

介绍国家“九五”重大科学工程项目“大天区面积多目标光纤光谱天文望远镜(LAMOST)”中基于QNX(Quick UNIX)操作系统的实时分布式数据库的研究情况。此项研制已通过2002年7月2日由LAMOST工程指挥部组织的北京、南京和合肥三地专家的评审，并得到好评。该数据库功能强、工具丰富、操作方便，在类UNIX操作系统下实现了Windows的界面风格，可以满足LAMOST控制系统数据在线(或离线)处理、存储、程序生成表格和图形等需要，也可推广应用到其它相关领域。     

LAMOST二维光纤光谱抽谱方法的研究

对LAMOST二维光纤光谱数据处理系统中的抽谱方法进行了阐述,分析了抽谱中关键参数采样点选取对结果的影响,并根据高斯分布函数的特性以及实验情况确定了采样点的选取范围,解决了抽谱结果出现负值的问题.进一步针对大噪声背景下抽谱存在误差较大的问题,提出了基于频域滤波思想的改进抽谱方法.首先利用快速傅立叶变换和低通滤波器将影响光纤实际轮廓的尖锐噪声滤除,然后再进行正常的抽谱.利用LAMOST二维光纤光谱数据处理系统提供的模拟数据进行了实验测试,结果表明改进抽谱方法的可行性与有效性.     

基于数据仓库的星系光谱分类

大天区面积多目标光纤光谱天文望远镜(LAMOST)将被建成,会产生大量的星系光谱数据。根据天文数据的积累过程,我们设计基于数据仓库的星系光谱分类系统。文章首先介绍了星系光谱的特征,数据仓库的特点,在此基础上描述了建立基于数据仓库的星系光谱自动分类系统的步骤,并给出对该系统进行测试的结果。     

基于粒子群优化的LAMOST初始波长定标方法

大天区面积多目标光纤光谱天文望远镜(Large Sky Area Multi-Object Fiber Spectroscopic Telescope,LAMOST)初始波长定标操作,对于在先验定标系数附近搜索解空间内的每一点,通过插值法生成对应定标系数下的虚拟定标灯谱,再将生成的虚拟定标灯谱与实测定标灯谱作互相关运算,使得相关系数最大时对应的定标系数即为初始定标结果,其实质是一个多参数寻优问题.粒子群优化是一种基于群体智能的随机全局优化算法,具有实现简单、精度高、收敛快的特点.鉴于粒子群优化的优异性能,提出一种基于粒子群优化的LAMOST初始波长定标方法,并设计相应算法和测试实验.实验结果表明,基于粒子群优化的LAMOST初始波长定标在收敛性、解的质量、运行时间等方面都优于基于改进遗传算法参数寻优方法.     

LAMOST子镜镀膜研究进展

对大口径光学/红外天文望远镜而言,为保障其稳定高效运行,镜面镀膜是重要的维护环节之一.镀膜质量的好坏直接影响镜面光学反射率的高低,也严重影响到天文望远镜的成像质量、观测效率.国家重大科技基础设施—大天区面积多目标光纤光谱天文望远镜(Large Sky Area Multi-Object Fiber Spectroscopic Telescope, LAMOST,又名郭守敬望远镜)自2009年6月通过国家竣工验收并逐步投入巡天观测,目前已进入第2个5 yr巡天计划阶段,取得近两千万的光谱产出和大批高显示度的科学成果. LAMOST共拥有24块施密特改正镜子镜和37块球面主镜子镜,为了确保在野外恶劣观测环境下镜面反射率维持在较高水平,每年要对大批子镜进行镀膜.主要介绍了镀膜需求、镀膜设备,并基于大量实验和多年的完善探索出一套可行的镀膜工艺流程,确保了LAMOST子镜极高的镀膜质量.镀膜后子镜平均反射率高达90%以上,满足了LAMOST光谱巡天的镜面反射率要求.     

LAMOST远程无线监控系统研究

国家重大科学工程项目“大天区面积多目标光纤光谱天文望远镜”LAMOST（Large sky Area Multi-Object fiber Spectroscopic Telescope）目前已经进入了安装调试阶段,在2007年即将逐步投入使用．LAMOST总控系统是一个复杂的软件工程,需要对望远镜实时监控并给维护者提供多种控制手段．随着手机成为大众日常通讯工具,利用基于GSM（GlobalSystemforMobilecommunication）网络的手机短信对LAMOST望远镜进行远程无线监控,已经成为总控系统的一种辅助监控手段．文章着重描述该系统的软硬件原理、接口、控制流以及安全性的考虑．该项研究的使用在国内望远镜控制系统中尚属首次,目前已获得国家发明专利申请号．     

低分辨率恒星光谱的[α/Fe]估计方法研究

研究了低分辨率恒星光谱的[α/Fe]估计问题.所给方案包括以下3个步骤:首先,使用Haar小波对原始光谱进行四级分解,去除高频成分,以抑制高频噪声干扰;然后,基于光谱数据成分与[α/Fe]的相关性和LASSO(Least Absolute Shrinkage and Selection Operator)算法选择光谱特征;最后,基于MARCS恒星光谱库和多元线性回归方法对[α/Fe]进行测量.并使用ELODIE、SDSS(Sloan Digital Sky Survey)、LAMOST(Large Sky Area Multi-Object Fibre Spectroscopic Telescope)和4个星团的低分辨率恒星光谱数据验证了方法的有效性.在317个ELODIE光谱样本、412个SDSS光谱样本和1276个LAMOST光谱样本(信噪比SNRG大于20)上的(系统偏差,精度)分别为(0.04dex,0.064 dex)、(0.16 dex,0.065 dex)和(0.05 dex,0.062 dex).在球状星团M13、M15以及疏散星团NGC2420、M67上的估计结果与文献值基本一致.     

改进遗传算法在初始波长定标中的应用

在LAMOST和SDSS二维光谱数据处理的初始波长定标操作中,通常给定色散曲线的一组初始拟合系数,然后在其附近一定空间内进行搜索,以期找到一组最优的系数.这实际上是一个全局寻优的问题.LAMOST和SDSS目前使用的是枚举式搜索方式,但是由于缺乏全局最优解的先验知识,需要大量的时间遍历整个解空间才能得到全局最优解.遗传算法由于使用了启发式搜索方式,是一种高效的全局寻优算法.在标准遗传算法的框架上,通过使用有效的编码方式、适应度函数以及选择、交叉、变异等遗传算子,构造了一种能够用于初始波长定标的快速收敛的改进遗传算法.通过Shaffer's F6函数的测试,该改进遗传算法具有良好的全局收敛性.将该改进遗传算法引入到LAMOST初始波长定标的寻优操作中,实验表明该算法能够取得较好的效果.     

LAMOST网络控制系统结构

LAMOST(大型多天体分光望远镜)建成后将成为世界上视场最大、光谱观测效率最高的4m级口径以上的光学望远镜。它将要同时高效地观测4000颗星的光谱,这对网络控制系统的设计是巨大的挑战。该文主要从LAMOST网络控制系统构建的角度介绍了系统如何在大数据量、多任务的情况下实现各子系统控制、环境监测、授时和无线远程监控等功能,叙述了在该系统中运用的实时分布式操作系统、实时数据库,全球定位系统(GPS)和全球移动通讯系统(GSM)等多项技术．     

LAMOST一维光谱提取算法的分析与比较

针对LAMOST (Large Sky Area Multi-Object Fiber Spectroscopic Telescope)2维光谱图像数据,对6种抽谱算法进行了分析与比较.比较的算法包括孔径法、轮廓拟合法、直接反卷积方法、基于Tikhonov正则化的反卷积抽谱算法、基于自适应Landweber迭代的反卷积抽谱算法以及基于Richardson-Lucy迭代的反卷积抽谱算法.通过实验对这些算法在信噪比和分辨率两个方面进行了比较,发现基于Tikhonov正则化的反卷积抽谱算法、基于自适应Landweber迭代的反卷积抽谱算法以及基于RichardsonLucy迭代的反卷积抽谱算法是6种算法中最为可靠的3种抽谱算法.最后,对今后的工作进行了展望.     

基于胶囊网络的恒星光谱分类研究

大型巡天项目的快速发展,产生大量的恒星光谱数据,也使得实现恒星光谱数据的自动分类成为一项具有挑战性的工作.提出一种新的基于胶囊网络的恒星光谱分类方法,首先利用1维卷积网络和短时傅里叶变换将来源于LAMOST(Large Sky Area Multi-Object Fiber Spectroscopy Telescope)Data Release 5(DR5)的F5、G5、K5型1维恒星光谱转化成2维傅里叶谱图像,再通过胶囊网络对2维谱图像进行自动分类.由于胶囊网络具有保留图像中实体之间的分层位姿关系和无需池化层的优点,实验结果表明:胶囊网络具有较好的分类性能,对于F5、G5、K5型恒星光谱的分类,准确率优于其他分类方法.     

基于深度学习的LAMOST星系星族参数测量

星系的光谱包含其内部恒星的年龄和金属丰度等信息, 从观测光谱数据中测量这些信息对于深入了解星系的形成和演化至关重要. LAMOST (Large Sky Area Multi-Object Fiber Spectroscopic Telescope)巡天发布了大量的星系光谱, 这些高维光谱与它们的物理参数之间存在着高度的非线性关系. 而深度学习适合于处理多维、海量的非线性数据, 因此基于深度学习技术构建了一个8个卷积层$+$4个池化层$+$1个全连接层的卷积神经网络, 对LAMOST Data Release 7 (DR7)星系的年龄和金属丰度进行自动估计. 实验结果表明, 使用卷积神经网络通过星系光谱预测的星族参数与传统方法基本一致, 误差在0.18dex以内, 并且随着光谱信噪比的增大, 预测误差越来越小. 实验还对比了卷积神经网络与随机森林回归模型、深度神经网络的参数测量结果, 结果表明卷积神经网络的结果优于其他两种回归模型.     

LAMOST CCD相机总控的设计与实现

大天区面积多目标光纤光谱望远镜(LAMOST)使用了16台低色散光谱仪、32台科学级CCD相机对目标进行光谱拍摄。CCD集总控制器MASTER是其32台CCD相机的中枢,它控制CCD按观测需要进行曝光、管理CCD状态和诊断相机故障。针对LAMOST相机系统的结构和UCAM控制器的特点,设计了MASTER系统;介绍了与OCS和UCAM接口的方式,并分析了对命令和状态的管理。     

并行可控式光纤定位系统

给出一种可用于大天区面积多目标光纤光谱天望远镜（LAMOST）的光纤定位系统,它将望远镜焦面板分成4000个小区域,每个区域中安装一个可控式光纤定位单元,光纤由单元带动作精确定位。本讨论了系统的组成及特点,该系统可望能成功应用于LAMOST项目中。     

LAMOST观测控制系统

LAMOST的观测控制系统将实时地与望远镜控制系统和焦面仪器控制系统一起来完成LAMOST的光谱巡天工作,同时与数据处理系统紧密联系以安排观测计划和数据处理任务。研制观测控制系统的目的是自动地完成整个光谱巡天工作,以最有效地获得科学产出。     

我们的新“眼睛”——近十年部分自主望远镜剪影

郭守敬望远镜（LAMOST）在长城之外、燕山群峰中,坐落着国家天文台兴隆观测基地的郭守敬望远镜（LargeSkyAreaMulti-ObjectF1breSpectroscopyTelescope,简称LAMOST）。这座2011年正式投入运行的巨无霸,由我国科研人员自主研制,主要任务是对天体进行“户口普查”,一次可得多至4000个天体的光谱,将成为世界上光谱获取率最高的望远镜,而且也是世界上口径最大的大视场（野）望远镜。