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.     

一种基于主分量分析的减天光方法

天光是天体观测中的一种重要噪声源.减天光问题是制约多目标光纤光谱观测深度的重要因素.主分量分析(PCA)是统计学的一种分析方法,它可以用来寻找各个天光谱之间的关系,以进一步获得目标光谱中含有的天光成分.为了研究LAMOST的减天光方法,用SDSS的一组原始观测数据进行了仿真实验,实验结果表明,采用PCA方法比SDSS处理程序能够更有效地减天光.最后对PCA方法在LAMOST中的应用前景进行了展望.     

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.     

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.