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.     

基于解析梯度的近地小天体探测机会搜索问题研究

研究近地小天体的探测机会搜索问题.针对交会型探测任务,通过结合变分理论和状态转移矩阵推导了性能指标关于可调参数的解析偏导数,然后在搜索空间中随机生成初始点,并从这些初始点出发利用解析偏导数寻优,从而得到搜索空间内对应潜在发射机会的全部局部极小值点.此方法既在一定程度上保持了传统搜索方法全局搜索的特点,又克服了传统搜索方法的盲目性,因此计算速度获得很大提高.此外该方法可以对探测机会的搜索精度进行有效地控制.     

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.     

基于解析梯度的近地小天体探测机会搜索问题研究木

研究近地小天体的探测机会搜索问题．针对交会型探测任务,通过结合变分理论和状态转移矩阵推导了性能指标关于可调参数的解析偏导数,然后在搜索空间中随机生成初始点,并从这些初始点出发利用解析偏导数寻优,从而得到搜索空间内对应潜在发射机会的全部局部极小值点．此方法既在一定程度上保持了传统搜索方法全局搜索的特点,又克服了传统搜索方法的盲目性,因此计算速度获得很大提高．此外该方法可以对探测机会的搜索精度进行有效地控制．     

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.     

基于遗传算法的星族合成参数估计

对于星系这类恒星复合天体,快速、准确地估计星族合成参数,是利用星族合成方法有效处理海量星系光谱的关键.将遗传算法与模拟退火算法相结合,在模拟退火算法的基础上,发挥遗传算法全局搜索能力强、收敛速度快的优势,两种算法互补.实验结果表明,在星族合成参数估计的速度与准确度方面,遗传-模拟退火结合算法优于单一的模拟退火算法.     

用改进的SPEA求解轨道转移的时间-能量极小化问题

提出了改进的SPEA，这是一种多目标进化算法，适于求解大尺度空间的多目标优化的Pareto最优解，并应用于求解轨道转移的时间—能量极小化问题，计算结果表明算法的有效性。     

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.     

基于Snake模型的空间目标跟踪方法

针对低轨变光空间目标和较亮空间目标的跟踪不稳问题,采用主动轮廓模型,提出一种改进的GVF-Snake算法,实现了星像实际轮廓的实时搜索.结合Kalman滤波外推,实现了一种空间目标的自适应跟踪方法.实验表明,跟踪过程中方法能够克服采用固定窗口带来的跟踪误差,提高跟踪的稳健性.     

一种偏振定标单元方位角误差的约束非线性最小化优化定标方法

偏振定标单元(Polarization Calibration Unit, PCU)对于定标由偏振系统和天文望远镜产生的仪器偏振至关重要, 然而偏振定标单元 中偏振元件光轴的方位角误差是限制定标精度的主要因素之一. 为解决该问题, 提出了一种基于约束非线性最 小化优化的方位角误差定标方法, 该方法具有定标精度高、定标速度快的优点. 首先将偏振定标单元中的线性 偏振片和四分之一波片的光轴方位角误差设置为两个待优化的自由变量, 然后利用产生和测量的Stokes参数 以及偏振定标获得的响应矩阵定义优化目标函数, 最终使用约束非线性最小化优化方法来确定 两个偏振元件的方位角误差. 分别从理论模拟和实际测量两个方面对优化方法进行了验证, 实验结果表明, 该 优化方法能够成功获得上述两个方位角误差, 精度分别优于2.79$''$和2.72$''$. 此外, 从理论上 计算分析了不同方位角误差对各Stokes分量的影响情况. 该优化方法有望应用到我国太阳望远镜中偏振定标 装置的误差定标及研制之中.