使用SOFM方法进行恒星光谱自动分类

ＳＯＦＭ是人工神经网络的非监督算法,可以将数据组织到一个特征图上,而保存大多数原始数据空间的拓扑特征,使用这种方法进行恒星光谱自动分类,分类结果与哈佛序列十分相似,ＳＯＦＭ方法应该是进行大数量恒星光谱样本在线分类的有用方法,它能够自动执行,因此可用于处理大数量天体光谱。     

使用SOFM方法进行恒星光谱自动分类

ＳＯＦＭ是人工神经网络的非监督学习算法,可以将数据组织到一个特征图上,而保存 大多数原始数据空间的拓扑特征．使用这种方法进行恒星光谱自动分类,分类结果与哈佛 序列十分相似．ＳＯＦＭ方法应该是进行大数量恒星光谱样本在线分类的有用方法,它能 够自动执行,因此可用于处理大数量天体光谱．     

多目标光纤光谱处理方法的研究

以俄罗斯SAO 6米望远镜的多目标光纤光谱（multi-object-fiber-spectra）为例，介绍了多目标光纤光谱的观测方法和数据处理的一般过程，分析了影响精度的主要误差来源，根据所用软件和仪器的情况，对散射光，相对透过率，波长定标，流量定标等问题作了相应的讨论和适当改性。     

二维太阳光谱观测方法和技术

经典的太阳光谱观测是一维的，它有很大的局限性。从５０年代起，天文工作者采用多种方法开展二维太阳光谱观测，已经研制出一系列仪器，建立完整的资料归算程序，取得优良成果。在二维观测资料的基础上，用理论方法推出深度分布，可以得出三维的立体图像，这会成为太阳研究的主要方法之一。     

The Cannon:一种基于光谱数据的恒星参数测量方法

新一代大规模光谱巡天项目产生了近千万条低分辨率恒星光谱,基于这些光谱数据,介绍一种名为The Cannon的机器学习方法。该方法完全基于已知恒星大气参数(有效温度、表面重力加速度和金属丰度等)的光谱数据,通过数据驱动来构建特征向量,建立光谱流量特征和恒星参数的函数对应关系,进而应用到观测光谱数据中,实现对恒星光谱的大气参数求解。The Cannon的主要优势为不直接基于任何恒星物理模型,适用性更广;由于使用了全谱信息,即便对于低信噪比光谱也能得到较高可信度的参数结果,该算法在大规模恒星光谱的数据处理和参数求解方面具有明显的优势。此外,还利用The Cannon得到LAMOST光谱数据中K巨星和M巨星的恒星参数。     

基于样条函数的恒星光谱自动归一化方法

恒星的观测谱一般由连续谱、谱线和噪声组成,其中连续谱是黑体辐射导致的辐射流量随波长变化的光滑连续光谱。光谱分类及恒星物理参数估计等研究依赖于连续谱及谱线信息的准确提取。因此光谱数据处理的工作主要是拟合连续谱,并通过对光谱进行归一化来提取谱线特征。连续谱拟合的方法主要有多项式拟合、中值滤波、小波滤波等。已有的方法在低信噪比、宇宙线信号干扰、存在发射线等情况下,有不同程度的局限性,体现在鲁棒性和准确度上。目前,针对郭守敬望远镜的10 7条光谱没有自动化方法应用到归一化上的问题,研究并开发一种适用于不同的温度、信噪比及波长覆盖范围,并能够自动化处理的恒星光谱归一化方法,显得十分迫切。在仔细分析不同类型光谱的基础上,提出了一种基于固定窗口划分的连续谱拟合方法。该方法对光谱中能够体现连续谱特征的数据点进行筛选提取,通过细微地控制样条函数平滑度产生更加准确的连续谱。使用郭守敬望远镜中不同光谱型、温度范围、波长覆盖范围的光谱进行实验,结果表明,该方法具有良好的精度和普适性。     

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。     

中等贫金属星高分辨率光谱分析 I.光谱数据与等值宽度

利用北京天文台兴隆观测基地2.16米望远镜的折轴阶梯光栅摄谱仪，获得了一批中等贫金属星的高分辨率，高信噪比光谱，通过MIDAS软件包对其中7颗中等贫金属星进行了光谱处理，得到了它们的等值宽度，最后给出院 样本恒星的等值宽度及误差分析。     

透过棱镜看星星：简易方法拍光谱

我们很多人都看到过上面这句话,把每个单词的头一个字母取出来,就是OBAFGKM,恒星光谱型从早期到晚期的排列顺序。提到光谱,很容易让人想起专业的天文观测和仪器设备。其实,我们自己也可以想办法对恒星的光谱进行拍摄。虽然这些照片的分辨率和质量无法和专业的测量结果相提并论,但从中还是很容易看出一些明显的有趣特征。     

晚型星计算机自动光谱分类

在对恒星形成区（ＳＦＲ）中ＲＯＳＡＴ选弱发射线ＴＴａｕｒｉ星（ＷＴＴＳ）进行光谱证认的过程中,发展了一套基于北京天文台２．１６米光学望远镜及其ＯＭＲ卡焦光谱仪系统的晚型星中色散（５０Ａ／ｍｍ）光谱计算机自动光谱分类方法．对ＲＯＳＡＴ选ＷＴＴＳ候选作中晚型星进行自动光谱分类的结果表明,一般情况下,光谱型的分类精度可达±１个次级,个别源为±２个次级．该自动光谱分类方法同时适用于其他光谱晚型星．     

基于Lomb算法的非等间距VLBI观测资料频谱分析研究

研究非等间距采样频谱分析中所发生的虚假信号问题．利用Lomb非等间距频谱分析方法对准多周期采样的模拟资料和VLBI实测资料进行频谱分析,得出了准多周期采样会产生虚假谱峰的结论．通过对频谱特征的分析,给出了虚假谱峰的位置分布的经验公式并从统计学角度证明了该公式．利用该公式可以确认准多周期采样频谱分析中的虚假谱峰位置,同时对公式的具体应用进行了讨论．其结论是基于VLBI的观测资料采样特征得到的,但同样适用于一般的准多周期采样资料的频谱分析．     

天文学中的数据挖掘和知识发现

综述了数据挖掘和知识发现在天文学中兴起的必然性及其这几年的发展状况、实现过程和具体任务。分析了当前天文数据的复杂性，介绍了天文学中数据挖掘的科学要求。系统地概括了近年来天文学中数据挖掘和知识发现领域研究的进展及其热点，并阐述了其所面临的挑战。天文学中的数据挖掘和知识发现的兴起将对天文学的发展起到巨大的推动作用，同时也在知识和技术等方面对天文学家提出了新的要求。另外，数据挖掘技术能否在虚拟天文台中成功应用，是虚拟天文台充分发挥作用的关键所在。     

快速射电暴观测数据干扰缓解方法研究

从海量的天文观测数据中快速搜寻罕见的快速射电暴(Fast Radio Burst, FRB)事件, 干扰缓解是其中一项关键而具有挑战的工作. 射频干扰(Radio Frequency Interference, RFI)会淹没真实的天文事件, 还会导致搜寻管线输出大量的假阳性候选体. 由于干扰来源及其种类的复杂性, 目前并没有一种通用的方法可以解决这个问题. 为了降低干扰对FRB观测搜寻的影响, 分析和研究了南山26m射电望远镜L波段观测数据中的干扰情况, 针对主要的窄带干扰和宽带干扰建立了3层次的干扰缓解处理流程, 从而有效缓解了观测数据的干扰污染情况. 将该流程嵌入到FRB色散动态谱搜寻(Dispersed Dynamic Spectra Search, DDSS)管线中, 实验结果表明, 搜寻管线的检测率和检测精度得到了进一步的提高. 该方法为FRB观测数据干扰缓解处理提供了有价值的参考.     

太阳宁静区磁场的功率谱分析

利用１９９８年１０月３日北京天文台怀柔太阳观测站的高质量磁图,对给定的太阳宁静区两种不同极性的磁场进行了功率谱分析．结果表明,空间功率谱在超米粒和中米粒尺度具有明显的尖峰结构,这对应于空间周期性分布的网络和内网络磁结构．结果也显示出,超米粒边缘所包含的两种极性场中,其中的一种极性占优势．通过瞬态功率谱的分析,得出网络和内网络场寿命之间的比例关系,这一结果和其他学者得出的超米粒和中米粒对流寿命之间的关系相符．     

一种新的基于2维傅里叶谱图像的恒星光谱特征提取方法和深度网络分类应用

天体光谱分类是天文学研究的重要内容之一,其关键是从光谱数据中选择和提取对分类识别最有效的特征构建特征空间.提出一种新的基于2维傅里叶谱图像的特征提取方法,并应用于LAMOST (the Large Sky Area Multi-Object Fiber Spectroscopic Telescope)恒星光谱数据的分类研究中.光谱数据来源于LAMOST Data Release 5(DR5),选取30000条F、 G和K型星光谱数据,利用短时傅里叶变换(Short-Time Fourier Transform, STFT)将1维光谱数据变换成2维傅里叶谱图像,对得到的2维傅里叶谱图像采用深度卷积网络模型进行分类,得到的分类准确率是92.90%.实验结果表明通过对LAMOST恒星光谱数据进行STFT可得到光谱的2维傅里叶谱图像,谱图像构成了新的光谱数据特征和特征空间,新的特征对于光谱数据分类是有效的.此方法是对光谱分类的一种全新尝试,对海量天体光谱的分类和挖掘处理有一定的开创意义.     

星像抖动的时域频谱

本文顾及湍流外尺度的影响导出了星像抖动频谱的普遍表达式，在均匀光路的情况下得到了分析表达式。理论结果与实验数据相当一致。同时讨论了测量星像抖动所需要的频带宽度以及有限带宽所产生的测量误差。     

Feature relevance in morphological galaxy classification

We investigate the utility of a variety of features in performing morphological galaxy classification using back-propagation neural network classifiers based on a sample of 805 galaxies classified by Naim et al. We derive a total of 22 features from each galaxy image and use these as inputs to a neural network trained using back-propagation. The morphological types are subdivided into two to seven groups, and the relevance of each of the features is examined for each grouping. We use the magnitude of the regularization parameter for each input to determine whether a feature can be eliminated. We then prune the input features of the network, typically down to four features. We examine a number of methods of assessing the performance of the network and determine which works best for our task.     

红外波段太阳观测技术方法研究

1m红外太阳塔是我国未来重点发展的地面太阳观测设备 ,本文的所有工作均围绕着与此相关的红外波段太阳观测技术方法展开。1 .针对望远镜实验平台—云台太阳光谱仪 ,建立了光谱仪分光流量模型 ,并用多种实验手段验证了其可靠性。利用该模型计算了FeⅠ 1 .56μm红外太阳光谱的分光流量 ,分析了实验观测的可行性及改进方案。2 .针对探测器实验平台—PtSi红外焦平面阵列相机 ,建立了FeⅠ 1 .56μm光谱观测信噪比模型 ,模拟了各种噪声对观测的影响。在此基础上 ,在国内首次成功进行了FeⅠ1 .56μm红外太阳光谱的面阵观测实验。3 .在红外观测实验所处的高背景低对比度条件下 ,讨论了红外太阳光谱观测的图像处理方法 ,分析了观测中出现的干涉条纹的来源及解决办法 ,初步建立起了一整套红外太阳光谱与成像的定标方法和图像处理方法。4 .首次利用PVA材料 ,设计研制了一套FeⅠ 1 .56μm近红外Stokes参量偏振仪 ,并将该偏振仪安装在美国国立天文台McMath望远镜上进行了观测实验。针对一太阳黑子 ,通过扫描进行了二维的Stokes参量观测。同时建立了一套从Stokes参量反演磁矢量场的方法 ,并将反演的结果与怀柔太阳磁场望远镜的观测结果进行了比对。5.针对 1m红外太阳塔的太阳光谱仪系统 ,给出了垂直多波段光谱仪和红外