近些年海量恒星光谱数据的获取使得恒星三个基本参数（表面有效温度Teff, 表面重力log g, 金属丰度［Fe/H］）的自动测量方法研究成为一个重要的研究课题, 相应对恒星大气物理参数测量的研究将对科学家研究宇宙演化等重大科学问题具有重要的意义。 但是目前国内外针对此问题所做的研究并不是很广泛深入, 且已有的一些方法还不能够完全准确地估计出恒星的大气物理参数。 因此本文研究了一种基于质量估计的恒星大气物理参数自动测量方法, 该方法计算量比较小, 其主要思想是首先建立一些质量分布, 将原始光谱数据经过质量估计算法映射到新的质量空间, 然后在质量空间利用支持向量机回归对恒星的三个基本物理参数进行估计。 在实验中, 从SDSS-DR8光谱数据库中选择部分实测光谱数据来进行训练和测试, 并将该方法预测出的参数结果与SSPP给出的参数值进行了对比, 取得了比较理想的结果。 实验结果表明, 该研究方法的准确率更高, 预测结果更稳定, 训练所用的时间短, 在恒星大气物理参数自动测量上是行得通的, 可以有效地测量恒星的大气物理参数。

天体光谱包含着许多重要的关于天体的物理和化学信息,如天体表面的有效温度、重力加速度以及化学丰度等,天体光谱的处理和分析对天文研究具有重要的科学意义.一些大型巡天计划的实施(如SDSS,LAMOST等)使我们获得了海量的天文光谱数据,因此天文光谱数据的自动分类成为重要的科学研究课题,然而面对如此海量的光谱数据,一些传统的光谱自动分类方法已经不适用,迫切需要寻找高效率的光谱自动分类技术.研究了基于局部均值的K-近质心近邻(local mean-based K-nearest centroid neighbor,LMKNCN)算法在恒星(Star)、星系(Galaxy)和类星体(Quasar,QSO)的光谱分类中的应用.LMKNCN算法的基本思想是根据近质心近邻原则,从每一类训练样本集中为待测样本点选取k个近质心近邻点,然后根据每一类中所选取的k个近质心近邻点的均值点到待测样本点x的距离来判别x的所属类别.针对美国SDSS-DR8的天体光谱数据,对比了K-近邻、K-近质心近邻、LMKNCN三种算法在恒星、星系和类星体的光谱分类中所表现的性能,结果表明三种方法中,LMKNCN算法对这三种光谱的识别率高于其他两种算法或者与其相当,而且其平均分类正确率高于另外两种算法,特别是在类星体的识别率上表现的更好.表明了该算法对天文光谱大数据的快速处理和有效利用具有重要的意义.

光纤的焦比退化(focal ratio degradation)是光纤光谱效率损失的重要原因之一.光纤在安装和每次定位过程中,光纤的转动和扭曲会引起光纤焦比退化发生变化,从而改变光纤的传输效率,每根光纤由此造成的传输效率变化都会存在差异.而这样的效率差异无法用通常天文观测中使用的晨昏天光平场或者圆顶平场改正.减天光是光纤光谱数据处理中决定光谱质量的重要环节.减天光处理要求对不同光纤的传输效率进行归一化处理,以扣除不同光纤之间传输效率差异导致的天光背景测量的误差.对于与天光背景亮度接近乃至更暗的观测目标而言,光纤传输效率的改正精度决定了减天光的精度.测试了LAMOST望远镜光纤转动对光纤传输效率的影响情况.在检查了光谱中天光发射线强度与光纤传输效率的关系,和验证了光纤效率变化与波长变化相对独立的基础上,提出并且证实了通过测量各光纤中天光发射线强度作为光纤相对效率变化量来改正光纤效率差异的方法是可行的.这种方法已经被应用到LAMOST二维光谱处理当中。

超新星是宇宙学中的“标准烛光”, 其在星系中爆发的概率很低, 是一种特殊、稀少的天体, 只有在大量观测的星系数据中才有机会遇到, 而正处于爆发期的超新星会照亮其整个星系从而在观测获得的星系光谱中具有较明显的特征。但是, 目前已发现的超新星数量相对于大量的天体而言又是非常稀少的, 搜寻它们所用的计算时间成为能否进行后续观测的关键, 因此需要寻找高效率的超新星搜寻方法。对超新星候选范围进行约减的LOF算法的时间复杂度较高, 计算量大, 不适用于大规模数据集。为此通过对LOF算法进行改进, 提出了一种在海量星系光谱中快速约减超新星候范围的新方法(SKLOF)。首先对光谱数据集中离中心点近的数据点进行数据剪枝, 剪掉那些肯定不是超新星候选体的光谱数据对象, 然后利用改进的LOF算法计算剩余的光谱数据的孤立性因子并降序排列进行离群搜索, 最后获得超新星候选体的较小的搜索范围以便进行后续的证认。实验结果表明, 该算法十分有效, 不仅在精确度上有所提高, 而且相比于LOF算法还进一步缩短了算法的运行时间, 提高了算法的执行效率。

恒星的视向速度对于研究银河系的演化结构和动力学有很重要的意义， 同时也是寻找变源和特殊天体的一种手段。 不同的研究对其测量精度有不一样的要求。 使用模板匹配的方法计算不同类型的低分辨率可见光波段恒星光谱的视向速度精度， 从而为不同方面的科学研究提供有效可靠的参考。 分别选取不同光谱型高信噪比的美国斯隆巡天恒星光谱， 并加以噪声来模拟不同信噪比条件下的恒星光谱。 通过分别计算这些恒星样本的视向速度， 定量分析了各种类型的恒星在不同信噪比条件下能达到的视向速度测量精度。 同时， 还就白矮星的视向速度测量精度进行了分析。 结果显示， 对于相同信噪比的早型恒星的视向速度测量精度远没有晚型恒星的测量精度高， 尤其是A型星的视向速度测量标准误差是K型星和M型星的5~8倍。 分析其原因， 主要是由于不同类型恒星的具有不同宽度的谱线所导致的。 因此对于具有更宽谱线的白矮星光谱的视向速度测量误差更大， 可达50 km·s-1。 以上结论将为恒星科学研究提供很好的参考。

扣除天光背景的好坏是影响谱线信噪比很重要的因素, 同时由于天光光纤数量有限以及光谱仪漂移等多方面因素的影响导致减天光是光纤光谱数据处理中公认的难点。 目前已有的减天光方法主要是针对全谱的天光成分扣除, 没有关注在特殊谱线位置上的局部天光情况, 尤其是低红移类星体非常重要的［OIII］线附近的天光背景。 探索了一种局部精细的天光背景扣除方法, 解决了类星体中Hβ-［OIII］的宽线经常受到减天光精度干扰的问题。 利用LAMOST减天光前的原始流量以及相对流量改正数据, 根据同一观测天区的超级天光光谱对背景进行扣除。 实验结果表明, 在不同红移类星体中, 该方法减天光后Hβ-［OIII］区间的光谱质量相对于原始LAMOST光谱批处理程序都有了明显的提高, 这更有利于后续的谱线分析, 同时为少部分LAMOST光谱批处理程序没处理好的特殊光谱提供了补充的解决方法。 该方法目前已应用于搜寻双峰活动星系核候选体的预处理中。

星系红移的自动测量对进行大样本天文学研究如宇宙学大尺度结构研究具有重要意义。 星系一般分为正常星系和活动星系两种, 活动星系光谱一般具有较明显的发射线特征。 文章提出了一种不用精确提取谱线而快速测量活动星系光谱红移的方法。 该方法包括步骤: (1)对待测光谱进行去噪； (2)利用小波变换提取低频成分光谱, 并用去噪后光谱减去低频谱得到残差谱； (3)计算残差谱的均方差, 并保留大于阈值的波长集合(4)根据标准谱线表计算所有候选红移； (5)利用Parzen窗估计方法计算红移密度最大点, 并在邻域内求均值确定最终红移。 对模拟数据和SDSS DR7部分实测数据的测试表明, 该方法是鲁棒的并且具有较高的红移测量正确率。

分析光谱分辨率和信噪比对19个Lick原子吸收线指数测量精度的影响。 采用高斯卷积方法, 将光谱变换到不同分辨率下, 通过测量并比较光谱在不同分辨率下的线指数值探究分辨率改变对线指数测量精度的影响; 通过向光谱叠加符合不同高斯分布的随机噪声方法, 将无噪理论光谱改变到不同信噪下, 通过测量并比较光谱在不同信噪比时的线指数值分析信噪比对线指数测量精度的影响。 结果表明: 改变光谱分辨率能够引起线指数测量值的变化, 此变化程度依赖于分辨率的改变程度, 且此依赖关系对不同指数呈不同变化趋势; 信噪比对线指数测量精度的影响随信噪比的降低而增大, 当信噪比高于25时, 此影响可忽略。

恒星光谱一般具有明显的吸收线或者吸收带特征， 而具有发射线的恒星光谱对应着特殊类型的恒星， 如激变变星、 Herbig Ae/Be等。 对这些光谱的后续研究有着重要的意义。 本文提出了一种能够自动识别发射线恒星光谱的方法。 该方法首先对光谱进行连续谱归一化， 然后通过比较谱线对应的流量及其邻域流量的均值和标准差， 来判断是否存在发射线。 对SDSS DR8大样本数据的实验表明， 该方法能够完整、 准确地识别发射线恒星。 而且， 由于该方法不涉及复杂的变换和运算， 因而识别速度非常快， 可用于诸如LAMOST和SDSS这样大型光谱巡天项目中发现发射线恒星光谱。

提出一种适用于在郭守敬望远镜海量光谱中自动、 快速筛选激变变星的方法。 利用已证认的激变变星光谱作为模板, 通过随机森林分类训练, 得到一个分类模型, 该模型给出了各个波长对应流量的重要性排序, 可根据该排序进行降维并用于激变变星判别, 结果作为反馈进一步丰富模板库。 实验中共发现了16个新的激变变星候选体, 表明了该方法的可行性。