连续谱异常是指恒星光谱在获得和处理过程中由于星际消光和流量定标等原因造成连续谱严重偏离甚至中断的现象, 这对光谱的谱线提取以及其他一些后续处理工作带来负面影响。 提出了一种基于距离度量的连续谱异常光谱的自动检测方法, 相比传统人眼检查在保证正确率的情况下大大地提高了工作效率。 该方法首先通过光谱的lick线指数来确定待测光谱的恒星类型, 同时对待测光谱进行归一化处理； 然后分别提取待测光谱和对应类型模板光谱的连续谱； 最后进行连续谱模板匹配, 在每个波长点计算待测光谱和其模板光谱的流量差值, 分析流量差值的分布, 检验有多少差值点分布在在均值(β)附近的±α个标准差(δ)的范围内, 进而可确定是否有连续谱异常。 实验表明提出方法的可以快速有效的识别出连续谱异常的恒星光谱。

天光作为一种主要的噪声, 叠加在目标天体光谱之中, 降低了光谱的信噪比。 经过减天光处理后, 若光谱中仍含有大量强度高的天光残差将不利于对目标光谱的后续分析。 自动识别减天光异常恒星光谱的研究较少, 目前只能通过人工检测的方法去寻找减天光异常的光谱, 效率较低。 首先对影响减天光结果的因素进行分析, 找出减天光异常光谱的特征, 然后提出一种简单有效的方法能够自动识别LAMOST巡天经过Pipeline处理之后仍然存在减天光异常的恒星光谱并检测其位置。 该方法先对光谱进行归一化处理, 然后通过检测天光线附近是否有一定强度的类似发射线或吸收线的残留来判定该天光线位置是否出现减天光异常, 最后得出光谱中所有的减天光异常的天光位置。 通过对LAMOST光谱数据的实验表明, 这种方法可以有效识别出减天光异常的光谱和发现不同残留强度的天光线异常位置, 并且该方法简单易懂, 识别效率高, 可以应用于大量的减天光异常光谱的识别与检测问题。

模板匹配方法是恒星光谱参数自动测量中常用的方法之一。 对经常使用的三种模板匹配算法: K-最近邻算法(KNN)、 卡方最小化算法和光谱相似度算法测量恒星光谱参数结果进行比较。 首先对光谱进行连续谱归一化及流量归一化, 然后对三种算法测量恒星光谱参数的结果进行比较。 对SDSS DR8大样本数据的实验表明, 光谱相似度算法在测量恒星光谱参数中有相对优势。

采用模板匹配方法进行恒星光谱的自动处理时, 不需要计算光谱的线指数, 而采取对全谱匹配的方法尽可能多的保存有用的信息, 可得到比较理想的结果。 提出一种基于光谱相似度的恒星大气参数自动测量的方法。 首先对恒星光谱进行连续谱归一化, 然后通过计算待测光谱和模板光谱之间的相似性来进行模板匹配, 从而得到相对准确的恒星大气参数。 通过ELODIE实测光谱数据和NGS理论模板库之间的实验表明, 本方法可有效进行恒星大气参数的自动测量, 并能得到理想的结果。

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。

恒星光谱数据的自动识别与分类是现代巡天望远镜所产生的海量光谱数据处理的一项重要研究内容。针对流量未定标的低分辨率恒星光谱设计了一种有效的自动分类方案,实现恒星光谱的MK分类:光谱型及其次型分类,光度型分类。该方案由三部分实现:(1)连续谱归一化:基于小波技术提取低频信号逼近连续谱的方法;(2)七种光谱型及其次型的分类通过非参数回归方法实现。(3)光度型分类通过基于最近邻的χ² 方法实现。实验结果表明该方案能够有效实现恒星光谱的MK 分类,光谱型及其次型的分类精度为3.2个光谱次型,栺灢桋光度型的正确识别率为60%,次优统计率为78%。该方案训练速度快,方法实现容易,适用于海量恒星光谱自动分类处理系统。