lamost二维数据处理方法研究

《lamost二维数据处理方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中国科学技术大学博士学位论文LAMOST二维数据处理方法研究姓名：秦瀚钦申请学位级别：博士专业：信号与信息处理指导教师：叶中付20100401摘要LAMOST是巾科院国家天文台主导研制的具有世界领先水平的大型天文望远镜，与其他I司类望远镜相比，它兼具大口径和大视场两个优点，同时它配备了更多数目的光纤和先进的光谱仪，这些技术上的优势将使LAMOST的观测效率和观测深度远远超出其他同类望远镜。二维光纤光谱数据处理系统是LAMOST望远镜的重要组成部分，它对望远镜观测的原始光谱进行处理，获取有科学价值的一维目标天体光谱，供

2、后续天文学者的研究。LAMOST观测的光谱数据量巨大，并且系统的规模和复杂度大大超出I司类的望远镜，凶此对二维数据处理系统提出了更高的要求。本论文选取LAMOST-二维数据处理系统作为研究课题，简要介绍了项目的背景和整体情况，重点分析了二维数据处理的各个流程，着重分析每个处理流程对后续处理的影响。在此基础上，确定了光谱抽取和波长定标两个处理流程作为本论文研究的重点内容：同时，结合作者本人参与LAMOST项日期间所作的具体工作，将实测数据的处理作为另一个研究的重点。本论文的主要研究工作和创新之处有以下几点：研究了基于双

3、高斯径向基函数的光谱抽取算法。首先，介绍了已有的多目标光纤光谱抽谱算法，并分析了这些方法应用于LAMOST光谱抽取存在的不足：随后，根据LAMOST光纤光谱的成像模型，提出了基于径向基函数网络的光谱抽取算法。为了验证该算法的可行性，先是选取简单的单高斯函数作为基函数进行实验。为了更好的满足LAMOST光谱抽取的要求，针对其光纤光谱轮廓本身的特点，提出了双高斯基函数模型，并研究了适当的迭代逼近算法。最后，利用LAMOST和SDSS的实测数据，以及针对性的模拟数据，对算法进行了验证。实验结果表明，所研究的新算法，在抽谱信

4、噪比、抽谱精度、对交叉污染的抑制以及对轮廓非对称性修正等方面都可以满足LAMOST光谱抽取的要求。研究了无需人工干预和先验知识的自动波长定标算法。首先，介绍了多日标光纤光潇波长定标的任务要求和意义：并结合LAMOST光纤光谱本身的特摘要点，分析了现有方法用于LAMOST波长定标的不足之处；然后，根据LAMOST波长定标灯谱局部线性的特点，设计了自动的波长定标算法，详细介绍了该算法的处理步骤。最后，利用LAMOST的实测数据和模拟数据，对自动波长定标算法进行了验证。实验结果表明：自动波长定标算法的精度满足LAMOST二

5、维数据处理的要求；算法的运行时间远远小于人工干预和基于先验知识的波长定标方法；算法能很好地抑制定标灯谱中噪声的影响，具有良好的稳健性。利用实测数据对LAMOST二维光纤光谱数据处理软件的性能进行了检验，并针对实际处理中出现的问题，对二维数据处理软件进行了必要的改进和完善。实验选取了光谱仪调试期间、LAMOST小系统联调期间和LAMOST试观测期问这三个关键节点的实测数据。对光谱仪调试期问实测数据的处理，测试了其主要性能指标，同时根据数据处理结果为光谱仪调试和验收工作提供了积极的建议。对LAMOST小系统联调期间实测数

6、据的处理，检验了二维数据处理的大部分流程，并针对小系统自身的特点，对二维数据处理软件进行了必要的改进和完善；同时也为各个了系统的联调工作提供了有益的参考。对LAMOST试观测期间实测数据的处理，检验了二维数据处理软件的所有流程，并根据数据处理中出现的问题，对二维数据处理软件进行了全面的改进和完善；同时也获得了一批有科学价值的目标天体的红蓝端全波段完整光谱，有利于天文学家通过LAMOST系统开展天文课题的研究。关键词：LAMOST光纤光谱数据处理减天光光谱抽取波长定标AbstractABSTRACTLAMOSTisaw

7、orld’sleadinglargeastronomicaltelescopeindependentlydevelopedbyNationalAstronomicalObservatories，CAS．Comparedwithothersimilartelescopes，ithastwoadvantagesaslargediameterandlargefield．Moreover,itisequippedwithagreaternumberoffibersandadvancedspectrographs．Theset

8、echnicaladvantagesmaketheobservationefficiencyandobservationdepthofLAMOSTfarbeyondtheothersimilartelescopes．Two-dimensionalspectrareductionsystemisanimportantpartofLAMOST．It