天体光谱信号的自动识别方法研究

《天体光谱信号的自动识别方法研究》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、中国科学院研究生院博士学位论文天体光谱信号的自动识别方法研究姓名：覃冬梅申请学位级别：博士专业：模式识别与智能系统指导教师：胡占义;赵永恒20030601摘要在我国建造的LAMOST望远镜建成后，每晚将有2-4万条光谱需要进行自动的分类识别及参数测量，因此急需研究相应的技术和算法。本文针对天体光谱的自动识别问题进行了研究。结合已有的技术，与天文学家共同设计了自动识别与分析的流程图。并针对关键的粗分类环节的不足，进行低信噪比光谱的自动识别研究。对恒星细分类问题，针对快速性和流量未定标情况的识别需求，进行自动识别研究。论文的主要工作有以下五个方面：(1)NOs与ELOs的自动识别研究根据光谱是吸

2、收型或发射型，可以把天体分成正常天体(NOs)与发射线天体(ELos)。由于吸收、发射型光谱的通常判断方法(通过判别吸收或发射特征谱线的多寡确定吸收型或发射型光谱)对信噪比较低时的光谱效果不好，因此，我们提出基于PCA三维特征空间及SVMs算法寻找分类面的识别方法。该方法通过对河外天体光谱进行红移模拟，得到红移光谱较全的样本集，并采用PCA方法提取三维特征矢量，为SVMs分类面寻找提高了速度。另外，SVMs分类面能有好的推广性能。通过实验表明，此方法具有训练和识别速度快，精度高，鲁棒性强的特点。(2)恒星与NGs的自动识别研究在红移值未知的时候，恒星与正常星系(NGS)的自动识别，可以通过判

3、断6563A处附近是否有吸收线来确定是恒星，但在低信嗓比光谱中，由于噪声的影响，容易造成“真”谱线提取不出来，而提取出来的有“假”谱线。为此，我们提出了基于SMM．RBFNN的恒星与NGs识别方法。该方法先采用PCA对红移模拟的NGs样本和恒星一起进行特征提取。在50维的特征空间中，采用组合径向基网络——sMM．RBFNN作为识别器。由于SMM．RBFNN是对RBF网络的识别性能采用混合概率模型建模，并采用类EM算法对各模块的参数进行协同训练，因此，它的识别性能比单个的RBF网络效果好。实验证明，该方法的训练速度快，识别精度高，鲁棒性强，适合于低信噪比下的光谱识别。(3)NGs与AGs的自动

4、识别研究NGs与AGs的识别研究是第(1)问题的子问题，我们通过PCA+ODP方法，可以找到各种红移下的两类光谱按类在ODP平面呈现规律的分布，因此作为单独的内容进行讨论。采用ODP识别器在实验中获得了较高的识别精度。该方法为深入研究天体光谱不随红移改变的类型分布奠定了基础。(4)恒星的光谱型自动识别研究针对已有神经网络技术中的速度问题和巡天观测中的光谱流量未定标情况，提出了如下方法：a．基于PCA的二维快速恒星光谱型分类方法；b．基于小波方法逼近连续谱、去噪得到谱线信息，以及PCA提取特征的模糊c均值分类方法。方法a只利用了PCA提取的二维恒星特征空间，分析恒星在其中有规律的分布，采用最近

5、邻分类器进行二维的特征分类。该方法计算量小，速度快，精度较高，适合于海量天体光谱的自动识别。方法b只利用了谱线信息作为特征设计分类器，因此该方法适用于因流量未定标而连续谱不准确的光谱识别。(5)恒星的光谱次型自动识别研究针对已有的平均BP网络技术，提出组合RBF网络——sMM．RBFNN在恒星光谱次型的识别闽题上具有更好的性能。平均BP网络只对其中的BP网络模块采用平均投票的机制，能抑制一些由于初始化的随机性带来的收敛结果非全局最小值而可能导致的识别偏差。SMM—RBFNN采用全局建模，对各子网络模块的输出采用混合撅率模型，因此能提高整体网络的识别性能。实验证明。它的光谱次型识别器的训练速度

6、快，识别精度较高。关键词：天体光谱，自动识别，PCA，SVMs，SMM．RBFNNStudiesonautomatedspectralrecognitionofcelestialobjectsAbstractAtierthescheduledcompletionofLAMOSTprojectinChinaattheendof2004．about20，000to40，000spectrawillbecollectedateachobservationnight，suchvoluminousdataurgentlydemandtoexploreautomaticrecognitionandpar

7、ametersmeasurementmethodsconsequently．Thisthesisisfocusedonautomatedrecognitionmethodsofcelestialobjectsviatheirspectra．SinceitisexpectedthatthecollectedspectrainLAMOSTwillbeoflowSNR，andofuricalibratedfluxi