LAMOST光譜數(shù)據(jù)的二維處理關(guān)鍵技術(shù)研究.pdf

1、多目標(biāo)光纖光譜望遠鏡可以同時獲取大量的不同天體的光譜數(shù)據(jù)，通過光譜儀后經(jīng)過光纖的傳輸從CCD相機中獲取二維光譜圖像，之后經(jīng)過光纖光譜數(shù)據(jù)處理系統(tǒng)的處理輸出需要的光譜數(shù)據(jù)并存儲起來。
　　多目標(biāo)光纖光譜數(shù)據(jù)處理的準確度關(guān)系到光譜的利用率、準確性以及完整性，獲得的光譜數(shù)據(jù)對后續(xù)的天文學(xué)研究至關(guān)重要。因此設(shè)計合理的光纖光譜數(shù)據(jù)處理系統(tǒng)并提高數(shù)據(jù)處理的準確度具有重要的意義和價值。
　　本文首先介紹了多目標(biāo)光纖光譜望遠鏡的原理及獲取的

2、光譜數(shù)據(jù)類型和特征，然后以LAMOST為例，分析二維光譜的形成機理，并據(jù)此重新設(shè)計基于二維模型和算法的光纖光譜數(shù)據(jù)處理系統(tǒng)，著重研究其中的抽譜和減天光兩大核心數(shù)據(jù)處理模塊，并將稀疏表示和凸優(yōu)化等相關(guān)算法應(yīng)用到其中，分別提出兩種基于二維模型的抽譜算法、基于一致性約束和稀疏約束的非負矩陣分解減天光算法以及基于主成分分析的二維天光建模減天光算法。
　　本文的主要工作和創(chuàng)新點如下:
　　1.研究并設(shè)計了基于二維模型和算法的LAMOS

3、T數(shù)據(jù)處理系統(tǒng)流程。設(shè)計的核心是根據(jù)二維光譜的形成機理，充分考慮到空間和波長兩個方向的光譜信息，保持二維光譜數(shù)據(jù)的完整性，所有的核心算法步驟都是基于二維模型算法的，并將抽譜這一從二維光譜中還原出一維光譜的降維過程放至核心步驟的最后。在完成減本底、宇宙射線檢測、光纖追跡等預(yù)處理步驟后，首先進行基于二維模型算法的波長定標(biāo)和流量定標(biāo)處理，其次進行基于二維模型算法的減天光處理，然后進行基于二維模型的抽譜處理，從二維目標(biāo)光譜中還原出原始的一維輸入

4、目標(biāo)譜，最后進行光譜合并等后續(xù)處理，輸出一維光譜數(shù)據(jù)。
　　2.研究了光譜抽取這一核心模塊的算法。提出了兩種基于二維模型的抽譜算法?；诙S模型的抽譜算法分為兩大主要步驟:建立模擬光譜輪廓特征的二維點擴展函數(shù)矩陣和建立抽譜方程并求解。鑒于光譜輪廓在空間和波長方向都是近高斯分布的，提出了一種改進的基于二維高斯模型的抽譜算法。利用輪廓信號的相關(guān)性以及噪聲的不相關(guān)性，通過與二維目標(biāo)對應(yīng)的平場光譜和定標(biāo)燈譜，采用最小二乘法分別估計出二維高

5、斯模型的空間和波長方向的參數(shù)，建立基于二維高斯模型的點擴展函數(shù)矩陣。另外，考慮到實際輪廓的非對稱性，提出了一種更為靈活、自適應(yīng)性更強的基于二維指數(shù)多項式模型的抽譜算法。在空間和波長方向分別通過兩個指數(shù)多項式的拼接建立基于二維指數(shù)多項式模型的點擴展函數(shù)矩陣。其中空間和波長方向多項式系數(shù)的求解也是采用最小二乘法分別通過二維平場光譜和定標(biāo)燈譜采樣估計出的。在完成了點擴展函數(shù)矩陣的建立后，就可以根據(jù)二維光譜的形成原理建立抽譜矩陣方程，準確地估計

6、出抽譜方程的解是需要解決的難點。本文創(chuàng)新性地提出了利用Barzilai-Borwein梯度投影稀疏重建算法(Barzilai-Borwein Gradient Projection for Sparse Reconstruction, GPSR-BB)求解抽譜方程，解決了矩陣求逆導(dǎo)致的振鈴問題，較為準確地估計出了原始一維輸入光譜，完成了基于二維算法的抽譜處理。
　　3.研究了高精度的減天光算法。提出了兩種高精度的減天光算法。從天光

7、建模算法本身出發(fā)，根據(jù)天光發(fā)射線的特征，將非負矩陣分解的相關(guān)算法應(yīng)用于天光建模中，提出了基于一致性約束和稀疏約束的非負矩陣分解減天光算法。根據(jù)天光發(fā)射線稀疏分布的特征以及不同天光光譜在相同波長位置流量的一致性的特征，設(shè)計了一種基于一致性約束和稀疏約束的非負矩陣分解算法。然后利用設(shè)計的算法對天光采樣矩陣和目標(biāo)采樣矩陣分別進行訓(xùn)練和測試，構(gòu)建天光模型，從目標(biāo)光譜中減去建立的天光流量就完成了減天光處理。然后從二維的減天光模型算法的角度出發(fā)，利