LAMOST光谱数据处理新技术研究

This project studies the theory and method of the LAMOST multi-fiber spectrum image data processing, and aims to break through the bottleneck of the data processing and improve the data quality and observation efficiency of LAMOST under the condition that the telescope hardware system couldn't be further improved. Build a complete imaging model of the multi-fiber spectrum image according to the LAMOST systematic observation model; Study blind source separation algorithms, and separate the different sources of signal and noise from the observed multi-fiber spectrum images; Explore the multi-fiber spectrum image aberration correction, and modify the field curvature and distortion aberration of the Spectroscope; Develop and improve the two-dimensional blind deconvolution algorithm and improve the precision of the spectra extraction; Study the data mining based on deep learning, build the deep learning network for low quality spectral data processing, and perform data mining for those low quality useless spectra observed by LAMOST. Develop the world's leading technology for two-dimensional spectral data processing, and build the two-dimensional spectral data processing platform for LAMOST.

本项目研究LAMOST多光纤光谱图像数据处理的理论与方法，旨在突破数据处理的瓶颈，使LAMOST在望远镜硬件系统无法进一步提升的条件下，数据质量和观测效率得以大幅提升。根据系统观测模型，构建LAMOST多光纤光谱图像的成像模型；研究多源信息的盲源信号分离，将不同源的信号及噪声从观测到的多光纤光谱图像中分离出来；研究多光纤光谱图像的像差校正，修正光谱仪的像场弯曲及畸变像差；发展并改进二维盲反卷积抽谱算法，提高抽谱精度；研究基于深度学习的数据挖掘方法，构建适用于低质光谱数据处理的深度学习网络，对LAMOST产生的大量的目前无法使用的低质光谱进行数据挖掘；发展世界领先的二维光谱数据综合处理技术，构建面向LAMOST的二维光谱数据处理应用平台。

本项目研究LAMOST多光纤光谱图像数据处理的理论与方法：研究了LAMOST 光谱图像的成像模型和反卷积抽谱，提出了反卷积光谱抽谱方法、基于自适应Landweber迭代的反卷积抽谱算法、基于 Rrichardson-Lucy迭代的反卷积抽谱算法；研究了二维光纤光谱图像像差校正，提出了基于前馈神经网络的光谱图像像差校正方法；研究了LAMOST二维光谱减天光，建立了天光光谱模型，提出基于改进的KICA的减天光方法；研究了低信噪比天体光谱的识别与数据挖掘，提出了基于非参数回归与Adboost、基于卷积神经网络、基于深度学习网络的恒星光谱自动分类方法，设计了两层聚类算法对星系光谱进行聚类， 探索了一种基于随机森林的恒星光谱分类和特征评价方法，提出利用伪逆学习算法优化稀有天体搜寻的混合专家分层模型；研究了天体光谱的物理参数估计，提出基于遗传优化的BP神经网络的测光红移估计算法，一种测量LAMOST恒星光谱大气参数的回归方法KPCA-ENT和一种基于极端随机数模型的恒星大气参数测量算法； 研究了稀有天体（脉冲星）的识别，提出了生成式对抗网络、集成网络等方法;在机器学习理论方面，研究了深度卷积神经网络、伪逆学习、概率加权正则化、注意力机制等模型，并应用于天体光谱的分类识别中。

内容获取失败，请点击重试