《LAMOST光譜數據處理新技術研究》是依託北京師範大學，由郭平擔任項目負責人的聯合基金項目。
基本介紹
- 中文名：LAMOST光譜數據處理新技術研究
- 依託單位：北京師範大學
- 項目負責人：郭平
- 項目類別：聯合基金項目
項目摘要,結題摘要,
項目摘要
本項目研究LAMOST多光纖光譜圖像數據處理的理論與方法，旨在突破數據處理的瓶頸，使LAMOST在望遠鏡硬體系統無法進一步提升的條件下，數據質量和觀測效率得以大幅提升。根據系統觀測模型，構建LAMOST多光纖光譜圖像的成像模型；研究多源信息的盲源信號分離，將不同源的信號及噪聲從觀測到的多光纖光譜圖像中分離出來；研究多光纖光譜圖像的像差校正，修正光譜儀的像場彎曲及畸變像差；發展並改進二維盲反卷積抽譜算法，提高抽譜精度；研究基於深度學習的數據挖掘方法，構建適用於低質光譜數據處理的深度學習網路，對LAMOST產生的大量的目前無法使用的低質光譜進行數據挖掘；發展世界領先的二維光譜數據綜合處理技術，構建面向LAMOST的二維光譜數據處理套用平台。
結題摘要
本項目研究LAMOST多光纖光譜圖像數據處理的理論與方法：研究了LAMOST 光譜圖像的成像模型和反卷積抽譜，提出了反卷積光譜抽譜方法、基於自適應Landweber疊代的反卷積抽譜算法、基於 Rrichardson-Lucy疊代的反卷積抽譜算法；研究了二維光纖光譜圖像像差校正，提出了基於前饋神經網路的光譜圖像像差校正方法；研究了LAMOST二維光譜減天光，建立了天光光譜模型，提出基於改進的KICA的減天光方法；研究了低信噪比天體光譜的識別與數據挖掘，提出了基於非參數回歸與Adboost、基於卷積神經網路、基於深度學習網路的恆星光譜自動分類方法，設計了兩層聚類算法對星系光譜進行聚類， 探索了一種基於隨機森林的恆星光譜分類和特徵評價方法，提出利用偽逆學習算法最佳化稀有天體搜尋的混合專家分層模型；研究了天體光譜的物理參數估計，提出基於遺傳最佳化的BP神經網路的測光紅移估計算法，一種測量LAMOST恆星光譜大氣參數的回歸方法KPCA-ENT和一種基於極端隨機數模型的恆星大氣參數測量算法； 研究了稀有天體（脈衝星）的識別，提出了生成式對抗網路、集成網路等方法;在機器學習理論方面，研究了深度卷積神經網路、偽逆學習、機率加權正則化、注意力機制等模型，並套用於天體光譜的分類識別中。
