罗阿理
- 作品数：92 被引量：232H指数：8
- 供职机构：中国科学院国家天文台更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划国家重大科学工程更多>>
- 相关领域：天文地球自动化与计算机技术电子电信机械工程更多>>
- 基于统计窗的恒星连续谱自动拟合方法
- 2012年
- 提出一种基于统计窗的恒星连续谱拟合方法。该方法将恒星光谱划分为若干个统计窗,在每个窗口内根据信噪比选取一定比例的流量点,然后对选出来的流量点进行低阶多项式迭代拟合,从而得到连续谱。实验表明,与其他方法相比,该方法得到的连续谱更接近于实际连续谱。该方法对SDSS中除M外的各种光谱型连续谱的拟合均具有很高的实用性和鲁棒性,对于郭守敬望远镜(LAMOST)先导巡天恒星光谱的连续谱拟合同样具有非常好的效果。
- 潘景昌汪惺惺韦鹏姜斌屠良平罗阿理
- 关键词：恒星光谱连续谱统计窗
- 基于轨迹聚类的天光光谱特征分析被引量：4
- 2019年
- 天光背景扣除是LAMOST 1D光谱数据处理中重要的环节,其扣除好坏直接影响光谱产品质量,因此构造理想的超级天光光谱模型具有重要的意义。通常超级天光是由与目标天体同时观测的天光光纤光谱构造而成,同一区域的天光背景可能随着不同的观测时刻有着规律性的变化特征(如月相变化),如果能充分分析并利用这些特征,可有效校正超级天光模型,从而提高减天光效果。轨迹聚类方法是一种分析目标随时、空变化特征的有效工具,针对LAMOST天光光谱中可能存在的变化规律,给出一种基于轨迹聚类的天光光谱特征分析方法。主要分以下三部分:首先是天光光谱的时序化描述。LAMOST pipeline采用且提供了每个观测天体的即时超级天光光谱,为了获取特定天区背景天光的光变特征,需选择天光光纤光谱以及扣除目标天体光谱的背景光谱,以5°视场(LAMOST望远镜视场)为单位,按观测日期MJD均匀分组,从而对特定区域的天光光谱进行了时序化表征;其次给出基于密度的天光光谱数据聚类算法STK-means。为解决随机参数导致收敛及聚类效果不理想的问题,在分析天光光谱时序数据特征的基础上,给出基于密度的相似性度量公式,并作为传统k-means聚类的初始参数选择依据,从而给出基于密度的天光光谱数据聚类算法STK-means;最后进行实验分析。实验验证了该方法的正确性和有效性以及不同初始参数K值的选择对聚类结果的影响。在此基础上,利用STK-means聚类方法,对LAMOST第一期巡天中一个完备小天区的天光光谱时序数据进行了轨迹特征分析,结果表明,除个别光谱质量较差或常说异常外,该特定区域的天光背景以农历每月十五、十六为中心向两边呈对称分布,反映了该区域观测过程中受月相的影响变化情况,该特征经量化后可为校正超级天光模型提供一种有效途径。同时,由于时序化�
- 蔡江辉杨雨晴杨海峰罗阿理孔啸张继福
- 关键词：轨迹聚类
- LAMOST天体光谱数据开放共享的回顾与展望被引量：2
- 2022年
- 大天区面积多目标光纤光谱天文望远镜(LAMOST,也称郭守敬望远镜)是国家重大科技基础设施。其每天观测获取的原始数据及经过处理产生的次生数据,可以通过LAMOST数据发布平台实现开放共享。本文回顾近10年来LAMOST数据开放共享历程。对LAMOST数据发布批次、数据概况、发布系统架构及功能等进行概述,并总结相关科学成果,展望未来发展。LAMOST数据开放共享促进了中国虚拟天文台技术的进步,符合未来科学数据管理的发展方向,推动了科研模式的变革。
- 李珊珊樊东卫崔辰州何勃亮陶一寒霍志英米琳莹罗阿理陈建军侯文孔啸李荫碧郭炎鑫李双李长华许允飞韩军杨丝丝杨涵溪赵永恒
- 关键词：开放共享虚拟天文台
- 基于二元PCA特征谱的星系光谱成分快速扣除
- 2010年
- 实际观测天体目标光谱如超新星和活动星系核光谱常常混有寄主星系成分,这对目标天体光谱的类别和性质证认识别会造成困难。文章提出了一种快速有效的称为二元PCA特征谱分解的星系扣除算法。该算法首先计算了星系样本模板库和超新星样本模板库各自的PCA特征光谱,然后对特征光谱组通过正交变换得到混合空间的一组标准正交基,进而利用混合光谱在该标准正交基上的分解系数计算该光谱在原特征光谱组的分解系数,获得星系超新星混合光谱的快速分解,系数计算也可通过SVD矩阵分解得到,但计算效率较低。实验表明,该方法优于常用的直接PCA投影重构分解方法,与另一种χ2模板拟合方法扣除星系成分相比,在保持分解效果基本不变的前提下,时间消耗则大大降低,从而使该方法可应用到大规模光谱数据处理中。
- 屠良平吴福朝罗阿理赵永恒
- 关键词：主成分分析正交变换
- 恒星光谱参数自动测量中不同模板匹配度量方法比较被引量：2
- 2013年
- 模板匹配方法是恒星光谱参数自动测量中常用的方法之一。对经常使用的三种模板匹配算法:K-最近邻算法(KNN)、卡方最小化算法和光谱相似度算法测量恒星光谱参数结果进行比较。首先对光谱进行连续谱归一化及流量归一化,然后对三种算法测量恒星光谱参数的结果进行比较。对SDSS DR8大样本数据的实验表明,光谱相似度算法在测量恒星光谱参数中有相对优势。
- 刘杰潘景昌刘猛韦鹏罗阿理
- 关键词：K-最近邻LAMOST
- 前照条件下LAMOST焦面板光纤单元定位精度检测系统设计被引量：3
- 2014年
- 大天区面积多目标光纤光谱望远镜(Large Sky Area Multi-object Optical Spectroscopic Telescope,LAMOST)是目前国际上口径最大、视场最宽、光谱获取率最高的大型施密特望远镜,通过借助并行可控式双回转光纤定位系统,其焦面系统上的4 000根光纤可以在数分钟内按预定天体坐标快速精确地对准各自观测目标并进行精调。望远镜观测时每一个光纤单元定位情况的好坏直接决定接收天体光谱的质量,然而目前针对光纤定位精度情况仅有的信息就是定位时光纤单元步进电机驱动情况的反馈,是一个内部信息,并不全面,无法给出每一个光纤单元的实际定位精度情况。因此需要搭建一个可用于LAMOST现场的检测系统,在望远镜观测间隙,在前置光源照明条件下,可以第一时间获取焦面板光纤单元定位图像,快速分析之后,检测出定位误差较大的光纤单元,由此决定进一步观测处理措施,以保证观测光谱的有效性和准确率。
- 汪梦欣陈笑然罗阿理宋轶晗刘力力
- 关键词：摄影测量
- 核回归方法在恒星光谱物理参量自动估计中的应用被引量：3
- 2009年
- 恒星大气物理参量(有效温度、表面重力、化学丰度)是导致恒星光谱差异的主要因素。恒星大气物理参量的自动测量是LAMOST等大规模巡天望远镜所产生的海量天体光谱数据自动处理中一个重要研究内容。文章采用两种非线性核回归方法对低分辨率恒星光谱进行3个物理参量的自动估计:核最小二乘回归(KLSR),核PCA回归(KPCR)。实验表明:(1)KLSR与KPCR可以实现光谱到表面有效温度和表面重力的回归,但是KLSR对噪声敏感,KPCR鲁棒性好于前者;(2)对于温度参数估计,两种算法具有相近的估计效果;对于表面重力和化学丰度估计,KPCR优于KLSR和非参数回归方法;(3)KLSR与KPCR方法实现容易,模型的训练速度快,运算复杂度小,适用于恒星光谱物理参量的自动测量。
- 张健楠吴福朝罗阿理
- 关键词：恒星光谱
- 基于质量估计的恒星大气参数的自动测量
- 2015年
- 近些年海量恒星光谱数据的获取使得恒星三个基本参数(表面有效温度Teff,表面重力log g,金属丰度[Fe/H])的自动测量方法研究成为一个重要的研究课题,相应对恒星大气物理参数测量的研究将对科学家研究宇宙演化等重大科学问题具有重要的意义。但是目前国内外针对此问题所做的研究并不是很广泛深入,且已有的一些方法还不能够完全准确地估计出恒星的大气物理参数。因此本文研究了一种基于质量估计的恒星大气物理参数自动测量方法,该方法计算量比较小,其主要思想是首先建立一些质量分布,将原始光谱数据经过质量估计算法映射到新的质量空间,然后在质量空间利用支持向量机回归对恒星的三个基本物理参数进行估计。在实验中,从SDSS-DR8光谱数据库中选择部分实测光谱数据来进行训练和测试,并将该方法预测出的参数结果与SSPP给出的参数值进行了对比,取得了比较理想的结果。实验结果表明,该研究方法的准确率更高,预测结果更稳定,训练所用的时间短,在恒星大气物理参数自动测量上是行得通的,可以有效地测量恒星的大气物理参数。
- 屠良平魏会明罗阿理赵永恒
- 关键词：恒星光谱参数测量
- 一种抗噪声的M型星视向速度测量方法被引量：1
- 2017年
- M矮星是银河系中最普遍的恒星,它们的运动状况能提供银河系演化的线索,视向速度(RV)是反映M矮星运动状况的重要参数之一。我国的大科学工程LAMOST巡天项目已经获得了数十万M型星光谱,测量这些恒星的视向速度需要自动、高效的程序。计算M矮星视向速度的一般方法是将观测光谱与模板光谱进行交叉相关得出。然而在实际处理过程中,由于本质上的不同或者噪声的影响,一些观测光谱和模板光谱错误匹配,从而使得这些光谱的视向速度测量产生偏差。为了减少噪声等因素的影响,对于信噪比较高、但局部有较强噪声的光谱,采用统计与经验特征相结合的方法选取光谱中的有效特征段、避开噪声污染的波段计算M型星的视向速度。利用该方法对LAMOST DR3 M型星星表中的部分实测光谱测量了视向速度,将之与APOGEE星表中的对应视向速度进行了对比。结果表明该方法有效地减少了局部噪声对视向速度的影响,提高了视向速度测量的准确率。
- 衣振萍潘景昌宋轶晗罗阿理
- 关键词：视向速度LAMOST光谱
- 自适应增强方法在光谱自动分类中的应用被引量：2
- 2008年
- 针对活动星系核(AGN)光谱中发射线的不同特征,在恢复到静止系状态后的光谱上截取具有有效特征的波段范围,采用自适应增强(Adaboost)的方法,对宽线和窄线AGNs进行特征融合的分类实验,经分析,确定了以Hα和[NⅡ]发射线为主的波段为宽线和窄线AGNs光谱的主要区别特征。再单独对Hα和[NⅡ]发射线为主的波段,用自适应增强的方法对其进行光谱分类。自适应增强方法在训练过程中不断地加入"弱分类器",直到达到某个预定的足够小的误差率或一定的循环次数,最后构成的总体分类器的分类判决由这些"弱分类器"各自的判决结果的投票来决定。此方法不需要事先调节参数,且"弱分类器"的分类结果只需好于随机猜测,算法简单。实验证明,对于单独采用以Hα和[NⅡ]发射线为主的波段,自适应增强方法能达到较好的分类效果,从而可有效地应用于大型光谱巡天所产生的活动星系核光谱的自动分类中。
- 赵梅芳罗阿理吴福朝赵永恒
- 关键词：活动星系核弱分类器
