LAMOST一维光谱提取算法的分析与比较

发布时间：2021-08-27 22:20

　　针对LAMOST （Large Sky Area Multi-Object Fiber Spectroscopic Telescope）2维光谱图像数据,对6种抽谱算法进行了分析与比较.比较的算法包括孔径法、轮廓拟合法、直接反卷积方法、基于Tikhonov正则化的反卷积抽谱算法、基于自适应Landweber迭代的反卷积抽谱算法以及基于Richardson-Lucy迭代的反卷积抽谱算法.通过实验对这些算法在信噪比和分辨率两个方面进行了比较,发现基于Tikhonov正则化的反卷积抽谱算法、基于自适应Landweber迭代的反卷积抽谱算法以及基于RichardsonLucy迭代的反卷积抽谱算法是6种算法中最为可靠的3种抽谱算法.最后,对今后的工作进行了展望. 

【文章来源】：天文学报. 2020,61(03)北大核心CSCD

【文章页数】：12 页

【部分图文】：

生成2维光谱模拟图像的1维输入光谱

具体做法是:在给定波长处将光通量在空间方向上固定大小的孔径中积分,所得到的积分值就是该波长处的流量值.1维抽谱结果就是这些积分值沿波长方向的排列.如图1所示,孔径的大小关系到光谱流量提取的准确性,图中孔径大小为2N+1,N表示孔径边缘到中心的距离.一般孔径的宽度大于光谱轮廓的半高全宽,而小于相邻两条光纤的间隔距离.基于孔径法的光谱流量抽取算法可以通过下式进行描述:

其中,f(x,y)和η(x,y)分别表示在CCD上(x,y)处的光谱流量值和噪声流量值;g(λ)是波长λ处的真实流量,就是我们要抽谱得到的流量;hλ(x,y)是波长λ处的PSF在CCD上(x,y)处的值.为了将(3)式离散化,文献[12]对CCD上的每个像素进行编号,从1到CCD像素的总个数.假设CCD有M行J列,则CCD的像素总个数为L=M×J.用矩阵A来描述校正系统,其中的元素Atl描述了波长为l的一束单色输入光在CCD中第t个像素的流量值(不包含噪声).校正矩阵A包含了波长校准,光谱轨迹位置,PSF的形状及其对位置的依赖性等所有影响.A通常为稀疏矩阵,因为在给定光纤中给定波长处的输入只会影响一定范围内的CCD像素,而非整个CCD的所有像素.对于1维输入光谱的向量g,观测CCD像素流量值的向量f可以表示为:

【参考文献】：
期刊论文
[1]基于深度学习的LAMOST光谱分类研究[J]. 许婷婷,马晨晔,张静敏,周卫红.  天文学报. 2019(02)
[2]一种基于二维算法的新颖的多目标光纤光谱数据处理流程[J]. 张博,叶中付,徐旭.  天文学报. 2016(01)



本文编号：3367205