LAMOST恒星分类模板间相似性度量分析

随着获取和收集天文光谱大数据能力的与日俱增,合理利用计算科学技术正确地分析海量光谱的处理方法及结果统计。前述工作采用了欧氏距离分析判别LAMOST实测光谱与模板之间相似度的研究,研究恒星分类准确性取决于高质量的模板光谱,选取LAMOST光谱在用的分类软件中183个恒星模板光谱,分别利用欧氏距离和马氏距离方法得出A,F,G,K和M型恒星模板间的均值和最大值,完成每条谱线相互之间的相关性分析,找出相对距离较大的模板及形成原因。相似度度量可视化实验数据结果表明模板之间具有一定的区分度,通过马氏距离分析模板间相似性能更进一步辨识出相近模板之间的细微差别,具备较优良的判别效果,证实了LAMOST现有分类的各模板间距离较均匀,且分类结果较为准确。该研究可进一步优化在用光谱分类模板,提升LAMOST恒星分类模板库的精确度和可信度。

基于双曲切比雪夫逼近的光谱模板构造

我国正在实施的大型巡天项目(LAMOST),迫切需要一套恒星光谱自动识别与分类系统。恒星光谱的自动识别与分类很大程度上依赖于恒星光谱模板库的质量。恒星光谱分类模板库中模板光谱数量越少,恒星光谱的自动处理速度越快。论文给出了一种基于切比雪夫双曲线逼近(two curve Chebyshev approximation)分段式构造恒星光谱模版的方法。该方法由以下主要步骤组成:1)将光谱数据分段,分为多个光谱段;2)基于切比雪夫双曲线逼近提取每类每段光谱数据谱线的形状特征;3)由切比雪夫逼近得到的每类光谱的形状特征与对应的该类光谱的标准形状特征进行比较。实验结果表明该方法构造的恒星光谱模版库提高了现有恒星自动识别与分类系统的精度与可信度。