利用反卷积方法抽取LAMOST一维谱

Compared with classic aperture and profile fitting extraction methods, the deconvolution method matchs the process of 2D spectrum formation on CCD, so 1D spectra extracted by it have high signal-to-noise and resolution. We try to obtain clean PSFs from profiles of emission lines on a single fiber, then all PSFs by linear interpolation method. At last, we deconvolve LAMOST 2D images by using these clean PSFs to get 1D spectra. We should study all kinds of regularization methods and try to find the best one that can suppress noise most effectively and keep 1D spectra best. We should study wave calibration methods and try to find the most suitable one. We will try to parallelize our deconvolution method, then the calculation speed will boost dramatically. We will study the qualities of 1D spectra extracted by deconvolution method, and try to find how the spectral types and signal-to-noise influence the spectral qualities. At last, we will try to apply our deconvolution method to extract LAMOST archive 1D spectra, and compare the results with those extract directly from 2D spectral image.

本项目研究的反卷积抽谱方法相对于经典的孔径抽谱方法和轮廓拟合抽谱方法来说，符合光谱形成过程，抽得的光谱信噪比和分辨率更高。我们通过获取单根光纤灯谱发射线轮廓，来得到更干净的PSF，进而线性插值出所有PSF。用这些干净的PSF反卷积二维光谱图像，从而获得一维谱。我们要进一步研究各种正则化方法，争取找出能最有效抑制噪声且使得光谱质量最好的正则化方法。我们还要研究反卷积抽取的一维谱的波长定标方法。为了加快计算速度，我们尝试把反卷积方法并行化。我们研究不同类型和信噪比情况下，抽得的一维谱的质量差异以及提高方法。最后，我们尝试如何更好的把我们的反卷积方法应用于抽取目前LAMOST发布的一维光谱，并把结果与直接从二维图像中抽取的一维谱进行比较。

本项目主要目的是通过去除LAMOST光谱图像中的仪器轮廓，来获得信噪比和分辨率更高的LAMOST一维谱。我们基本上完成了对当前已知有效的反卷积方法的测试。发现了三个有效的反卷积方法：Tikhonov正则化方法、Landweber迭代和Richardson-Lucy迭代方法。这些算法已对外公布。我们把该方法应用于研究大质量恒星的自转轮廓上，成功的找到了银河系自转速度最快的恒星（V sini ~ 540 km/s），也发现了两颗稀少的高速自转的N增峰的O型星。我们也用这个基金支持了两个研究银河系子结构的工作。一个工作是找出了LAMOST中的星流成员候选体，另外一个工作成功刻画了GD-1星流的空间位置、运动学，和沿其轨迹的密度起伏。我们共发表了8篇文章，其中7篇SCI，1篇核心期刊。