LAMOST一维谱的抽取

LAMOST一次曝光可以产生4000多条光谱，这些光谱由32个CCD记录下来，每个CCD上有250条光谱。由于这些光谱通过望远镜由CCD记录下来后，其上面的点源扩散函数不再是正态分布函数,甚至不具有解析表达式；此外，CCD不同位置处的点源扩散函数也是不同的，从而利用传统的方法来抽取一维谱变得不可靠、不准确了。.针对该问题，本项目拟在250条光谱位置上依次用不同的定标灯拍摄多条灯谱,得到灯谱发射线的点源扩散函数，然后用B样条曲面拟合这些点源扩散函数，生成点源扩散函数模板。当抽取一维谱时，用这些点源扩散函数模板来拟合整张二维光谱，同时生成具有更高信噪比、更高分辨率的250条一维谱。.该方法也可以用于普通测光，解决测量点源亮度和位置时，点源扩散函数不是高斯轮廓的情况,从而能大大提高测光精度和位置精度。.同时,本项目也尝试了利用GPU技术来解决海量数据处理及数值模拟问题。

我们主要做了3方面工作：. 第一，总结了当前的光纤光谱的抽谱方法，分析了这些方法的优缺点。这些方法主要有：孔径方法、优化的孔径方法和轮廓拟合方法。当前应用最广的是孔径方法和优化的孔径方法，斯隆用的是轮廓拟合方法。当前最新的抽谱方法是反卷积方法。本项目对反卷积方法进行了详细的研究。. 第二，给出了一个可行的快速的反卷积计算方法。斯隆的科学家Bolton和Schlegel在2010年提出了一个反卷积方法抽取一维谱，这种抽取方法能消除不同光纤和不同位置的PSF之间的差异，进而能提高分辨率和信噪比。但这种方法计算量和存储量都很大，无法应用于LAMOST抽谱。为了解决这个问题，我们提出了新的计算方案，该方案不但解决了存储问题，而且解决了计算问题。LAMOST 的4k × 4k CCD图像上有250根光纤，我们的算法可以在2个小时内计算完成，并且对于光纤之间有交叉污染的图像也能进行有效处理。另外，我们的算法可以很容易的用于并行计算。. 第三，给出了一个正规化方案，减轻了噪声对反卷积结果的影响，提高了光谱的分辨率和信噪比。在有噪声的情况下，直接反卷积无法得到真实的结果，为了小区噪声影响，我们用了一个经典的和改进的正规化项来抑制噪声，最后得到了较好的效果。. 我们已经发表一篇中文文章，正在准备发表两篇英文文章，其中一篇正在审稿中。同时，计划把程序申请著作权，把源代码公开给广大研究者使用。