LAMOST河外天体光谱的识别与测量

This work focuses on the study of the efficient classification methods of galaxy and qso spectra of LAMOST basing on spectral lines information.For the vast amounts of spectra produced by LAMOST, the 1-D pipeline was limited by the bad flux calibration. The pipeline was failed for the 62% galaxy spectra and 53% QSO spectra of DR1. It is necessary to apply new processing methods to improve the performance of the extra-galactic spectra recognition and redshift measurement. The research first extract the information of spectra lines( position, height, and width et al.) of each spectrum. Then a profile fitting and classification method was studied and realized. Using the spectral lines information which are less influenced by the quality of flux calibration, galaxy and QSO spectra will be recognized. Then the recognized galaxy spectra is classified into normal galaxy and active galaxy, and the AGN, starforming, starburst galaxy are recognized from the active galaxy basing spectral lines information. The RV dispersion of galaxy spectra is also measured using spectral lines.

LAMOST数据处理与分析软件（1D pipeline）已经处理了3百多万光谱数据，对其进行分类与红移(以及视向速度)的测量。1D pipeline的基础算法PCAZ是基于全谱的模板匹配方法。目前这套pipeline对恒星的识别分类正确率很高，但是对于河外天体光谱：星系与类星体的识别与红移测量上性能表现很差。经统计，DR1中62%的星系与53%类星体没有正确识别，大部分分类为unknown。这些河外光谱目前采用人工的方法从unknown中找回并人工测量红移。原因在于河外源的数据质量普遍存在流量相对定标、拼接问题，以及信噪比较低问题。造成模板匹配方法中的多项式改正无法起作用。本项目研究基于谱线信息的河外光谱类型识别与红移测量方法，以避免流量定标等问题影响。通过提取谱线信息（谱线的位置，高度，宽度等），实现LAMOST星系光谱与类星体光谱的的识别与红移测量,并进行星系光谱分类和速度弥散测量。

本项目针对LAMOST光谱处理与分析存在的河外光谱类型识别率低问题，研究并设计河外光谱自动识别与红移测量的光谱处理与分析算法。我们分析了LAMOST原有的光谱处理分析pipeline在河外光谱识别方面识别率低的原因，其原因来自于l两方面：一是LAMOST河外光谱数据普遍信噪比低，常存在相对流量定标质量问题；二是pipeline使用的PCAZ方法本质是模板匹配方法，不适用于LAMOST流量定标差异大的河外光谱的识别。针对这些特点，我们研究了一系列光谱处理与分析方法，完成六方面的工作：（1）连续谱归一化星系光谱的聚类分析与模板构建，以及基于模板匹配的河外光谱的识别、红移测量与细分类；（2）基于谱线信息的星系光谱自动识别与红移测量；3）基于谱线匹配方法的类星体光谱自动识别与测量；4) 研究开发了光谱处理与分析中有效的谱线检测，谱线类型识别，谱线信息提取与测量方法；5）设计开发低分辨率星系光谱与类星体光谱自动识别与测量系统pipeline，并集成到LAMOST光谱处理与分析pipeline中，大大提高了LAMOST星系与类星体的正确识别率，并符合数据产品红移测量要求；6）星系与类星体识别与测量pipeline已经识别出大批的LAMOST星系与类星体光谱，测量出红移与误差，已经形成数据产品在LAMOST DR3,DR4，DR5中发布,项目研究计划全部完成。