共查询到20条相似文献，搜索用时 31 毫秒
1.
星际弥散带(Diffuse Interstellar Bands,DIBs)自发现以来已经经历了近百年的研究,但是至今仍然是天体光谱学上的一个未解之谜.针对SDSS DR7的光谱数据提出了一种星际弥散带特征自动识别方法.该方法基于谱线特征匹配,通过光谱流量限制的方法进行星际弥散带特征的自动识别.利用它可对相对定标的巡天光谱进行广泛的星际弥散带候选天体搜索,在海量光谱数据中获取更多具有星际弥散带特征的河内恒星.通过对SDSS DR7中位置相对合适的超过300个盘的天体光谱的遍历,已经得到了一系列具有星际弥散带特征的候选河内恒星,并且证明了该方法简单有效且具有鲁棒性.这为载体证认等工作提供了大量辅助数据,极大地推进了星际弥散带的研究. 相似文献
2.
天体物理环境中的硅酸盐尘粒 总被引：1，自引：0，他引：1
硅酸盐尘粒是宇宙尘埃的主要成分之一,它广泛存在于许多天体物理环境中,其特性随环境而变化。由于近年来观测数据的不断增加和红外光谱质量的逐步提高,宇宙空间中的硅酸盐尘粒正受到越来越多的关注．该文详细地介绍了在各种天体环境(星际空间、演化晚期恒星的星周尘埃包层、绕年轻恒星和主序星的星周尘埃盘、彗星的彗发和行星际空间)中的硅酸盐尘粒的观测特征,并分别对其物理和化学性质进行了综合比较．观测已经证实在星际尘埃演化的前身(演化晚期恒星的星周尘埃包层)和其遗迹(彗星)均有可观数量的结晶硅酸盐存在。但是至今还没有在其中间态(弥散星际介质)找到结晶硅酸盐存在的证据。这一尚未解决的难题突出了结晶态硅酸盐在天体物理研究中的重要意义。 相似文献
3.
《天文研究与技术》2020,(1)
天体光谱数据的智能处理正由传统机器学习方法逐步转向深度学习,主要采用基于计算机视觉的技术手段。基于计算机视觉领域广泛应用的DenseNet网络结构,针对光谱数据进行修改,建立了适用于光谱数据的一维卷积神经网络模型,解决天体光谱数据分类任务。在验证数据集上,恒星、星系、类星体的F1分数达到了0.998 7、0.912 7、0.914 7,高于传统的神经网络。光谱分类关注区域的可视化结果表明,本文模型可以学习到各类天体对应的特征谱线,具有较强的可解释性。本文方法被用于阿里云天池天文数据挖掘大赛——天体光谱智能分类,并在843支参赛队伍的3次数据评比中获得了2次第一、1次第三的成绩,证明了该模型在保证分类精度的同时,具有极强的鲁棒性、泛化性,适用于光谱的自动分类。 相似文献
4.
天体光谱分类是天文学研究的重要内容之一,其关键是从光谱数据中选择和提取对分类识别最有效的特征构建特征空间.提出一种新的基于2维傅里叶谱图像的特征提取方法,并应用于LAMOST (the Large Sky Area Multi-Object Fiber Spectroscopic Telescope)恒星光谱数据的分类研究中.光谱数据来源于LAMOST Data Release 5(DR5),选取30000条F、 G和K型星光谱数据,利用短时傅里叶变换(Short-Time Fourier Transform, STFT)将1维光谱数据变换成2维傅里叶谱图像,对得到的2维傅里叶谱图像采用深度卷积网络模型进行分类,得到的分类准确率是92.90%.实验结果表明通过对LAMOST恒星光谱数据进行STFT可得到光谱的2维傅里叶谱图像,谱图像构成了新的光谱数据特征和特征空间,新的特征对于光谱数据分类是有效的.此方法是对光谱分类的一种全新尝试,对海量天体光谱的分类和挖掘处理有一定的开创意义. 相似文献
5.
基于斯隆数字化巡天(Sloan Digital Sky Survey,SDSS)第12期数据(data release 12,DR12)的光谱,分析引力透镜类星体SDSS J1001+5027的A, B两个像的光谱。两个像光谱的红移分别为1.84132±0.00024和1.84545±0.00012,透镜天体红移约为0.415。通过证认可靠的CⅣλλ1548, 1551或Mg Ⅱλλ2796, 2803窄吸收双线的方法,证认出A, B两个像的光谱中红移分别为1.60677±0.00012, 0.87140±0.00007和0.41455±0.00006的3个吸收系统。从3个吸收系统共证认出27条窄吸收线。测量27条窄吸收线的等值宽度,再通过分析、比较3个吸收系统在A, B两个像光谱中吸收线的数量及等值宽度的差异,给出了3个吸收系统在引力透镜类星体SDSS J1001+5027视线方向可能的分布示意图。 相似文献
6.
7.
单脉冲搜索作为脉冲星探测的有力工具,在探测旋转射电暂现源以及快速射电暴中扮演着重要角色。为了从海量的射电巡天数据中快速筛选出最有价值的单脉冲搜索候选体,候选体识别已经从早期启发式阈值判断发展到基于机器学习自动识别。对于FAST观测,研究了基于机器学习的单脉冲搜索候选体识别应用到CRAFTS (the commensal radio astronomy FAST survey)超宽带脉冲星数据的性能表现。在评估过程中,使用单脉冲事件组识别(SPEGID)和单脉冲搜索器(SPS)两类自动识别方法,通过7种不同机器学习分类器对CRAFTS基准数据集产生的单脉冲搜索候选体进行自动识别;作为对比,也使用了启发式阈值判断的方法 (RRATtrap和Clusterrank)。结果表明,SPEGID具有最好的性能表现(最高的F1-score值95.1%、次高的召回率95.4%、最低的假阳性率4.7%),SPS具有最快的筛选速度(平均每小时筛选4 010个候选体)。通过对比分析结果,探讨了如何基于FAST观测数据开展高效的单脉冲搜索候选体识别。 相似文献
8.
《天文学进展》2021,(2)
光学窄波段观测能够表征发射线天体清晰的结构,是研究发射线天体的重要手段,对恒星形成区、类星体窄线区、星系H II区、星际介质等方面的研究具有重要意义。消除窄波段图像的连续谱是常用的搜寻发射线天体的方法,传统上连续谱扣除的解决方法是根据像素位置、方向和强度来调整图像对齐,然后进行两幅图像的相减,但是其过程繁琐不适合用于巡天大数据减连续谱。基于窄波段巡天项目(narrow band survey, NBS)[S II]波段数据,提出一种通过自动匹配宽、窄波段流量数据与星像轮廓方法。该方法自动匹配图像天文位置,避免了图像像素对齐过程中像素位置调整和图像选择。通过快速探测宽、窄视场图像的流量和星像,完成相应匹配,提高图像相减效率。根据实验结果,减完连续谱的图像中大概70%亮星能被扣除干净,并且能够获取到较清晰的发射线天体结构。目前该方法已用于搜寻Herbig-Haro天体(简称HH天体),超新星遗迹候选体选取等工作中。 相似文献
9.
星流在星系形成与演化过程中扮演了重要的角色,对银河系中星流的研究将有助于进一步探究银河系的合并历史.将LAMOST(Large Sky Area Multi-Object Fiber Spectroscopic Telescope)DR6光谱数据以及SDSS(Sloan Digital Sky Survey)DR12光谱数据分别与Gaia(Global Astrometric Interferometer for Astrophysics)DR2天体测量数据交叉匹配,获得恒星自行等数据.对GD-1星流在速度空间、几何空间和金属丰度上进行限制,从LAMOST DR6和SDSS DR12数据中共获得了157颗星流成员星.GD-1星流的平均金属丰度为[Fe/H]=-2.16±0.10 dex,延伸长度超过80°.收集前人给出的GD-1星流高概率成员星,组成较大的成员星样本进行对比分析,发现GD-1星流的金属丰度分布呈现内低外高的特点,沿着星流方向径向速度分布特点是两端大、中间小,?1=-20°(?1为GD-1星流坐标系横坐标)和?1=-60°附近的间隙是因为成员星运动差异形成的.根据成员星分布及其速度分布特性,推测GD-1星流起源位置是在?1=-40°附近. 相似文献
10.
11.
恒星形成区是研究恒星形成物理过程最重要的天体物理实验室. 猎户座分子云团是研究各种质量恒星形成和相关年轻恒星性质的一个著名天区. 通过对恒星形成区的光学光谱分析, 可以获取其内部热电离气体的运动学和化学性质. 基于国家大科学装置郭守敬望远镜(LAMOST)的光谱观测数据, 从LAMOST I期光谱巡天数据中筛选出8个指向猎户座分子云团的观测面板, 获取了1300多条针对猎户座分子云团内弥散电离介质的有效光谱. 选取不受星际介质污染的背景天光光谱构建超级天光, 对这些光谱数据做减天光处理, 并进一步测量其发射线性质，包括Ha、N Ⅱ] λ 6584、[S Ⅱ]λλ 6717和6731等发射线的中心波长和积分流量等.最后给出猎户座分子云团内弥散电离介质的视向速度和线强度比分布情况. 相似文献
12.
基于半解析模型和SDSS DR4(Sloan Digital Sky Survey Data Release 4),研究了环境对星系性质的影响.通过对以颜色、恒星形成率和恒星质量的带权重的相关函数的测量,发现半解析模型在颜色和恒星质量上与SDSS数据符合得比较好,而恒星形成率则在SDSS数据中表现为与环境无关.此结论证实了半解析模型对星系中部分性质与环境关系的预测,但对于恒星形成率为何与环境无关仍有待研究. 相似文献
13.
低表面亮度星系(Low Surface Brightness Galaxy, LSBG)的特征对于理解星系整体特征非常重要, 通过现代的机器学习特别是深度学习算法来搜寻扩充低表面亮度星系样本具有重要意义. LSBG因特征不明显而难以用传统方法进行自动和准确辨别, 但深度学习确具有自动找出复杂且有效特征的优势, 针对此问题提出了一种可用于在大样本巡天观测项目中搜寻LSBG的算法---YOLOX-CS (You Only Look Once version X-CS). 首先通过实验对比5种经典目标检测算法并选择较优的YOLOX算法作为基础算法, 然后结合不同注意力机制和不同优化器, 构建了YOLOX-CS的框架结构. 数据集使用的是斯隆数字化巡天(Sloan Digital Sky Survey, SDSS)中的图像, 其标签来自于$\alpha.40$-SDSS DR7 (40%中性氢苜蓿巡天与第7次数据发布的斯隆数字化巡天的交叉覆盖天区)巡天项目中的LSBG, 由于该数据集样本较少, 还采用了深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Networks, DCGAN)模型扩充了实验测试数据. 通过与一系列目标检测算法对比后, YOLOX-CS在扩充前后两个数据集中搜索LSBG的召回率和AP (Average Precision)值都有较好的测试结果, 其在未扩充数据集的测试集中的召回率达到97.75%, AP值达到97.83%, 在DCGAN模型扩充的数据集中, 同样测试集下进行实验的召回率达到99.10%, AP值达到98.94%, 验证了该算法在LSBG搜索中具有优秀的性能. 最后, 将该算法应用到SDSS部分测光数据上, 搜寻得到了765个LSBG候选体. 相似文献
14.
Ｂe单星和Ｂe／Ｘ射线双星作为一类特殊早型天体和特殊的大质量Ｘ射线双星,在各个波段都有与其它相同光谱型的Ｂ型天体显著不同的特征,因此长期以来引起中外天文学者的关注。首先在可见光波段发射线的存在,就是对仅产生吸收线的经典大气的挑战;其次Ｂe星作为一类早型带有包层天体,研究Ｂe星包层的性质,对研究原恒星包层性质和进一步了解早 型星其它光谱型的性质是非常重要的;再者可以研究Ｂe星的存在与星际磁场或湍流的星际 相似文献
15.
《天文学进展》2017,(3)
脉冲星搜寻是对脉冲星、引力波,以及对快速射电暴(Fast Radio Burst,简称FRB)等暂现源进行研究的基础。搜寻不仅可以扩大脉冲星样本,还可以发现极端性质的致密星。这有助于研究致密天体状态方程、星际介质、脉冲星导航、引力波探测等课题。目前,射电望远镜的单次巡天就可以产生百万数量级的脉冲星候选体。面对这些海量数据,仅仅依赖人工识别筛选,已不能满足数据的时效需求,更不能实现数据的实时处理。机器学习、计算机视觉应用等人工智能技术自诞生以来,其理论和技术已日益发展成熟,并已成功运用到脉冲星候选体筛选等射电天文研究领域。首先将介绍现有脉冲星搜寻的人工智能方法,再统计和分析已有脉冲星候选体筛选方法的性能,最后对FAST脉冲星候选体筛选工作进行展望。 相似文献
16.
17.
18.
统计了SDSS(The Sloan Digital Sky Survey)最新发布的DR7(Data Release 7)数据中的CEMP星(Carbon-Enhanced Metal-Poor Stars).分析了样本的温度、光谱型、颜色等物理参量,同时给出了CEMP星在SDSS贫金属星中占的比例约为11%.统计得到SDSS_SSPP(The SEGUE Stellar Parameter Pipeline)发布的CEMP星样本的温度主要集中在6000～9000 K范围内.采用PLSR(偏最小二乘回归)方法计算样本的温度并给出其光谱型,结果显示与SSPP发布的温度比较没有系统误差,但在温度较高时,随机误差较大,这与SSPP中采用不同方法给出的温度值是一致的.从颜色-颜色图上看,选出的CEMP星主要包含两类星:BHB/BS和F(F Turn-Off),前者温度较高且温度误差相对较大.通过样本在Log(g)-颜色图上的划分,可以区分BHB和BS样本.最后讨论了BHB/BS和F(F Turn-Off)中C元素的来源. 相似文献
19.
20.
本文采用Ｒ矩阵传播方法，通过求解ＣＳ近似下的耦合方程，计算了星际分子云条件下正－ＮＨ３分子和Ｈｅ碰撞的超精细跃迁碰撞截面和速率系数，为研究天体的信息提供需用的基础数据。 相似文献