基于影响空间和数据场的LAMOST低质量光谱分析

摘要

针对LAMOST DR5 pipeline分类为Unknown的光谱数据对其进行了特征提取和聚类分析。主要工作如下:(1)基于影响空间及数据场的特征提取。首先基于影响空间从低信噪比光谱中提取出大量小集团;然后计算各小集团内部的场并根据场对光谱排序,依次访问光谱序列及其小集团内的成员来获得特征谱;(2)对上述特征谱进行K-means聚类,并统计了每一类目标所在天区、观测视宁度、各波段信噪比、亮度、光谱仪/光纤的分布情况。(3)低质量光谱聚类结果的理论分析。通过聚类所有低质量光谱被分为了5大簇:A光谱信噪比较低或与传统分类模板差异较大,但通过特征分析可确定其类别(占比2.7%);B光谱蓝端或红端出现疑似特征线或分子带,但与线表无法匹配(占比23.6%);C光谱蓝端信噪比极低,且该波长区域噪声值较强,其他波长区域的连续谱和线的特征较弱(占比48.0%);D红蓝两端拼接问题导致5 700~5 900?局部光谱突起明显,其他波长区域的连续谱和线的特征较弱(占比24.2%);E存在大量缺省值导致无法确定其类别(占比1.5%)。实验结果表明,该方法不仅能够有效提取低信噪比光谱的特征谱,同时能够通过特征谱的聚类分析揭示低质量光谱的成因,从而为制定光谱观测计划提供参考,为低信噪比光谱分析及处理提供方法借鉴。