弥漫红外空间背景综述

由于地球大气的吸收和发射，在空间进行红外观测显得更为重要。弥漫红外空间背景作为空间红外光电探测的背景噪声来源之一，是决定空间红外观测成败的一个重要因素。红外天文学对于弥漫红外空间背景的研究已经积累了丰硕的成果。本文基于地面及空间红外天文观测计划的成果，对国际天文界在弥漫红外空间背景性质方面的认识作了综述性的介绍，定量分析了弥漫红外空间背景各个组成部分的空间分布及观测特征，并列举了获取弥漫红外空间背景照度数据资料及具有实际应用价值的计算模型的徐径。     

科学发现中的机器学习方法研究

大规模科学装置与重大科学实验使得科学发现进入了数据密集型的第四范式,借助蓬勃发展的人工智能技术促进智能科学发现势在必行.机器学习作为人工智能中的一项重要技术,已广泛应用于各个科学领域.然而,现有工作仅研究特定任务下的机器学习方法,没能抽象出一个通用的智能科学发现研究框架.本文首先总结了科学发现任务中常用的机器学习方法,并将科学任务归类为五大机器学习问题.其次,提出了基于机器学习的智能科学发现研究框架,作为“AI for Science”的典型范例,阐述了一种高效的智能科学发现模式.再次,本文以时域天文学中发现瞬变事件这一科学任务为例,通过实验证明了唯有恰当地结合领域知识后,机器学习算法才能更好地服务于智能科学发现,验证了该框架的有效性.最后进行总结与展望,以期对各领域进行智能科学发现形成参考意义.     

广角天文望远镜的自动调焦

介绍了一种基于步进电机(无位置检测传感器)和像质反馈的广角天文望远镜自动调焦系统,该系统由步进电机位置开环控制系统和图像清晰度评价系统组成。基于天文图像的特点,提出利用天体点源星像的半高全宽(FWHM)作为图像清晰度的评价参数;为了提高系统精度,对定位控制系统进行了误差分析;测定了调焦当量、光学焦深、系统回差、步进脉冲当量等系统关键机构参数,进而高精度地修正了系统定位误差;分析和测定了温度变化和像质变化的相关性,明确了调焦方向和温度变化之间的定性关系;设计了焦深边缘定位策略,实现了快速调焦。该系统具有"容错"和"自学习"功能,具有较高的自动化和智能化程度。将系统设计应用于SVOM天文卫星地基广角相机阵[1-2](GWAC),实际测试和天文观测表明,调焦系统的定位精度为±3.0μm,调焦精度为0.05pixel,且一次调焦过程即可获得最佳像质,调焦效率较高,系统运行也很稳定,基本满足天文观测的需求。     

天文大数据挑战与实时处理技术

超大型天文观测技术的出现不仅能够让研究人员观测到新的天文现象,更能用于验证已有物理模型的正确性.这些最新天文成果的发现是建立在海量天文数据的近乎实时产生、管理与分析的基础上,因此给目前的数据管理系统带来了新的挑战.以我国自主研发的地基广角相机阵(the ground-based wide-angle camera array, GWAC)天文望远镜为例,15s的采样和处理周期都处于短时标观测领域的世界前列,但却对数据管理系统提出了很多问题,包括多镜头并行输出数据管理、实时瞬变源发现、当前观测夜数据的秒级查询、数据持久化和快速离线查询等.基于上述问题,设计了分布式GWAC数据模拟生成器用于模拟真实GWAC数据产生场景,并基于产生的数据特性,提出一种两级缓存架构,使用本地内存解决多镜头并行输出、实时瞬变源发现,使用分布式共享内存实现秒级查询.为了平衡持久化和查询效率,设计一种星表簇结构将整个星表数据划分后聚集存储.根据天文需求特点,设计基于索引表的查询引擎能从缓存和星表簇以较小的代价对星表数据查询.通过实验验证,当前方案能够满足GWAC的需求.     

广角望远镜实时自动调焦的清晰度评价方法

SVOM天文卫星附属的地基广角相机阵(GWAC)含有36个广角望远镜,其短时标的高精度自动观测建立在实时自动调焦的基础上,本文将对广角望远镜实时自动调焦的图像清晰度评价方法进行研究和实现。文章首先比较研究了常用望远镜图像清晰度评价方法的原理及在GWAC系统上的适用性,得出基于星像能量集中度的两种方法:星像50%能量半径、PSF的FWHM值适用于GWAC系统。区别于常用天文软件包IRAF费时的算法,本文提出了基于点源强度分布进行PSF拟合计算FWHM的方法,并进一步探究了诸如拟合模型、选星标准、定心精度、拟合半径、插值方法、插值间隔、FWHM后处理等关键方法参数对FWHM计算精度与速度的影响。最终得到一套适用于GWAC实时自动调焦的清晰度评价方法,并用C++编程实现。本文中方法 FWHM计算误差为0.046pixel,精度与IRAF相当,计算焦点位置一致;单图(挑选后约300颗星)计算时间为0.67s,约为IRAF计算时间的1/20,满足GWAC系统自动调焦的精度与实时性需求。研究结果在GWAC系统中得到应用,并可为其他自动化望远镜观测系统提供参考。     

天文瞬变源快速自动识别系统的研究与实现

大视场和高时间采样率是现代天文光学瞬变源巡天项目的两个主要发展方向,相对传统的巡天项目将会产生更大的数据量和要求更快的瞬变源识别处理速度.为满足新技术下的瞬变源识别处理要求,本文提出用基于等光度测量星像轮廓等13个新的特征参量取代原有的轮廓拟合参量;使用实际星像轮廓仿真和构建较真实的训练样本算法;加入基于实测数据分析的噪声过滤判据等方法.实现了基于随机林森算法的天文光学瞬变源自动快速识别系统.通过仿真和实测数据的测试表明：本识别系统较国际主流的同类识别算法提速约10倍,样本识别的总体正确检出率和错误检出率都基本相同,而在低信噪比处,本文的识别算法有较良好的表现.本识别系统已成功应用于我国的迷你地基广角相机阵（地基广角相机阵的先导项目）,同时,本系统对于其他天文光学瞬变源巡天项目也有着重要的应用价值.