星系并合会产生不同尺度距离的星系对甚至双活动星系核 , 同时在过程中会触发星暴以及超大质量黑洞的活动。 在光谱上, 当两个星系并合到kpc尺度时, 其两个核的相互绕转在总光谱上会表现出窄线双峰谱线轮廓。 以这个观测特性为起点, 从郭守敬望远镜巡天的第四次释放数据（LAMOST DR4）中系统的搜寻带有窄发射线双峰特征的双AGN候选体。 AGN的发射线光谱轮廓由发射线的若干种不同的动力学成分构成, 主要可以分为三类, 窄线成分(Hβ, ［OⅢ］, Hα and ［NⅡ］), ［OⅢ］的线翼、 以及宽的Balmer发射线。 基于LAMOST DR4河外光谱数据, 应用了一套搜寻流程, 在初始筛选（涉及到发射线的信噪比、 等值宽度和红移）及目视检查挑选之后, 通过建立的多高斯拟合模型挑选出在发射线的流量、 半高全宽、 窄线双峰之间速度分离程度等一系列参数上符合我们限制要求的样本, 并借助于Baldwin-Phillips-Terlevich (BPT) 图来鉴别每个成分的来源, 确定出了28个双AGN候选体。 为了获取更准确的星族成分并发现这类双AGN候选体样本的共有特性, 对28个双AGN候选体的光谱流量用一个低阶多项式重新进行了修正并采用传统的统一插值和中值方法对其进行合并得到一条高信噪比光谱, 并以目前已有的来源于LAMOST星系光谱数据的Ⅱ型AGN（单AGN）的复合光谱作为对照样本, 采用STARLIGHT软件分别拟合了合并的双AGN和对照的单AGN的光学光谱中的吸收线和连续谱。 通过研究它们的星族特性及两者间的异同, 发现与单AGN复合谱相比, 双AGN候选体样本的合并谱具有更多中等年龄及老年星族的贡献, 反映出更剧烈的中心黑洞。 在金属丰度方面, 单AGN的主导星族为太阳金属丰度的星族Z⊙, 而双AGN候选体合并谱中贡献较多的星族为亚太阳金属丰度星族0.2 Z⊙和富金属丰度星族2.5 Z⊙, 表现出了差异性特征, 也预示着这类样本中恒星形成历史更加复杂, 呈现出了多样化。 在幂律谱成分贡献方面在单、 双AGN中老年星族都贡献了其大部分质量, 但单AGN复合谱中幂律成分占比为8.2%, 明显高于双AGN候选体合并谱中幂律成分的贡献。

恒星光谱分类是研究恒星的基础性工作之一, 常用的光谱分类是基于20世纪70年代Morgan和Keenan建立起来的并逐步完善的MK分类系统。 然而基于MK规则的交互式决策分类系统对处理海量天文光谱数据存在着一定的困难。 目前光谱巡天一般采用的自动化分类则是模版匹配方法而忽略对谱线特征的测量。 怎样自动、 客观地提取海量光谱中的分类特征并应用这些特征进行分类可以对天体的物理化学性质的统计分析至关重要。 针对此问题, 通过机器学习和计算光谱的谱线指数结合的方法, 提取光谱特征, 并通过大数据分析定量地确定对光谱特征谱线的分类判据(数值化), 确定每一类光谱具有物理意义的特征谱线的强度分布。 首先对LAMOST DR4恒星光谱测量其谱线指数作为输入, 光谱的分类标记采用官方发布的分类结果。 使用XGBoost算法进行自动分类及特征排序, 从而获得已知或未知的对于分类决策最为敏感的谱线。 首先, 选取高信噪比(S/N>30)、 被LAMOST标记为B, A, F和M的恒星光谱数据, 总计约414万个。 然后, 对光谱数据计算谱线指数从而使其得到降维处理, 过滤冗余信息。 其次, 将处理后的恒星光谱数据随机划分为训练集和测试集, 通过适当调整算法参数, 用训练集得到所需要的分类决策树模型, 用测试集测试其稳定性和可用性, 以防止出现过拟合, 同时使用算法自带函数进行提取分类特征。 最后, 输出并整理实验中算法所得的决策树模型, 并挑选其概率比较大的分支作为最终的决策树模型。 通过实验, 可以发现在固定参数下, XGBoost所得的模型有一定的自适应性, 较少受数据集影响, 总体准确率可达88.5%; 同时其所输出的分类决策树与已知的特征较为吻合, 而且可以获得基于大数据的、 数值化的特征谱线对应分类的范围, 为完善基于特征的分类提供定量的规则。

低分辨率天体光谱中呈现的双峰发射线轮廓可能反映着比较珍稀的物理现象, 如双活动星系核（AGNs）、 双超大质量黑洞（SMBH）、 喷流云与窄线区的相互作用, 也可能是光谱处理过程产生的低质量特征线。 双峰发射线轮廓一般由2个或2个以上的波峰构成, 对该特征进行提取并分析, 可作为双AGN、 星系对、 双黑洞等稀有天体更有效的搜寻依据, 从而有助于更深入地研究星系乃至宇宙的形成与演化。 提出一种新的基于相关子空间的双峰发射线特征提取与分析方法, 主要工作分为以下三部分: 首先利用稀疏差异因子δ度量双峰发射线光谱中属性差异程度, 利用KNN方法约束参与稀疏差异因子计算的光谱范围, 在此基础上, 针对LAMOST低分辨率光谱给出基于相关子空间的特征提取方法; 其次, 为了验证稀疏差异因子σ以及KNN的输入参数k对双峰发射线光谱的适应性, 选择LAMOST双峰发射线光谱样本及普通星系光谱数据, 红移范围z<0.3（确保Hα, Hβ, ［OⅢ］λλ4 959, 5 007, ［NⅡ］λλ6 548, 6 584, ［SⅡ］λλ6 717, 6 731等发射线落在LAMOST波长覆盖范围）, 获得训练集光谱总数332+332（正负样本）条, 并借助人眼检查分析该方法中的两个参数: k和δ阈值α对结果的影响, 实验表明, 当k=18, α=0.6时, 相关属性分布较密集且稀疏点较少, 结果比较理想; 最后, 对332条双峰发射线光谱特征子空间所在的波长区间、 双峰红/蓝移间隔、 双峰线强比等进行了理论分析、 测量及人眼认证的基础上, 给出了基于相关子空间的双峰发射线特征表述。 此外, 从双峰特征子空间上不同的发射线激发机制（［OⅢ］/［NⅡ］/［SⅡ］等禁线、 Hα、 Hβ等氢线）及相关特征子空间上线强关系等角度, 对样本中双峰轮廓进行了分析。

天光背景扣除是LAMOST 1D光谱数据处理中重要的环节, 其扣除好坏直接影响光谱产品质量, 因此构造理想的超级天光光谱模型具有重要的意义。 通常超级天光是由与目标天体同时观测的天光光纤光谱构造而成, 同一区域的天光背景可能随着不同的观测时刻有着规律性的变化特征（如月相变化）, 如果能充分分析并利用这些特征, 可有效校正超级天光模型, 从而提高减天光效果。 轨迹聚类方法是一种分析目标随时、 空变化特征的有效工具, 针对LAMOST天光光谱中可能存在的变化规律, 给出一种基于轨迹聚类的天光光谱特征分析方法。 主要分以下三部分: 首先是天光光谱的时序化描述。 LAMOST pipeline采用且提供了每个观测天体的即时超级天光光谱, 为了获取特定天区背景天光的光变特征, 需选择天光光纤光谱以及扣除目标天体光谱的背景光谱, 以5°视场（LAMOST望远镜视场）为单位, 按观测日期MJD均匀分组, 从而对特定区域的天光光谱进行了时序化表征; 其次给出基于密度的天光光谱数据聚类算法STK-means。 为解决随机参数导致收敛及聚类效果不理想的问题, 在分析天光光谱时序数据特征的基础上, 给出基于密度的相似性度量公式, 并作为传统k-means聚类的初始参数选择依据, 从而给出基于密度的天光光谱数据聚类算法STK-means; 最后进行实验分析。 实验验证了该方法的正确性和有效性以及不同初始参数K值的选择对聚类结果的影响。 在此基础上, 利用STK-means聚类方法, 对LAMOST第一期巡天中一个完备小天区的天光光谱时序数据进行了轨迹特征分析, 结果表明, 除个别光谱质量较差或常说异常外, 该特定区域的天光背景以农历每月十五、 十六为中心向两边呈对称分布, 反映了该区域观测过程中受月相的影响变化情况, 该特征经量化后可为校正超级天光模型提供一种有效途径。 同时, 由于时序化描述过程中均匀采样的要求, 该方法可适用于反银心、 盘、 晕等高天体数密度区域, 而对于高银纬低数密度区域则需要更长时间的巡天观测。 此外, 该方法还可有效发现特定区域的离群(异常)天光光谱, 为天文学家进一步分析提供珍稀样本。

M矮星是银河系中最普遍的恒星, 它们的运动状况能提供银河系演化的线索, 视向速度(RV)是反映M矮星运动状况的重要参数之一。 我国的大科学工程LAMOST巡天项目已经获得了数十万M型星光谱, 测量这些恒星的视向速度需要自动、 高效的程序。 计算M矮星视向速度的一般方法是将观测光谱与模板光谱进行交叉相关得出。 然而在实际处理过程中, 由于本质上的不同或者噪声的影响, 一些观测光谱和模板光谱错误匹配, 从而使得这些光谱的视向速度测量产生偏差。 为了减少噪声等因素的影响, 对于信噪比较高、 但局部有较强噪声的光谱, 采用统计与经验特征相结合的方法选取光谱中的有效特征段、 避开噪声污染的波段计算M型星的视向速度。 利用该方法对LAMOST DR3 M型星星表中的部分实测光谱测量了视向速度, 将之与APOGEE星表中的对应视向速度进行了对比。 结果表明该方法有效地减少了局部噪声对视向速度的影响, 提高了视向速度测量的准确率。

LAMOST巡天已获取超过100 000条星系光谱, 为探索珍贵、 稀有的天体从而完善现有科学理论提供了重要的数据条件。 研究采用基于相关子空间的离群挖掘方法, 从LAMOST DR3星系光谱数据中获得的离群数据挖掘结果中, 针对呈现出多种稀有特征的光谱J140242.45+092049.8进行了深入分析。 首先利用特征光谱线进行红移测量并交叉SDSS同源光谱提供的红移信息, 测量并证认了该光谱的两套红移系统: 吸收线系统z1=0.020 95、 发射线系统z2=0.069 5。 从整体上, 通过交叉现有文献及SDSS图像特征, 分析了该“吸收+发射”模式的双红移系统属于透镜星系的可能性, 而红移间隔Δz=0.048远大于Keel指出的双星系具有物理关系的临界0.008, 意味着该目标前景与背景星系之间只是视向重叠, 即视向星系对, 没有相互的物理作用; 对于前景星系(吸收线系统), 通过测量光谱中呈现的特殊的特征线强度, 分析了属于E+A星系的可能性; 对于背景星系(发射线系统)光谱中呈现的双峰特征, 分析了该光谱来自双峰发射线星系的可能性; 此外, 初步分析了该光谱中背景星系发射线强度关系异常的原因。

天体光谱中蕴含着非常丰富的天体物理信息, 通过对光谱的分析, 可以得到天体的物理信息、 化学成分以及天体的大气参数等。 随着LAMOST和SDSS等大规模巡天望远镜的实施, 将会产生海量的光谱数据, 尤其是LAMOST正式运行后, 每个观测夜产生大约2~4万条光谱数据。 如此海量的光谱数据对光谱的快速有效的处理提出了更高的要求。 恒星光谱的自动分类是光谱处理的一项基本内容, 该研究主要工作就是研究海量恒星光谱的自动分类技术。 Lick线指数是在天体光谱上定义的一组用以描述光谱中谱线强度的标准指数, 代表光谱的物理特性, 以每个线指数最突出的吸收线命名, 是一个相对较宽的光谱特征。 研究了基于Lick线指数的贝叶斯光谱分类方法, 对F, G, K三类恒星进行分类。 首先, 计算各类光谱的Lick线指数作为特征向量, 然后利用贝叶斯分类算法对三类恒星进行分类。 针对海量光谱的情况, 基于Hadoop平台实现了Lick线指数的计算, 以及利用贝叶斯决策进行光谱分类的方法。 利用Hadoop HDFS高吞吐率和高容错性的特点, 结合Hadoop MapReduce编程模型的并行优势, 提高了对大规模光谱数据的分析和处理效率。 该研究的创新点为: (1) 以Lick线指数作为特征, 基于贝叶斯算法实现恒星光谱分类; (2) 基于Hadoop MapReduce分布式计算框架实现Lick线指数的并行计算以及贝叶斯分类过程的并行化。

LAMOST-DR1是郭守敬望远镜正式巡天发布的首批数据, 其数量超过目前世界上所有已知恒星巡天项目的光谱总数。 这为进一步扩大特殊和稀少天体如激变变星的数量提供了样本, 同时也对天文数据处理方法和技术提出了更高的要求。 针对LAMOST的数据特点, 提出一种能够在海量天体光谱中自动、 快速发现激变变星的方法。 该方法使用拉普拉斯特征映射对天体光谱进行降维和重构。 结果表明不同类别的天体光谱在拉普拉斯空间中能够得到较明显的区分。 在使用粒子群算法对神经网络的参数进行优化后, 对LAMOST-DR1的全部数据进行了自动识别。 实验共发现了7个激变变星, 经过证认, 其中2个是矮新星, 2个是类新星, 1个是高度极化的武仙座AM型。 这些光谱, 补充了现有的激变变星光谱库。 本文验证了拉普拉斯特征映射对天体光谱进行特征提取的有效性, 为高维光谱进行降维提供了另一途径。 在郭守敬望远镜正式发布的数据中寻找激变变星的首次尝试, 实验结果表明该自动化的方法鲁棒性好, 速度快, 准确率高。 该方法也可用于其他大型巡天望远镜的海量光谱处理。

星系光谱红移测量是大规模天体光谱巡天项目中的一个重要研究内容, 其目的是从在光谱中测量出对应星系由于多普勒效应引起的红移。 随着银河系外巡天项目的开展, 观测目标距离（红移）越来越远, 其星等越来越暗, 光谱的质量也随之越来越差, 如何能够有效准确地从这些低质量的光谱测量出红移是河外巡天面临的一个重要问题。 基于此问题, 充分考虑到低质量星系光谱的特点及数据特征, 新定义了一种针对低质量巡天光谱数据的多分辨率融合距离, 以此为基础提出一种针对低质量星系光谱的红移测量方法。 该方法充分结合不同分辨率下光谱的特征, 计算距离时首先将模板光谱和待测光谱同时降到多个相同分辨率下, 该分辨率下所有波长采样点都计算一个偏差进而得到一个距离, 然后将多个分辨率下得到的距离通过加权得到一个融合距离。 基于多分辨率融合距离提出的星系红移测量方法, 能够有效的解决低质量星系光谱的红移无法准确测量的问题。 研究了不同信噪比下红移测量的精度, 在信噪比大于5之后, 该方法测量准确率可以达到90%以上。 大量实验表明, 提出的方法在星系光谱质量较低的情况可以非常准确地从中测量出红移, 测量误差和红移大小无关, 可以很好地应用于大规模巡天数据的星系光谱红移测量中。