目录
1 概述
2 数据集网站
3 读取与处理流程
3.1 fitsread函数读取文件
3.2 画出图像
3.3 平滑滤波
3.4 傅里叶滤波
4 结果对比
附录A MATLAB读取与处理的代码
附录B Python读取光谱数据的代码
写在最后
1
概述
2019年3月27日，LAMOST DR6数据集正式对国内天文学家和国际合作者发布。
DR6数据集共包括4902个观测天区，发布巡天光谱总数达到1125万条，其中低分辨率光谱总数991万，中分辨率非时域光谱数据50万，中分辨率时域光谱数据84万。
数据集中高质量光谱数达到937万条，约是国际上其他巡天项目发布光谱数之和的2倍。同时，DR6发布数据中还包括一个636万组恒星光谱参数星表，成为目前全世界最大的恒星参数星表。
LAMOST巡天七年，成为世界上第一个获取光谱数突破千万量级的光谱巡天项目。
图1-1 巡天数据
2
数据集网站
LAMOST的每一期数据都有各自的网站，其网址为：dr6.lamost.org/，其实只需要把数字6改成其他数字就可以进去其他数据集的网站了，即：drX.lamost.org，X=1,2,3,4,5。
网站里一般都会有醒目的“FITS Download”，就是光谱数据下载的地方。网站进去以后可能需要注册，这里以不需要注册就能下载光谱的DR4数据集为例。
图2-1 LAMOST光谱数据网站
进入之后出现三个选项：
1.catalog(目录)
2.fits(原光谱数据，fits格式)
3.png(处理好的光谱图像，png格式)
图2-2 LAMOST光谱数据目录
点击进入fits，这才是我们需要的数据。
3
读取与处理流程
3.1 fitsread函数读取文件
itsread函数是MATLAB里专门用于读取FITS格式数据的。
熟悉天文摄影的朋友应该对这个格式十分熟悉，fits不只是天文学研究中常用的文件格式，更是天文摄影照片最常见的数据格式。
直接调用该函数，可以直接读取主要数据数组中的数据。最终获得一个很长很长的矩阵(5x3909矩阵)。
其中，第一行是强度(或者叫Flux，通量)，第三行是波长。
图3-1 数据矩阵
3.2 画出图像
图3-2 光谱图
3.3 平滑滤波
首先，什么是滤波？
滤波的是指滤掉不想要的成分，即为滤掉通常所说的噪声，留下想要的部分，还原数据原本的模样。以恒星光谱为例，我们想要恒星原本的光谱，但这其中会因为空间中存在很多光子的干扰，使得光谱多了很多原本不属于该恒星的特征，我们需要处理掉这些信号，还原最真实的状态，提高信噪比。
而平滑滤波，顾名思义，就是让数据变得“平滑”。空间域的平滑滤波我们一般采用平均法，就是求邻近点的平均值来达到滤波的目的。
在MATLAB中，直接调用smooth函数即可。
结果如图3-3，滤波之后特征更加明显了。
图3-3 平滑滤波后的光谱
3.4 傅里叶滤波
理解傅里叶滤波需要有一定的数学基础，由于这里不是专门说傅里叶分析的文章，于是我不赘述，只是大致介绍一下。
傅里叶滤波的原理是将数据经过傅里叶变换后得到的频谱，再按照要求去除低频或高频部分，该部分通常占比小，不是数据主体，而是由噪声引起的，去掉这部分从而可达到滤波的效果。
平滑滤波后再进行傅里叶滤波的对比如图3-4所示。
图3-4 傅里叶滤波(橘)与平滑滤波(蓝)
3.5 结果对比
最后，在调整了一些参数后的最终结果如图3-5所示。
图3-5 最终处理光谱
网站中与之对应的的png格式图片是这样的：
图3-6 K3恒星的光谱
这是一颗K型恒星光谱，粗略来看和我处理的还是差不多的，但毕竟我不是专业做天文光谱数据处理的，难免有很多不足之处，我做这些只是为了学习这方面的知识。
获取更详细的恒星光谱知识见这篇文章：
附录A
MATLAB读取与处理的代码
附录B
Python读取光谱数据的代码
以后可能会分享利用Python处理光谱数据，这里先做个铺垫。
写在最后
处理光谱数据的方法还有很多，这里只是一次学习与尝试。
本人最近在学习数字信号处理方面的知识(主要就是为了处理光谱)，于是利用LAMOST数据学习了一下，希望有大佬可以批评指正，同时可以让对天文感兴趣的朋友试一试处理郭守敬望远镜的光谱。
谢谢！
撰稿：王宝
编辑：杨浩哲
推荐阅读
天文前沿|「傅里叶级数与摆线」 “地心说”中的奇妙数学
宇宙画廊| 宇宙也会撸猫？
天文基础| 天文漫谈之认识星空(四)
宇宙画廊| 自古红蓝出CP？(v2.0)
扫码关注星迹月影
【版权声明】标注“原创”的文章系《星迹月影》独家稿件，《星迹月影》编辑部保留所有版权；未经授权，不得以任何形式转载或使用。
👉 点击这里写留言！👈
喜欢本篇内容请给我们点赞并点亮在看~
扫一扫
4134
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
