第32卷，第9期 2012年9月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol.32,No. 9,pp25832586 Septermber,2012
基于Haar小波特征的恒星光谱物理参量自动估计
卢瑜"，李晨来”，李乡儒1·
1.华南师范大学数学科学学院，广东广州510631
2.深圳职业技术学院计算机工程系，广东深圳518055
摘要恒星大气物理参数的自动测量是大型巡天计划中海量光谱数据自动处理中的一个重要内容。首先使用多尺度Harr小波对恒星光谱数据进行特征分解，然后选用相应的小波系数作为光谱的特征向量，最后采用非参数回归算法对光谱的物理参数进行估计，研究表明，只需对光谱进行四层小波分解，并选择第四层小波系数作为光谱的特征向量，即可获得重力加速度和表面有效温度的较好估计。对于化学丰度的估计，选择第一层小波系数作为光谱特征向量可取得较好效果。选用文献相关研究中常用的恒星大气模拟模型合成光谱库ELODIE中光谱数据测试了该方法的有效性。结果表明，基于Harr小波分解的光谱特征提取方法对
恒星表面温度、表面重力和化学丰度等物理参数的估计具有较高的精度和鲁棒性。关键词Haar小波；变换；恒星；非参数估计；特征向量
中图分类号：TN911.7
引言
文献标识码：A
DOI: 10. 3964/j. issn. 10000593(2012)09-2583-04
1物理参量估计模型与算法
恒星光谱的差异是由其表面有效温度（effectivetempera ture，Teff)、重力加速度（surfacegravity，logg）与化学丰度(metallicabundence，Fe/H)等物理参数所决定，如何在海量的光谱数据中自动测量出恒星的物理参数是天体光谱数据自动处理中～个重要研究内容(.")。在最近的几十年中，人们研究发明了很多种提取恒星物理参数的方法("。近期比较流行的算法主要可以分为神经网络算法与最近邻算法及其变形算法，如；ReFiorentin["的非线性回归模型（神经网络)， Bailer-Jones设计的820：5：5：1结构的神经网络]， Storrie-Lombardif)在PCA的基础上设计的神经网络算法， Beers的恒量光谱的自相关分析)，Fuentes(ss)的K近邻算法，Zhang)的基于变窗宽核函数估计算法。
本工作采用Haar小波方法对原始光谱进行五层小波分解，选择小波系数作为光谱的特征向量。然后，采用非参数回归算法对光谱的物理参数进行估计。方法简单且具有比较高的精确度，对恒星光诺物理参数的自动测量具有重要意义。
小波变换是一种有效的时频域分析技术，已被广泛地应用于图像处理、语音分析和信号检测等众多领域。小波变换能够对信号进行多尺度细化分析，使信号所包含的重要信息
显现出来，并对信号进行消噪处理。 1.1光谱的小波变换
小波是一种特殊的长度有限，平均值为零的函数。它是一种小区域的波，具有正负交替的“波动性”，但是在整个时间范围内幅值的平均值为零。Haar小波是一种简单面且应用非常广泛的正交函数，Haar小波基函数定义如下
1
= ()
0≤≤1/2
~1 1/2≤<1
其他 0
(1)
小波变换的基本思想是用一组小波或基函数表示个函数或信号，小波变换可以把信号分解为各个尺度上的子信号。信号经过小波变换后分解为低频成分和高频成分，前者体现了信号的轮廓，后者往往是信号的细节和混入的噪声。如果我们选择低赖系数作为信号的特征向量，去除与噪音对应的高频系数，则相应的恒星物理参数的自动测量器对噪音的敏感度将大大降低，精确度就可以得到提高。
收稿日期：2012-02-22，修订日期：2012-05-12
基金项目：国家自然科学基金项目(61075033)和广东省自然科学基金项目(S2011010003348)资助
作者简介：卢瑜，女，1973年生，华南师范大学数学科学学院硕士
*通讯联系人
万方数据
e-mail; xiangru ligmail. com
e-mail; lydw1003@163, com