本发明涉及天体测量、光谱测量和红移测量，更具体地，涉及一种海量光谱分类测量方法及电子设备。
背景技术：
1、随着现代天文学的快速发展，光谱数据已经成为研究宇宙中各种天体物理现象的重要工具。在大规模巡天项目如 sdss（斯隆数字巡天）、lamost（郭守敬望远镜）等的推动下，天文学家们获得了海量的天体光谱数据。这些数据涵盖了恒星、星系、类星体等多种天体类型，是天文学领域进行分类、红移测量以及其他物理参数研究的核心基础。
2、传统的光谱模板匹配方法通常面临若干挑战。首先，由于观测条件和仪器差异，实测光谱的连续谱部分存在较大的不确定性，难以与标准模板直接匹配。这导致在匹配过程中，谱线特征的重要性被弱化，进而降低了匹配的准确性。传统方法在调整模板连续谱形状时，多采用简单的缩放或平移操作，无法充分反映复杂光谱形状的变化，因而影响了最终的匹配效果。
3、其次，常规模板匹配方法在得到最佳匹配模板后，通常难以对匹配结果的准确性进行量化评价。这种缺乏可靠置信度评估的情况，使得在面对光谱形状复杂、多样性较高的天体时，无法保证匹配结果的可信度。尤其是对于红移的测量，常规方法通常仅能给出网格点处的结果，精度受限于网格的密度，难以满足高精度天文研究的需求。
4、近年来，随着机器学习和数据挖掘技术的快速发展，越来越多的研究开始尝试通过数据驱动的方法对光谱进行分类和参数测量。然而，这些方法往往需要大量的训练数据，并且其结果的物理可解释性较差。因此，如何在保留物理可解释性的前提下，提高光谱匹配的精度和可靠性，仍然是一个亟待解决的问题。
5、因此，现有技术在光谱形状调整、匹配结果的置信度评估以及高精度红移测量等方面仍存在较大不足，难以满足现代天文学对大规模光谱数据高精度、可靠性分析和分类的需求。
技术实现思路
1、有鉴于此，本发明提供了一种海量光谱分类测量方法及电子设备，用于解决光谱形状调整不足、匹配结果的可靠性评估缺乏、物理可解释性较差、红移测量精度受限等技术问题。
2、本发明的一个方面提供了一种海量光谱分类测量方法，包括：对于多个待测光谱中的每个待测光谱，利用奇异值分解，动态调整每个模板光谱的光谱形状，得到多个调整后模板光谱，其中，调整后模板光谱的光谱形状与待测光谱的光谱形状相同；根据多个调整后模板光谱和待测光谱，确定待测光谱的距离差异序列，其中，距离差异序列包括每个调整后模板光谱上每个红移值处流量值与待测光谱的流量值之间的距离差异，且距离差异按照从小到大的顺序排列；对距离差异序列进行调优，得到待测光谱的分类结果、目标红移值和调优后距离差异序列；在分类结果满足置信度条件的情况下，根据分类结果从调优后距离差异序列中确定多个待拟合距离差异；对多个待拟合距离差异进行拟合，得到待测光谱的红移误差，其中，红移误差用于表征目标红移值的匹配误差。
3、根据本发明的实施例，利用奇异值分解，动态调整每个模板光谱的光谱形状，得到多个调整后模板光谱，包括：根据模板光谱，确定目标矩阵，其中，目标矩阵的行数量与模板光谱的光谱长度相同；对目标矩阵与目标矩阵的转置矩阵的乘积进行奇异值分解，得到左奇异矩阵和右奇异矩阵；根据左奇异矩阵、右奇异矩阵、目标矩阵和待测光谱，确定多个光谱调整系数；根据多个光谱调整系数和目标矩阵，得到调整后模板光谱。
4、根据本发明的实施例，方法还包括：在分类结果不满足置信度条件的情况下，根据模板光谱的类型，确定与模板光谱对应的多项式拟合形式；针对每个模板光谱，确定待测光谱和模板光谱各自在多个波段内的流量中值；利用待测光谱的多个流量中值进行多项式拟合，得到待测光谱的第一多项式；利用模板光谱的多个流量中值进行多项式拟合，得到模板光谱的第二多项式；根据第一多项式和第二多项式之间的差异，确定针对第二多项式的多个光谱调整系数；针对第二多项式对应的模板光谱，根据多个光谱调整系数和第二多项式，调整第二多项式对应的模板光谱的光谱形状，得到调整后模板光谱。
5、根据本发明的实施例，距离差异为卡方距离，方法还包括：根据调整后模板光谱的类型，确定针对调整后模板光谱的红移值范围和红移值步长；其中，从红移值范围的边界开始，在红移值范围内每移动一个红移值步长得到调整后模板光谱的一个红移值，以计算调整后模板光谱上每个红移值与待测光谱中对应红移值的卡方距离。
6、根据本发明的实施例，对距离差异序列进行调优，得到待测光谱的分类结果、目标红移值和调优后距离差异序列，包括：针对距离差异序列中位于首位的距离差异对应的第一调整后模板光谱，获取第一调整后模板光谱的多个光谱调整系数；根据多个光谱调整系数中最高次数项对应的光谱调整系数的正负，确定第一调整后模板光谱的光谱方向；在光谱方向表征第一调整后模板光谱上下颠倒，且多个光谱调整系数中剩余光谱调整系数均为正的情况下，根据距离差异序列中前第一预设个数的距离差异对应的调整后模板光谱的类型，对距离差异序列进行调优，得到调优后距离差异序列；将调优后距离差异序列中位于首位的距离差异对应的第二调整后模板光谱的类型确定为分类结果、对应的红移值确定为目标红移值。
7、根据本发明的实施例，方法还包括：在第一调整后模板光谱的类型不是目标类型的情况下，根据距离差异序列中前第二预设个数的距离差异对应的调整后模板光谱的类型，确定属于目标类型的数量；在属于目标类型的数量大于数量阈值的情况下，对距离差异序列进行调优，得到调优后距离差异序列；将调优后距离差异序列中位于首位的距离差异对应的红移值确定为目标红移值，并将分类结果确定为目标类型。
8、根据本发明的实施例，方法还包括：对距离差异序列中相邻两个距离差异计算差分；在差分满足差分条件的情况下，对距离差异序列进行调优，得到调优后距离差异序列；将调优后距离差异序列中位于首位的距离差异对应的第二调整后模板光谱的类型确定为分类结果、对应的红移值确定为目标红移值。
9、根据本发明的实施例，根据分类结果从调优后距离差异序列中确定多个待拟合距离差异，包括：确定分类结果对应的第三调整后模板光谱；从调优后距离差异序列中确定第三调整后模板光谱与待测光谱之间的最小距离差异；在第三调整后模板光谱中，确定位于最小距离差异前第三预设个数和后第三预设个数的多个距离差异。
10、根据本发明的实施例，对多个待拟合距离差异进行拟合，得到待测光谱的红移误差包括：对多个待拟合距离差异进行拟合，得到高斯函数，其中，高斯函数包括多个拟合系数；根据拟合系数、测量误差和拟合误差，确定红移误差。
11、本发明的另一个方面提供了一种海量光谱分类测量装置，用于实现如上所述的方法。
12、本发明的另一个方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现如上的方法。
13、本发明的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
14、本发明的另一方面提供了一种计算机程序产品，所述计算机程序产品包括计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
15、本发明的实施例通过奇异值分解的光谱形状调整方法，使得模板光谱与待测光谱的形状更加一致，有效增强了谱线特征的匹配精度，从而提高了整体匹配的准确性。通过对距离差异序列进行调优，显著提升了匹配结果的置信度，确保最终匹配结果具有较高的可靠性，尤其是在复杂光谱的匹配过程中有效降低了误匹配的可能性。通过从最小距离差异的邻域内选中多个距离差异进行拟合，获得了比网格点精度更高的红移值，显著提高了红移测量的精度，并且通过误差估计提供了明确的物理可信度。
1.一种海量光谱分类测量方法，其特征在于，所述方法包括：对于多个待测光谱中的每个所述待测光谱，
2.根据权利要求1所述的方法，其特征在于，所述利用奇异值分解，动态调整每个模板光谱的光谱形状，得到多个调整后模板光谱，包括：
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述距离差异为卡方距离，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述对所述距离差异序列进行调优，得到所述待测光谱的分类结果、目标红移值和调优后距离差异序列，包括：
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
7.根据权利要求1、5或6所述的方法，其特征在于，所述方法还包括：
8.根据权利要求1所述的方法，其特征在于，所述根据所述分类结果从所述调优后距离差异序列中确定多个待拟合距离差异，包括：
9.根据权利要求8所述的方法，其特征在于，所述对多个所述待拟合距离差异进行拟合，得到所述待测光谱的红移误差包括：
10.一种电子设备，包括：
