我国正在实施的大天区面积多目标光纤光谱天文望远镜项目(简称LAMOST)是国家重大科学工程项目之一，预计建成之后，每个观测夜将获得1～2万条光谱数据，三年观测期内所获得的光谱数据总量将达107数量级。面对如此大量的光谱数据，LAMOST项目急需研制天体光谱数据的自动处理和分析系统。本文正是在这种背景下展开的，重点探索了天体光谱数据的预处理、自动分类和红移参数的自动测量方法，以满足LAMOST项目的需求。　　 本文的工作主要包括以下四个部分：　　 (1)基于卷积型小波包变换的谱线自动提取方法　　 天体光谱中的谱线包含重要的天体物理信息。我们提出一种基于卷积型小波包变换的谱线自动提取方法。该方法首先对观测光谱进行4层卷积型小波包变换，然后对第四层小波包系数，采用区域相关算法以及阈值处理方法进行噪声处理，选择中高频小波包系数进行谱线的小波特征重构，最后根据重构后的小波特征，利用谱线搜索方法，在观测光谱中提取谱线。实验中，我们用恒星、正常星系和活动星系光谱进行谱线提取测试，结果表明所述方法具有对噪声鲁棒和谱线提取准确等特点。用该方法提取Sloan Digital Sky Survey(SDSS)光谱中的谱线后，计算了红移并与SDSS给出的红移进行了对比，实验结果间接验证了该方法提取谱线的有效性。　　 (2)“晚型”恒星的自动识别　　 (a)LAMOST巡天得到的光谱复杂多样，有各种类型的光谱，据我们所知在这个范围内晚型星的相关研究报道很少。通过研究我们发现：对晚型星光谱进行5层小波变换后，第5层小波系数的频谱具有单峰分布的特性，其能量主要集中在以单峰为中心的特征区间内；对于其它类型的光谱，相应的频谱具有多峰分布的特点，其频谱能量比较分散，它们在晚型星特征区间内的频谱能量非常有限。基于上述发现，我们给出了一种基于小波变换的晚型星自动识别方法。实验表明该方法是切实可行的并且具有相当好的鲁棒性。　　 (b)上面的“晚型星”识别方法对类星体的误识别率稍高，为了解决这一问题，我们提出了一种自动识别M型星的新方法。该方法选取一定波长范围的光谱进行5层小波变换，从第5层小波系数中提取出小波特征，然后利用小波特征检测M型星特征频率和吸收带位置，根据特征频率和吸收带位置的检测结果进行M型星识别。大量真实光谱数据实验表明，该方法十分有效，识别率高达98.79％，类星体和星系的误识别率低于1％。　　 (3)恒星和特殊恒星的自动识别　　 天文学家对特殊天体比较感兴趣，而以前的分类框架没有针对特殊天体识别进行设计。所述方法主要针对特殊恒星进行设计，能够从天体光谱中将M型恒星、“双星”和发射线恒星识别出来。该方法主要包括以下三个部分：1)首先利用M型星特征识别器进行识别，然后利用早型恒星识别器对光谱进行识别，最后通过两个识别器的识别结果进行M型星和“双星”的判定；2)利用基于小波特征的方法构造发射线恒星识别器，将发射线恒星识别出来；3)利用恒星识别和分类器进行恒星的识别和细分类。本方法通过基于小波特征的方法一定程度上降低了噪声和低分辨率对自动识别的不利影响。本方法的“双星”和发射线恒星的误识别率低于1％。该方法可用于海量天体光谱的自动处理，是针对特殊恒星自动识别的一个较好的解决方案。　　 (4)类星体(QSO)的红移测量方法　　 LAMOST项目预计获得106数量级的类星体光谱。本文的主要研究内容之一是研究适用于LAMOST观测数据的类星体红移测量方法。为了克服信噪比较低的不利因素，我们采用小波变换的方法对类星体宽发射线进行特征提取，然后利用多尺度特征匹配的方法进行类星体红移测量。通过对Sloan Digital Sky Survey(SDSS)Data Release Two(DR2)中的15，715条类星体光谱的实验表明，在误差为0.02的范围内所述方法的正确率达到95.13％。该方法可对相对定标的类星体光谱数据进行红移测量，符合LAMOST数据的要求，可为天文学家进行类星体和宇宙大尺度等研究提供帮助。