随着工业技术的发展和天文观测对望远镜分辨率要求的提高,一方面望远镜本身的口径越来越大,相机等设备也越来越复杂,另一方面为了进一步得到更好的图像质量,越来越多的望远镜选择在高原、高山、南极、太空等特殊的环境来建造。这两方面因素导致望远镜对其控制系统提出了更高的要求,尤其是南极望远镜在无人值守和卫星网络的条件下,更要求望远镜能够实现完全自主观测。而随着望远镜的口径越来越大,其数据量也随着指数量级的增加,比如2.5米口径的WFST的大焦面巡天成像,以及FAST望远镜的巡天数据。这些大型望远镜每天观测的数据量非常大,而且对精度的要求也更高,一些传统的天文数据处理算法在处理效率和效果上无法令人满意。近年来计算机硬件技术的发展和深度学习技术的提出,使得天文数据处理算法有了更多的选择。目前国内大型光学望远镜较少,主要是LAMOST望远镜和一些1-2米口径的光学望远镜,许多望远镜还都采用手动或半手动的观测模式,由天文学家提供观测目标,再由观测助手操作望远镜进行观测。LAMOST望远镜的观测控制系统基于CORBA开发,实现了一定的组件化架构设计,但在实际应用中由于种种限制,仍然需要大量人员参与,自主化程度还需提高。现在已有的开源望远镜控制框架只有RTS2,但这个框架也存在诸多问题。随着更多大型光学望远镜和极地望远镜的建设,对望远镜的自主观测控制要求越来越迫切。本论文首先介绍了目前国内外大型望远镜和极地望远镜的发展现状,以及现有的一些望远镜控制技术和数据处理技术,发展了两种望远镜观测和控制框架,一种是基于RTS2和EPICS的望远镜观测和控制框架,另一种是基于ZeroMQ的望远镜自主观测和控制框架。两种框架同时发展了软硬件结合技术,面向焦面系统中的关键部件天文相机进行了软硬件结合的构架,使得上层框架能方面地获取底层硬件的信息,同时设备层的控制也和硬件的固件系统紧密配合,使得整个系统无缝衔接,提升系统的稳定性和故障诊断能力,这对整个望远镜的自主观测和自主控制尤为重要。因此在基于自主观测和控制的需求下,本文完成了一种小型相机控制的通用SDK和应用软件,并通过AreaDetector很方便地融入上述两个控制框架中,同时针对大焦面拼接式相机完成了 DAQ设计和控制系统设计。对于望远镜的自主观测和控制来说,除了观测控制的自主化,另一个重要技术就是天文大数据的自动化和智能化处理,包括在线处理和离线处理。随着计算能力的越来越强劲,在线处理和离线处理的界限也在模糊化。随着天文巡天需求的增加,不论是光学望远镜还是射电望远镜,数据量都是急剧增加。本文基于射电望远镜中的智能化和自动化数据处理需求,针对宇宙微波背景辐射数据和FAST河外HI数据进行了相应的智能化和自动化处理,实现了自动化数据处理流水线,可通过配置文件灵活组合各种流程和算法模块,并对流水线的性能进行了优化,使流水线处理速度满足了 FAST望远镜的数据处理需求。宇宙微波背景辐射是来自宇宙早期阶段的残余电磁辐射,其观测对于研究宇宙早期结构和宇宙演化有重要意义,目前已有包括Boomerang探空气球和Planck卫星等多个地基和太空的宇宙微波背景辐射观测设备。但是直接接收到的微波背景辐射数据包含了大量的前景噪声。目前已有的噪声处理算法主要是通过光谱分析来重建前景噪声并加以去除。本论文针对微波背景辐射的前景噪声去除技术,列举了三种算法模型,包括一种基于深度学习的模型,实现了从21cm中性氢原子谱线预测出对应区域的CMB前景噪声信号,算法在Planck卫星数据和HI4PI数据上进行了模型训练和测试,发现CMB前景噪声信号和21cm中性氢原子谱线之间有一定相关性,并且深度学习模型的输出结果最好。本论文的创新之处如下:(1)基于自主观测和控制的整体需求,发展了两种控制框架,包括基于RTS2和EPCIS的望远镜自主观测和控制框架;基于ZeroMQ的望远镜自主观测和控制框架。基于ZeroMQ实现了国内首个通用的分布式望远镜自主观测框架,框架采用了层次化结构设计,支持按计划自动观测、基于规则的故障监控、以及远程控制界面和日志参数可视化界面。(2)基于自主观测和控制在设备层的需求,面向焦面系统中的关键部件天文相机进行了软硬件结合的构架,完成了通用的跨平台的相机控制SDK和应用软件。针对大焦面拼接式相机的完成了数据获取系统(DAQ)设计和控制系统设计,基于软硬件结合的技术最大程度地优化了相机控制系统,并和上层自主观测和控制框架无缝结合。(3)针对FAST射电望远镜的21 cm中性氢原子谱线数据实现了自动化数据处理流水线。同时面向天文大数据的智能化和自动化处理需求,提出了一种基于深度学习的算法,用于通过21cm中性氢原子谱线预测宇宙微波背景辐射的前景噪声。算法在Planck卫星的CMB数据上验证,得到了较好效果。