人类关于恒星本质的绝大多数知识,几乎都是通过对恒星光谱的研究而得到的。恒星大气物理参数,包括恒星的有效温度、表面重力、化学丰度,是导致恒星光谱差异的重要因素。目前国际上有多种通用的恒星大气物理参数提取算法,利用中低分辨率光谱以及测光数据,在一个相对较窄的参数空间中,提取出相对准确的物理参数。本文主要研究了基于模板匹配的恒星大气参量的自动测量方法,采用的模板库包括理论模板库、实测模板库两大类,将模板匹配算法包括K-最邻近算法、卡方最小化算法、交义相关算法应用到恒星大气物理参数的自动测量中,通过对不同的实测数据的实验表明了这几种方法的有效性。另外还通过实验说明了不同归一化方法以及光谱的信噪比对测量结果的影响。为降低模板匹配的复杂度,本文提出了一种利用人工神经网络(ANN)进行粗估温度缩小匹配模板数的方法,此外还可以将程序部署到并行计算环境中,以进一步提高效率最终在Linux环境下实现程序。本研究的工作介绍本文的主要工作是基于模板匹配的恒星大气物理参数自动测量的研究。LAMOST已经进入先导巡天阶段,即将开始正式巡天,会产生大量光谱,本文的目的是对一维恒星光谱进行处理,利用模板匹配的相关算法,自动获得恒星大气物理参数。本文的工作包括以下几点：1、提出了一种利用人工神经网络(ANN)进行粗估温度缩小匹配模板数的方法,从而降低模板匹配的复杂度,提高了模板匹配的效率,大大缩短匹配时间。2、重点研究通过模板匹配方法测量恒星大气物理参数的算法,并通过对不同的实测数据的实验表明了几种模板匹配算法的有效性。3、通过实验说明了不同归化方法以及光谱的信噪比对测量结果的影响。4、将程序部署到并行计算环境中，以进一步提高效率。5、在Linux环境下用Python语言结合SciPy、NumPy、PyFITS及Matplotlib工具包实现基于模板匹配的恒星大气物理参数自动测量程序