本文主要讨论视向速度已作校正的低分辨率恒星光谱大气基本物理参量(表面有效温度(Teff)，表面重力(logg)，化学丰度([M/H]))的自动估计问题。将物理参量的自动估计视为从光谱到其物理参量的回归问题。提出了自动估计物理参量的四种回归模型，并进行了大量的实验比较研究。　　 a)恒星表面有效温度的曲面拟合方法针对连续温度分布的不同恒星光谱数据在前两个主成分空间的分布规律，提出了一种估计有效温度的曲面拟合方法。曲面模型是以10为底的指函数与多项式函数的复合模型。实验结果表明：使用3次多项式的复合模型所得到的拟合曲面，不仅有较好的拟合精度而且有很好的鲁棒性。　　 b)恒星物理参量的非参数回归方法提出两种确定恒星物理参量的非参数回归模型，一种是基于固定核宽的非参数回归，另一种是基于变核宽的非参数回归。在固定核宽方法中，选择合适的核宽是较为困难的。但是，在变核宽方法中，核宽随样本点的分布密度而发生变化，由模型本身确定。实验结果表明可变核宽方法与固定核宽方法相比，物理参量估计的精度和鲁棒性更高。　　 c)恒星物理参量的偏最小线性二乘回归技术(PLSR)研究了线性回归模型的PLSR算法在低分辨率恒星光谱基本物理参量估计中的应用。提出了分段PLSR方法，提高了PLSR方法关于物理参量的估计效果。实验结果表明分段PLSR方法，对表面重力和化学丰度的估计都优于其它方法，如人工神经网络方法、K-近邻方法和非参数回归方法等。。　　 d)恒星基本物理参量的非线性核回归技术研究了非线性核回归模型在低分辨率恒星光谱基本物理参量估计中的应用。采用核方法将线性回归模型扩展为非线性回归模型，包括核最小二乘回归(KLSR)，核PCA回归(KPCR)，核偏最小二乘回归(KPLSR)。实验结果表明：对于温度参数估计，三种算法具有相近的估计效果：对于表面重力和化学丰度估计，KPCR和KPLSR具有相近的估计效果，但它们都优于KLSR和非参数回归方法：当数据噪声较大时，KPCR，KPLSR和非参数回归三者有相近的估计效果。