基于 PCA 的高对比度成像数据热背景发射扣除方法

地面热红外波长的观测受到来自天空、望远镜和仪器内温暖表面的巨大背景辐射。这严重限制了波长大于 3 微米的地面观测的灵敏度。我们分析了红外高对比度成像数据中的这种背景发射，展示如何对其建模并扣除，并证明这能改善对暗弱源（如系外行星）的探测。我们应用主成分分析（PCA）来对三个档案高对比度角差分成像数据集（M 和 L 滤光片）中的热背景发射进行建模和扣除。我们描述了算法工作原理并解释如何应用。将背景扣除的结果与常规平均背景扣除方案的结果进行比较。最后，还通过执行完整的数据缩减来比较两种背景扣除方法。我们定性分析了 HD100546 的 M 波段数据集结果。对于 beta Pic 的 M 波段数据集和 HD169142 的 L 波段数据集（后者用环形沟槽相位掩模涡旋矢量日冕仪获得），我们还计算并分析了所达成的信噪比（S/N）。我们显示应用 PCA 是将空间和时间变化的热背景发射去除至接近背景极限的有效方法。该过程还被证明在重建被 PSF 遮挡的背景方面非常成功。在完整数据缩减中，我们发现 HD100546 和 HD169142 至少有定性改善，然而我们未能发现 beta Pic b 的 S/N 显著提升。我们讨论了这些发现，并认为特别是具有强烈变化观测条件或稀少采样天空背景的数据集将受益于新方法。