基于 SART 的迭代反演方法用于从全球日球震动数据推导太阳旋转率

我们提出了一种基于日球震动图像重建所 developed 的 同时代数重建技术 (Simultaneous Algebraic Reconstruction Technique, SART) 的新型迭代旋转反演技术。我们详细描述了算法实现，并将其与经典反演技术（如正则化最小二乘 (Regularized Least Squares, RLS) 和 最优局部平均 (Optimally Localized Averages, OLA) 方法）进行比较。在我们的实现中，能够估计推导解的形式不确定性，使用标准误差传递方法，并无需依赖蒙特卡罗模拟即可推导平均核。我们展示了该新技术在模拟旋转频率分裂中的潜力。我们使用覆盖所观测模式范围的无噪声数据集，并为这些人工分裂添加观测不确定性。我们还添加随机噪声以展示该方法对噪声放大不敏感的特性。由于该技术为迭代方法，我们还展示了在使用先验解时的潜力。通过合适的正则化，该新方法在精度、范围和分辨率方面可以优于我们的 RLS 实现。在解受约束较差的地方，该技术产生的平均核与其他方法截然不同，从而推导出不同的值。将该技术添加到我们的反演方法工具箱中将使我们在反演真实观测数据时提高推断的鲁棒性，并更好地理解其中可能存在偏差或不可靠之处的原因，随着我们不断追求最大化观测诊断潜力。