Bayes-SCF：缓解21厘米功率谱中前景泄漏的贝叶斯滤波器

射电干涉可见度数据中的缺失通道会在估计的21厘米功率谱中引入系统性伪影。一种常见的变通方法是先估计双频相关函数$C(\Delta\nu)$，然后对其傅里叶变换得到功率谱$P(k_\parallel)$。当信号沿视线方向统计均匀（遍历）时，该过程给出无偏估计，但在非遍历前景存在时失效。平滑分量滤波（SCF）近期被提出作为该问题的解决方案，其中在估计$C(\Delta\nu)$之前移除主导的非遍历（光谱平滑）分量。在现有实现中，平滑分量通过沿频率轴对可见度进行Hann窗卷积来估计。我们证明该基于Hann的SCF仅在前景光谱极其平滑（即具有长频率相关长度）时表现良好，而在前景表现出短相关长度时（这在真实观测中频繁遇到）会失效。我们引入了一个贝叶斯扩展Bayes-SCF，基于高斯过程（GP）回归，克服了这一局限。Bayes-SCF通过具有固定相关长度的协方差函数对平滑分量建模，实现了可控且数据驱动的滤波。利用模拟数据，我们证明Bayes-SCF即使在光谱不平滑的前景存在下也能鲁棒地恢复输入模型21厘米功率谱。Bayes-SCF在延迟谱方法中同样有效。贝叶斯框架引入的主要权衡是计算成本增加；未来工作将聚焦于算法优化及其在真实MWA数据上的应用。