Hinode SOT/SP 观测太阳偏振光谱的压缩方法
机器学习
2025-02-10 v1 天体物理仪器与方法
太阳与恒星天体物理
摘要
太阳光谱数据复杂的结构和丰富的细节，加上近期数据量的激增，给数据处理带来了重大挑战。为了解决这一问题，我们提出了一种基于深度学习的压缩技术，使用基于 Hinode SOT/SP 数据开发的深度自编码器 (DAE) 和一维卷积自编码器 (CAE) 模型。我们重点压缩了来自宁静太阳以及活动区的 Stokes I 和 V 偏振光谱，并通过纳入极端磁场的光谱，为综合光谱分析提供了新的见解。结果表明，CAE 模型在重建 Stokes 轮廓方面优于 DAE 模型，表现出更强的鲁棒性，且重建误差在观测噪声水平附近。所提方法已被证明能有效压缩来自宁静太阳和活动区的 Stokes I 和 V 光谱，凸显了其在太阳光谱分析中具有重要应用潜力，例如异常光谱信号的检测。
引用
@article{arxiv.2411.09311,
title = {Compression Method for Solar Polarization Spectra Collected from Hinode SOT/SP Observations},
author = {Jargalmaa Batmunkh and Yusuke Iida and Takayoshi Oba and Haruhisa Iijima},
journal= {arXiv preprint arXiv:2411.09311},
year = {2025}
}