基于最大似然与最大后验推断的宇宙剪切测量

我们研究了宇宙剪切的最大似然与最大后验估计中的噪声偏差问题。我们推导了主导与次主导阶偏差，并在星系椭率测量的背景下计算了它们，扩展了先前关于弱透镜最大似然推断的工作。我们表明，当指定星系模型时，这些点估计量上的很大一部分偏差可利用似然中已包含的信息予以消除，而无需外部校准。我们在类似于计划中的天基弱透镜巡天预期的模拟星系图像上测试了这些偏差修正的估计量，结果令人鼓舞。我们发现引入内禀形状先验有助于减轻噪声偏差，使得最大后验估计可比最大似然估计偏差更小。二阶项提供了估计量收敛性的检验，但基本是次要的。我们展示了偏差如何传播到剪切估计，在我们的简单设置中证明剪切偏差可降低数个数量级，并有可能在温和信噪比下满足计划中天基巡天的要求。我们发现当假设高斯噪声时，二阶项在低信噪比下可表现出显著抵消，这对从简化模拟推断剪切测量算法性能具有启示意义。我们讨论了我们的点估计量作为透镜推断工具的可行性，认为它们允许对椭率和剪切进行稳健测量。