CS-ROMER：一种用于法拉第深度重建的新型压缩感知框架

利用 RM 合成技术从不完整的光谱偏振射电测量中重建法拉第深度结构是一个欠定问题，需要额外的正则化。在本文中我们提出 cs-romer：一种新颖的面向对象压缩感知框架，用于从光谱偏振射电数据重建法拉第深度信号。与以往的压缩感知应用不同，该框架设计用于直接处理在波长平方空间上不规则采样的数据，并纳入多种形式的压缩感知正则化。我们使用 VLA 望远镜在各种观测条件下的模拟数据演示该框架，并引入一种方法论，利用也可应用于其他望远镜数据集和不同频率范围的方法来确定这些数据重建的最优基函数。在这项工作中，我们表明 delta 基函数可为 VLA L 波段数据提供最优重建，并将此基用于低质量星系团 Abell 1314 的观测，以重建其成员星系团星系的法拉第深度。我们使用 cs-romer 框架直接从波长平方数据中去除银河系法拉第深度贡献，并以方向相关的方式处理不同射电源的光谱行为。该分析结果表明，Abell 1314 内的单个星系偏离了如星系团介质这类法拉第薄屏的预期行为，反而表明这些星系展现的法拉第旋转由其局部环境主导。