Asteroseismic Data 的 Curvelet 分析 I：方法描述及对模拟太阳型恒星的应用

背景：振动模式 (以其 $\ell$, $m$ 和 successive $n$ 表示) 的检测与识别是当前及未来星际测振任务面临的巨大挑战。"峰值标注" (peak tagging) 是分析这些数据以提供振动模式参数估计 (即频率、旋转率) 以及进一步研究星体结构的重要步骤。目的：提高来自代表 MOST 和 CoRoT 观测 (30 天和 150 天观测) 的时间序列计算得到的星际测振光谱信噪比。方法：我们应用 curvelet 变换——一种近期出现的图像处理技术，用于寻找曲线模式——对由星际测振功率谱构建的 echeleiagram 进行处理。在该图中，特征频率呈现为平滑连续的槽线。为测试该方法，我们使用若干太阳型恒星的蒙特卡洛模拟，这些恒星具有不同的旋转率、旋转轴倾角和信噪比。结果：过滤后的图可增强模式槽线与背景之间的对比度，从而更好地标注模式并更好地提取某些星体参数。蒙特卡洛模拟还表明，模式可被检测的区域在较低和较高频率处均扩大了。更进一步，来自低频率模式的平均旋转分裂可更容易地从原始光谱中提取。