基于训练集的全局 21 厘米宇宙学分析中确保稳健性

我们提出了一种方法，用于确保基于训练集奇异值分解（SVD）的分析流程在从大系统误差中分离全局 21 厘米氢宇宙学信号时的稳健性。我们展示了传统的拟合优度度量（如评估对完整数据拟合的 $\chi^2$ 统计量）可能无法检测到 21 厘米信号与一个或多个附加成分一同拟合时由于它们之间显著协方差导致的次优信号提取。然而，我们发现，对于给定的拟合，将流程为每个成分选择的 SVD 本征模数量与由训练集曲线生成的合成数据实现中所选本征模的分布进行比较，可以检测出何时一个或多个训练集不足以最优提取信号。此外，该检验能够区分需要修改哪个训练集（例如前景、21 厘米信号）以更好地描述数据并提高 21 厘米信号提取的质量。我们还将这种拟合优度检验扩展到应用由训练集导出的先验分布的情况，并发现此时 $\chi^2$ 统计量以及最近引入的 $\psi^2$ 统计量由于先验施加的更强限制，能够检测出训练集中的不足。关键的是，本文描述的检验可在使用我们的流程分析任何类型观测时执行。