K-Stacker：用于直接探测系外行星的开普勒轨道图像重组

我们展示一种可用于在高对比度图像中探测系外行星的新算法的概念验证。该算法恰当组合在不同夜晚获取的多次观测，并考虑行星的轨道运动。方法。我们模拟SPHERE/IRDIS观测时间序列，在其中盲目注入具有随机轨道、随机信噪比水平且低于探测极限（低至S/N 1.5）的行星。随后我们使用优化算法猜测轨道参数，并考虑轨道运动以恰当重组不同图像，最终探测到行星。我们表明优化算法确实可用于在时间图像序列中寻找未探测到的行星，即使它们散布于轨道时间尺度上。正如预期，信噪比的典型增益为sqrt(n)，n为组合观测数。我们发现K-Stacker算法能够去轨道化并组合图像，达到若行星不运动时所预期的类似性能水平。我们发现其在S/N=5时的回收率为50%。我们还发现该算法能以一个像素精度确定行星在单帧中的位置，尽管行星本身在每帧中均低于探测极限。我们的模拟表明K-Stacker可用于提高当前系外行星成像仪器的对比度极限并发现更暗天体。我们还建议，K-Stacker确定行星在时间序列每幅图像中位置的能力可用作新观测策略的一部分，其中长曝光将被拆分为数月内分布的较短曝光。这可能使得无需多次高S/N > 5探测即可确定行星轨道参数。