利用傅里叶分解和主成分分析进行变星光变曲线分析

目的：我们展示了主成分分析(PCA)和傅里叶分解(FD)方法作为变星诊断工具的应用，并比较了它们在研究脉动造父变星光变曲线结构变化以及变星分类中的相对性能。方法：我们计算了 17,606 条各类变星（例如天琴座 RR 型星、造父变星、米拉变星和外部变星）光变曲线的傅里叶参数用于分析。我们还对同一光变曲线数据库进行了 PCA。PCA 的输入是数据库中这 17,606 条光变曲线在相位 0 到 1 之间插值后的 100 个星等值。与之前的一些研究不同，傅里叶系数不作为 PCA 的输入。结果：我们表明，总体而言，前几个主成分(PC)足以重构原始光变曲线，而 FD 方法需要 2 到 3 倍数量的参数才能令人满意地重构光变曲线。计算所需数量的傅里叶参数平均需要比计算所需数量的 PC 多 20 倍的 CPU 时间。因此，在分析较大数据库中的变星时，PCA 确实比 FD 方法具有一定优势。然而在某些情况下，特别是在寻找基模(FU)造父变星的共振时，PCA 结果相对于 FD 方法没有显示出明显优势。我们还证明了 PCA 技术可以用于以自动、无监督的方式将变星分类到不同的变星类别中，这一特性对于未来更大的数据库具有巨大潜力。