用于多波段天文时间序列的周期图

本文介绍了多波段周期图，即著名的 Lomb-Scargle 方法用于探测时域数据中周期信号的一般扩展。除了 Lomb-Scargle 方法的优势如处理非均匀采样与异方差误差外，多波段周期图显著改善了随机采样多波段光变曲线（例如 Pan-STARRS、DES 和 LSST）的周期发现。每个波段的光变曲线被建模为任意截断傅里叶级数，周期与相位在所有波段间共享。关键方面是使用吉洪诺夫 (Tikhonov) 正则化，其将大部分变率驱动至所谓的所有波段共有的基础模型，而各波段的拟合描述相对于基础模型的残差，且通常需要较低阶傅里叶级数。这种有效模型复杂度的降低是性能改善的主要原因。我们使用模拟光变曲线与随机子采样的 SDSS Stripe 82 数据来证明该方法相较于文献中其他方法的优越性，并发现该方法将能在 LSST 数据少至六个月时高效确定大多数 LSST 亮 RR Lyrae 星的正确周期。此方法的 Python 实现，以及完全重现此处报告结果的代码，可在 GitHub 上获取。