概率性多星表位置交叉匹配

我们建立了一个基于显式简化星表模型的统计框架，用于多星表互相关和交叉识别。适当的识别过程应依赖于天体测量和测光数据。在某些条件下，天体测量部分和测光部分可以分别处理并在事后合并，以提供单一的全局识别概率。本文几乎专门讨论天体测量部分，并规定了应与测光似然合并的适当概率。为了在 $n$ 个星表中选择匹配候选，我们使用了具有 $2(n-1)$ 个自由度的 Chi（或等价地，Chi-square）检验。因此我们称这种交叉匹配为 chi-match。为了使用 Bayes 公式，我们考虑了基于组合分析的穷举假设集。Chi 检验接受域——一个 $2(n-1)$ 维的接受椭球——的体积用于估计虚假关联的期望数量。我们使用基于简单几何考虑的频率主义方法推导了这些数量的先验。似然基于标准 Rayleigh、Chi 和 Poisson 分布，并在 Chi 检验接受域上进行了归一化。我们通过生成和交叉匹配合成星表来验证理论结果。我们得到的结果与交叉相关星表所使用的顺序无关。我们将本文描述的框架应用于构建 ARCHES（Astronomical Resource Cross-matching for High Energy Studies）项目科学案例所使用的多波长星表。我们的交叉匹配引擎通过一个多功能 Web 界面公开发布。从长远来看，我们计划将该工具集成到 CDS XMatch Service 中。