基于模型的弥漫热尘埃辐射的稀疏估计

Planck HFI 数据的成分分离主要关注热尘埃辐射的估计，这需要将热尘埃与宇宙红外背景（CIB）分离。为此，当前的估计方法依赖滤波技术来解耦热尘埃辐射与 CIB 各向异性，往往给出平滑、低分辨率的热尘埃辐射估计。本文提出一种新的参数估计方法 premise：利用模型信息的稀疏估计进行参数恢复（Parameter Recovery Exploiting Model Informed Sparse Estimates）。该方法利用热尘埃辐射的稀疏特性，计算 353 GHz 处热尘埃温度、谱指数与光学深度的全天图。premise 在全天模拟数据上进行了评估与验证。我们发现，在 1{\sigma} 置信水平下，premise 结果与真实值在全天的百分比差异对于 353 GHz 处热尘埃温度、谱指数和光学深度分别为 2.8%、5.7% 和 7.2%。在天空模拟的选定区域上，premise 与类 GNILC 方法的比较显示，在高信噪比区域内两方法表现相当。然而在银道面之外，随着信噪比变差，premise 相对于类 GNILC 方法表现更优且优势渐增。