面向掩膜天空的 CMB 各向异性高效最优分析

高分辨率 CMB 数据中强烈的前景污染需要进行掩膜处理，这会引入统计各向异性并使全最大似然分析在数值上变得不可行。标准的分析方法（如伪 $C_l$ 框架）由于估计量的次优性而导致信息丢失。我们提出并验证了一种针对掩膜天空的数值高效估计量方法，该方法能够恢复近乎全最大似然过程的信息量。除了标准的伪 $C_l$ 统计量外，该方法还引入了一种增广基，旨在解释由天空掩膜引起的模式耦合。我们通过描述协方差矩阵的基本结构来论证该基的选择理由。我们证明，在存在符合 WMAP 实际情况的掩膜时，增广估计量可以实现近最优结果。