面向成像X射线偏振测量的优化信号提取
天体物理仪器与方法
2021-10-20 v1
摘要
我们描述了一种利用深度神经网络集成进行成像X射线偏振测量的优化信号提取流程。用于恢复偏振的初始光电子角度存在服从 von Mises 分布的错误。由在 fiducial 气体体积外发生转换的事件使问题复杂化，其径迹的偏振灵敏度很低。我们训练了一个深度卷积神经网络集成，以剔除这些事件，并为所需的气体转换径迹测量事件角度与误差。我们展示了每个事件的期望调制幅度如何提供最优加权，以最大化恢复偏振的信噪比。应用该加权最大似然事件分析，相较早前的启发式加权方案在灵敏度（MDP99）上提升约10%，并免除了针对源能谱调整上述加权的需要。我们将这一新技术应用于一组天体物理能谱（包括复杂的极端例子），并将偏振恢复结果与当前最先进水平进行比较。
引用
@article{arxiv.2107.08289,
title = {Towards Optimal Signal Extraction for Imaging X-ray Polarimetry},
author = {A. L. Peirson and R. W. Romani},
journal= {arXiv preprint arXiv:2107.08289},
year = {2021}
}
备注
Accepted for publication in ApJ. 12 pages, 9 figures