利用数据填补进行高对比度成像中的信号分离
天体物理仪器与方法
2020-04-01 v3 地球与行星天体物理
太阳与恒星天体物理
机器学习
摘要
在高对比度成像中刻画星周系统，基本步骤是构建非星周信号（即星光与散斑）的最佳点扩散函数（PSF）模板，并将其从观测中分离出来。在现有 PSF 构建方法中，星周信号（如行星、星周盘）不可避免地因过拟合和/或自相减而改变，使得前向建模成为恢复这些信号的必要手段。我们提出了一种无需前向建模的解决方案，即利用序列非负矩阵分解的数据填补（DI-sNMF）来解决这些问题。DI-sNMF 首先通过将承载星周信号的区域标记为缺失数据，把该信号分离问题转化为统计学中的“缺失数据”问题，随后将 PSF 信号归算至这些区域。我们从数学上证明，当填补区域相对较小时，其对星周信号的改变可忽略不计，从而能够对这些星周天体进行精确测量。我们将其应用于模拟点源与星周盘观测以展示其对二者的恰当恢复。我们将其应用于双子座行星成像仪（GPI）对 HR 4796A 周围碎屑盘的 K1 波段观测，发现尘埃随波长增大更趋于前向散射的暂现趋势。我们预期 DI-sNMF 可适用于其他需要信号分离的一般场景。
引用
@article{arxiv.2001.00563,
title = {Using Data Imputation for Signal Separation in High Contrast Imaging},
author = {Bin Ren and Laurent Pueyo and Christine Chen and Élodie Choquet and John H. Debes and Gaspard Duchêne and François Ménard and Marshall D. Perrin},
journal= {arXiv preprint arXiv:2001.00563},
year = {2020}
}
备注
18 pages, 9 figures, ApJ published. Modified AASTeX template at https://github.com/seawander/aastex_pwned