[論文レビュー] The application of compressive sampling to radio astronomy II: Faraday rotation measure synthesis

Feng Li, Shea Brown+2 more|arXiv (Cornell University)|Jun 9, 2011

Sparse and Compressive Sensing Techniques参考文献 20被引用数 26

ひとこと要約

本稿は、電波天文学におけるファラデー回折関数の再構成を目的として、スパarsityを考慮した3つの圧縮センシング（CS）ベースの再構成手法—CS-RM-Thin、CS-RM-Thick、CS-RM-Mix—を提案する。これらの手法は、ファラデー深さまたはウェーブレット領域におけるスパarsityを活用し、不完全で帯域制限のある観測から分散関数を再構成する。RM-CLEANに比べて、特に薄い、厚い、混合なファラデー源に対して、密接に配置された源の分解能を向上させるとともに、位相および振幅の正確性を保持する。

ABSTRACT

Faraday rotation measure (RM) synthesis is an important tool to study and analyze galactic and extra-galactic magnetic fields. Since there is a Fourier relation between the Faraday dispersion function and the polarized radio emission, full reconstruction of the dispersion function requires knowledge of the polarized radio emission at both positive and negative square wavelengths $λ^2$. However, one can only make observations for $λ^2 > 0$. Furthermore observations are possible only for a limited range of wavelengths. Thus reconstructing the Faraday dispersion function from these limited measurements is ill-conditioned. In this paper, we propose three new reconstruction algorithms for RM synthesis based upon compressive sensing/sampling (CS). These algorithms are designed to be appropriate for Faraday thin sources only, thick sources only, and mixed sources respectively. Both visual and numerical results show that the new RM synthesis methods provide superior reconstructions of both magnitude and phase information than RM-CLEAN

研究の動機と目的

• 偏光電波放射の不完全で帯域制限のある観測によって引き起こされる不適切な逆問題を解消すること。
• ファラデー深さまたはウェーブレット領域におけるスパarsityを活用したCSベースの再構成アルゴリズムを開発し、より高精度なファラデー分散関数の回復を実現すること。
• 適切なスパarsity表現を選択することで、ファラデー薄い、厚い、混合な源に対してそれぞれ最適化されたソリューションを提供すること。
• RM-CLEANを上回るために、側 lobes を低減し、密接に配置された源の分解能を向上させること。
• CSベースの手法が従来の手法に比べて、より高速かつ正確な再構成を達成できることを実証すること。

提案手法

• CS-RM-Thin は、分散関数がこの領域でスパースであると仮定し、ファラデー深さ領域における L1-ノルム最小化を用いる。これはファラデー薄い源に適している。
• CS-RM-Thick は、ウェーブレット領域における L1-ノルム最適化を適用し、ファラデー厚い源のウェーブレット係数におけるスパarsityを活用する。
• CS-RM-Mix は、ファラデー深さおよびウェーブレット領域の両方におけるスパarsity制約を、結合 L1 正則化を用いて統合し、混合源の状況に適応する。
• 再構成は、L1-Magic ソルバー、FISTA、または ISTA を用いた凸最適化問題として定式化され、観測モデルは RM スプレッド関数（RMSF）によって定義される。
• 観測チャンネル全体に均等な重み付けを仮定し、窓関数を適用した不完全なスペクトルカバレッジを伴う離散的フーリエ型逆変換を用いる。
• 偏光放射 P(λ²) が帯域制限されており、λ² > 0 の範囲でのみ観測可能であることに着目し、スパarsity促進最適化を用いて不完全なデータからの再構成を実現する。

実験結果

リサーチクエスチョン

• RQ1 圧縮センシングは、不完全で帯域制限のある電波観測からファラデー分散関数を効果的に再構成するために適用可能か？
• RQ2 ファラデー深さ領域またはウェーブレット領域におけるスパarsityは、異なる源タイプのRM再構成をどのように向上させることができるか？
• RQ3 CSベースのRM再構成は、振幅および位相の正確性において、RM-CLEANに比べて密接に配置されたファラデー源をどのようによりよく解像できるか？
• RQ4 異なる源形態（薄い、厚い、混合）に対して最適なスパarsity基底（ファラデー深さ vs. ウェーブレット）は何か？
• RQ5 同様の条件下で、CSベースの手法の計算時間はRM-CLEANに比べてどの程度か？

主な発見

• CS-RM-Thin は、RM-CLEAN や標準的な RM 再構成が分離に失敗する2つの密接に配置されたファラデー薄い源を明確に解像した。
• CS-RM-Thick はウェーブレット領域におけるスパarsityを活用し、ファラデー厚い源の再構成において、リバーブや側 lobes を低減することで優れた性能を示した。
• CS-RM-Mix は、薄いおよび厚い成分が共存する混合源の状況でも安定した性能を発揮し、RM-CLEANに比べて再構成の忠実度と分解能が優れていた。
• 同じテスト条件下で、CS-RM-Thin は3秒で再構成を完了したのに対し、RM-CLEAN は5秒を要したため、計算速度が速いことが示された。
• CSベースの手法の性能は、源タイプの事前知識および適切なスパarsity基底（深さ領域またはウェーブレット領域）の選択に強く依存する。
• 最適な結果を得るためには、φR（ファラデー深さ分解能）が大きい場合には CS-RM-Thin が有利であり、φR が小さい場合には CS-RM-Thick が必要となる可能性があるが、N（未知数の数）の増加により不確実性が増加する。