[论文解读] Simple Improved Reference Subtraction for H4RG, H2RG, and H1RG Near-infrared Array Detectors

B. Rauscher, Dale J. Fixsen+1 more|arXiv (Cornell University)|Feb 2, 2026

Advanced Semiconductor Detectors and Materials被引用 0

一句话总结

该论文提出了 Simple Improved Reference Subtraction (SIRS)，一种基于最小二乘的后处理方法，利用嵌入式参考列来抑制 Teledyne HxRG 探测器中的相关读出噪声，具备可训练的前端和基于 Julia 的后端。

ABSTRACT

Teledyne's H4RG, H2RG, and H1RG near-infrared array detectors provide reference pixels embedded in their data streams. Although they do not respond to light, the reference pixels electronically mimic normal pixels and track correlated read noise. In this paper, we describe how the reference pixels can be used with linear algebra and training data to optimally reduce correlated read noise. Simple Improved Reference Subtraction (SIRS) works with common detector clocking patterns and, when applicable, relies only on post-processing existing data so long as the reference pixels are available. The resulting reference correction is optimal, in a least squares sense, when the embedded reference pixels are the only references and the reference columns on the left and right are treated as two reference streams. We demonstrate SIRS using H4RG ground test data from the Nancy Grace Roman Space Telescope Project. The Julia language SIRS software is freely available for download from the NASA GitHub. The package includes a python-3 ``backend'' that can be used to apply SIRS corrections if a SIRS calibration file has been provided by the instrument builders.

研究动机与目标

• 降低 HxRG 近红外图像中的相关低频读出噪声。
• 利用嵌入式参考像素（左/右列及上下行）构建最优噪声校正。
• 提供基于最小二乘、无参数的校正，适用于常见时钟模式且仅需后处理。
• 使方法在可获取参考像素的归档数据中也具可用性。
• 提供软件工具（Julia 包）用于训练和应用 SIRS 校正。

提出的方法

• 在傅里叶空间将正常像素噪声建模为左/右参考列噪声的线性组合。
• 使用不完全实傅里叶变换（IRFT）处理数据缺口，并将信号投影到噪声协方差接近对角的傅里叶空间。
• 通过使用训练暗场帧的最小二乘法求解频率相关增益（alpha 和 beta）。
• 在关于 alpha 和 beta 的解析表达式（公式13-14）中，基于参考/像素协方差之和（L、R、X、Y、Z）推导。
• 在大量暗场数据（前端）上对方法进行训练，并将校正应用于新数据（后端）。
• 将 Nyquist 线以上的频率置零，以将校正聚焦在可恢复的噪声分量上。

实验结果

研究问题

• RQ1 SIRS 是否能够在典型观测模式下可靠地降低 H4RG/H2RG/H1RG 探测器的相关低频读出噪声？
• RQ2 在可用参考流的条件下，SIRS 校正是否在最小二乘意义上达到最优？
• RQ3 SIRS 从训练暗场到科学数据（包括参考像素完好无损的归档数据）的泛化程度如何？
• RQ4 实际应用中对训练的实际要求（数据量、计算）和运行时影响有哪些？
• RQ5 SIRS 的性能如何依赖探测器配置和时钟模式？

主要发现

• SIRS 在抑制低频的 1/f 噪声方面非常有效。
• 在傅里叶空间中读出噪声协方差显著趋于对角，简化了优化过程。
• 在暗场上训练（典型为 100 次向上内扫描的暗场，60 帧/条）可获得约 6,000 帧用于稳健的 LS 估计。
• 方法使用左/右参考列来建模大于 0 Hz 的频率，使用传统参考行来处理 0 Hz 偏移。
• 在模型下，校正结果线性、确定性，且在最小二乘意义上达到最优。
• 在标准服务器上，实际训练时间大致为每个 HxRG 约 1 小时；后端校正的运行时间与传统参考校正相当。