[论文解读] Muon Identification with VERITAS using the Hough Transform

Jonathan Tyler|arXiv (Cornell University)|Jul 31, 2013

Astrophysics and Cosmic Phenomena参考文献 2被引用 6

一句话总结

本文提出一种基于霍夫变换的方法，用于在VERITAS成像大气契伦科夫望远镜数据中识别μ子引起的契伦科夫光模式。该技术采用参数化圆形拟合来检测环形μ子图像，在对AP和TD参数应用优化截断后，实现了约29%的效率，且纯度极高（验证中无误报）。

ABSTRACT

Imaging atmospheric Cherenkov telescope (IACT) arrays such as VERITAS are used for ground-based very high-energy gamma-ray astronomy. This is accomplished by the detection and analysis of the Cherenkov light produced by gamma-ray-initiated atmospheric air showers. IACTs also detect the Cherenkov light emitted by individual muons. Identification of these muons is useful because their Cherenkov light can be used to calibrate the telescopes. Muons create characteristic annular patterns in the cameras of IACTs, which may be identified using parametrization algorithms. One such algorithm, the Hough transform, has been successfully used to identify muons in VERITAS data. Details of this technique are presented here, including results regarding its effectiveness.

研究动机与目标

• 开发一种稳健的方法，利用μ子特征环形契伦科夫光模式在VERITAS数据中识别μ子。
• 通过利用μ子作为已知且稳定的光源，改进IACT的能量标定。
• 基于参数化方法优化μ子识别，使用霍夫变换并推导出有效的选择截断。
• 通过人工分类事件对多个观测运行进行验证，评估该方法的纯度和效率。

提出的方法

• 将霍夫变换应用于数字化相机图像，以检测对应于μ子契伦科夫光发射的圆形模式。
• 建立查找表，将每个像素映射到12,475种可能的圆形参数化（中心和半径从3到11个PMT直径，以1/3为增量）。
• 基于像素强度，累加器数组对每种参数化进行投票，峰值单元指示最佳拟合圆。
• 提取三个关键参数：AP（最佳拟合的信噪比）、TD（前三名拟合结果的距离总和）和Npix（非零像素数）。
• 通过人工检查22,774个事件，得出最优截断：AP > 0.011×TD + 6.6，TD < 182，且10 ≤ Npix ≤ 79。
• 在数据集的两半上进行验证，并将该方法应用于另外四个观测运行，以评估跨运行的一致性和误报率。

实验结果

研究问题

• RQ1 霍夫变换能否有效识别VERITAS相机图像中μ子引起的环形模式？
• RQ2 霍夫变换导出的哪些参数组合（AP、TD、Npix）可实现高纯度的μ子识别？
• RQ3 哪些参数截断能最大化μ子识别效率，同时最小化误报？
• RQ4 该μ子识别方法在不同观测运行中的性能是否一致？
• RQ5 该技术能否在VERITAS离线分析中可靠地实现实时标定？

主要发现

• 霍夫变换能够以高精度成功识别VERITAS相机图像中μ子引起的环形模式。
• 在测试数据集上，经优化的截断（AP > 0.011×TD + 6.6，TD < 182，10 ≤ Npix ≤ 79）实现了约29%的μ子识别效率。
• 在对第一部分人工分类数据集的验证中，该方法未产生任何误报，表明其纯度极高。
• 在独立运行（47511、40839、40840、40841）中，该方法识别出1,617至1,101个μ子候选事件，每轮仅2至5个误报。
• 该技术在多个运行中表现出一致的性能，误报率极低（每10万事件不超过5个）。
• 该方法正被集成到VERITAS离线分析软件中，用于望远镜能量标定。