[论文解读] The effect of the high-pass filter data reduction technique on the Herschel PACS Photometer PSF and noise

P. Popesso, B. Magnelli+37 more|arXiv (Cornell University)|Nov 18, 2012

Calibration and Measurement Techniques被引用 14

一句话总结

本文校准了高通滤波数据降尺度技术对赫歇尔望远镜PACS光度计点扩散函数（PSF）和噪声的影响，表明基于中值的滤波会导致显著的流量损失，尤其是在未进行适当掩蔽的情况下。研究提供了针对不同源流量水平和掩蔽策略的流量损失校正因子，并基于高通滤波宽度、像素尺寸和pixfrac推导出噪声模型，关键发现为全局噪声几乎完全由滤波宽度决定。

ABSTRACT

We investigate the effect of the "high-pass filter" data reduction technique on the Herschel PACS PSF and noise of the PACS maps at the 70, 100 and 160 um bands and in medium and fast scan speeds. This branch of the PACS Photometer pipeline is the most used for cosmological observations and for point-source observations.The calibration of the flux loss due to the median removal applied by the PACS pipeline (high-pass filter) is done via dedicated simulations obtained by "polluting" real PACS timelines with fake sources at different flux levels. The effect of the data reduction parameter settings on the final map noise is done by using selected observations of blank fields with high data redundancy. We show that the running median removal can cause significant flux losses at any flux level. We analyse the advantages and disadvantages of several masking strategies and suggest that a mask based on putting circular patches on prior positions is the best solution to reduce the amount of flux loss. We provide a calibration of the point-source flux loss for several masking strategies in a large range of data reduction parameters, and as a function of the source flux. We also show that, for stacking analysis, the impact of the high-pass filtering effect is to reduce significantly the clustering effect. The analysis of the global noise and noise components of the PACS maps shows that the dominant parameter in determining the final noise is the high-pass filter width. We also provide simple fitting functions to build the error map from the coverage map and to estimate the cross-correlation correction factor in a representative portion of the data reduction parameter space.

研究动机与目标

• 量化赫歇尔PACS地图在70、100和160 μm波段中，高通滤波数据降尺度技术引入的流量损失。
• 评估不同掩蔽策略在高通滤波过程中最小化流量损失的有效性。
• 校准PACS地图的噪声特性，特别是交叉相关噪声和像素噪声的贡献，作为数据降尺度参数的函数。
• 为高通滤波+简单投影流程开发一种可靠的误差图和交叉相关校正因子估计方法。
• 提供适用于不同扫描速度和仪器模式的噪声和误差估计的拟合函数。

提出的方法

• 通过在模拟的PACS时间序列中注入不同流量水平的人工源，测量基于中值的高通滤波导致的流量损失。
• 利用高数据冗余的空白场观测，分离并量化高通滤波宽度、输出像素尺寸和pixfrac对噪声分量的影响。
• 测试并比较基于在先前源位置放置圆形掩蔽区域的掩蔽策略与其他方法，以最小化流量损失。
• 使用三阶多项式函数进行统计拟合，以建模噪声分量和校正因子对数据降尺度参数的依赖关系，并采用缩放技巧将并行模式数据纳入主模式参数空间。
• 通过自助法和交叉验证验证该方法，误差估计基于各地图区域分布的离散度。
• 最终校准在HIPE环境中实现为photCoverage2Noise任务，用于误差图和噪声校正因子估计。

实验结果

研究问题

• RQ1 高通滤波数据降尺度技术在70、100和160 μm波段下如何影响PACS PSF的形状和流量含量？
• RQ2 运行中值去除导致的流量损失有多大？其大小如何随源流量和掩蔽策略变化？
• RQ3 哪种掩蔽策略能在保持动态范围内的流量独立性的同时最小化流量损失？
• RQ4 高通滤波参数、输出像素尺寸和pixfrac如何影响最终地图的噪声及其分量？
• RQ5 能否从覆盖图和数据降尺度设置中可靠地推导出误差图和交叉相关校正因子？

主要发现

• 高通滤波的运行中值去除在所有流量水平下均导致显著的流量损失，且在未进行掩蔽时，流量越弱损失越大。
• 基于先前源位置的圆形掩蔽区域策略表现最优，可显著减少流量损失，并在大部分流量范围内实现流量无关的校正。
• PACS地图中的全局噪声几乎完全由高通滤波宽度决定，因为像素噪声和交叉相关噪声对输出像素尺寸和pixfrac的相反依赖关系基本相互抵消。
• 本文提供了基于源流量和掩蔽策略的校准流量损失校正因子，可实现对点源的精确测光。
• 推导并验证了误差图和交叉相关校正因子的拟合函数，提出一种空间缩放技巧，可将主模式结果扩展至并行模式。
• 在HIPE任务photCoverage2Noise中实现这些校正，使得在广泛的数据降尺度设置下均可实现可靠的噪声和误差估计。