[论文解读] Towards the MICADO@ELT PSF-R with simulated and real data

Matteo Simioni, Carmelo Arcidiacono+6 more|arXiv (Cornell University)|Jan 1, 2023

Adaptive optics and wavefront sensing被引用 1

一句话总结

本文提出了一种针对极大望远镜（Extremely Large Telescope）上MICADO仪器的新型层析成像点扩散函数重建（PSF-R）方法，仅利用自适应光学（AO）遥测数据即可实现对离轴点扩散函数的精确估计，无需科学帧。该方法在1角分视场范围内，于斯托鲁尔比（Strehl ratio）、半高全宽（FWHM）和EECORE指标上均实现了小于10%的相对误差，且在模拟数据和真实ERIS@VLT数据上均得到验证，证明其在自适应光学辅助天文后处理中具有高度可靠性。

ABSTRACT

Observations close to the diffraction limit, with high Strehl ratios from Adaptive Optics (AO)-assisted instruments mounted on ground-based telescopes are a reality and will become even more widespread with the next generation instruments that equip 30 meter-class telescopes. This results in a growing interest in tools and methods to accurately reconstruct the observed Point Spread Function (PSF) of AO systems. We will discuss the performance of the PSF reconstruction (PSF-R) software developed in the context of the MICADO instrument of the Extremely Large Telescope. In particular, we have recently implemented a novel algorithm for reconstructing off-axis PSFs. In every case, the PSF is reconstructed from AO telemetry, without making use of science exposures. We will present the results coming from end-to-end simulations and real AO observations, covering a wide range of observing conditions. Specifically, the spatial variation of the PSF has been studied with different AO-reference star magnitudes. The reconstructed PSFs are observed to match the reference ones with a relative error in Strehl ratio and full-width at half maximum below 10% over a field of view of the order of one arcmin, making the proposed PSF-R method an appealing tool to assist observation analysis, and interpretation.

研究动机与目标

• 解决自适应光学辅助地基望远镜中空间与时间变化的点扩散函数（PSF）精确表征问题，特别是针对离轴源。
• 开发一种仅依赖AO遥测数据的PSF-R方法，避免对具有点源的科学帧的依赖。
• 为下一代仪器（如ELT上的MICADO）在大视场（最高达1角分）范围内实现高保真度PSF重建提供支持。
• 通过从遥测数据中进行层析波前重建，将现有轴上PSF-R框架扩展至离轴方向。
• 确保在不同观测条件下（包括不同AO参考星视星等、波前传感器类型和滤波器配置）的鲁棒性。

提出的方法

• 从AO遥测数据中实现残余入射波前的层析重建，推断大气湍流层参数（功率、高度、风速/风向）。
• 利用瞬时波前重建结果，在所需离轴方向和时间点采样波前，通过光学传递函数推导PSF。
• 利用结构函数将波前误差分解为独立分量，兼容多种波前传感器和最小二乘重构模型。
• 对离轴方向采用与轴上PSF-R相同的理论框架，确保在不同SCAO系统间的一致性与最小调参。
• 利用完整时间序列遥测数据（过去与未来帧）提升层析空间覆盖范围与精度，尤其在挑战性离轴方向。
• 在不使用科学曝光的前提下重建PSF，使该方法适用于缺乏明亮点源的星系或弥散场观测。

实验结果

研究问题

• RQ1 是否可仅通过AO遥测数据可靠地将PSF-R方法扩展至SCAO模式下的离轴方向，而无需依赖科学帧？
• RQ2 在不同观测条件下（包括不同AO参考星视星等），PSF在1角分视场范围内的重建精度如何？
• RQ3 该层析PSF-R方法在模拟与真实数据上的斯托鲁尔比、FWHM和EECORE指标表现如何？
• RQ4 当离轴方向垂直于大气湍流层主导风向时，该方法性能如何？
• RQ5 该方法在不同波前传感器类型、滤波器和视宁度条件下，其精度保持程度如何？

主要发现

• 该PSF-R方法在1角分视场范围内，对轴上与离轴PSF的斯托鲁尔比、FWHM和EECORE指标的相对误差均低于10%。
• 重建的PSF在径向剖面与残差图像中与实测PSF高度吻合，结构清晰且残差微小，尤其在中心区域表现优异。
• 该方法在多种条件下表现一致，包括不同波前传感器类型、滤波器与AO参考星视星等，展现出高度通用性。
• 真实ERIS@VLT观测的两颗离轴恒星结果证实了模拟结果，所有关键指标的重建精度均在10%以内。
• 通过利用完整遥测时间序列，该层析方法即使在垂直于主导风向的离轴方向也能恢复波前信息。
• PSF-R算法在后处理中表现鲁棒可靠，其性能已在模拟与真实数据上得到验证，支持其在未来的ELT运行中应用。