射电天文干涉图像的快速高保真重建

张利

(中国科学院新疆天文台乌鲁木齐830011)

射电干涉成图观测通过若干台射电望远镜的信号相关来实现天体射电图像的高角分辨率的观测.它极大地促进了天文学的发展.最近几年,大干涉阵正在筹建,如平方公里阵(SKA)、下一代甚大干涉阵(ngVLA).新的望远镜阵具有更高的灵敏度或分辨率,能测得更弱的射电源、揭示更多的细节以呈现射电源辐射的物理特征,推动天文学和天体物理学的发展.观测数据中天体的信息需要大量的像素以图像的方式来表示.然而,对于大图像的重建,现存算法的性能是非常有局限性的.本论文的目的是发展快速高保真的重建算法,通过引进解析式的方法计算模型图像来实现反卷积快速收敛,有效地解决了大图像重建耗时的问题.通过引进自适应循环机制来提高图像保真度,从而恢复出高质量的图像.我们提出的算法是基于广泛使用的CLEAN重建框架实现的.

自适应尺度分解(Asp-Clean)算法能够从脏图中重建出高质量图像,但计算量很大.我们找到了这种算法中计算开销最大的部分—目标函数中的卷积计算,用解析的方法来估计潜在的真实流量作为初始值.这使得计算量大大减少.解析计算需要将点扩展函数近似为高斯函数.现代的干涉阵的点扩展函数的旁瓣已经显著减少,允许做这样的近似使得它能处理更大的图像,揭示数据中所包含的信息.大量的测试显示该算法能很好地恢复各天体尺度的信息.计算量对图像尺度的依赖性很弱,对处理大图像是非常有利,可以在SKA和ngVLA等大型干涉阵图像处理中发挥更大作用.

在CLEAN算法中循环增益是可以优化的,固定的循环增益会使反卷积重建中出现振荡现象,在重建延展源时出现虚假结构.我们引进自适应循环增益技术来防止重建中的震荡,提高模型的保真度.自适应循环增益相当于在重建过程中引入不同的正则化,解决不同的问题.在本论文中,我们使用两种不同的正则化技术.第一种是基于信噪比的自适应循环增益.循环增益会随着每次迭代中残差的信噪比的改变而改变.自适应循环增益与信噪比正相关,提高了重建图像质量,降低了重建失败的风险.另一种是基于形状依赖的自适应循环增益.循环增益会随着每次迭代模型分量的形状改变,有利于减少重建图像中的虚假结构.大量的测试显示自适应循环增益能够显著提高图像的保真度,有利于揭示和理解天文现象的本质,产生更多的成果.

这些新算法利用通用天文软件应用(CASA)接口在Python语言下实现,并且应用到模拟的扩展甚大阵列(EVLA)数据,显示出更优的性能.我们正在与美国国家射电天文台合作,用C++语言在CASA软件中实现这些新算法,提供给全世界用户使用.