Авторы
Мухин А.А. (1, 2), Кривонос Р.А.(1)
Организации
(1) Институт космических исследований РАН
(2) Московский физико-технический институт
(2) Московский физико-технический институт
Сессия
Астрофизика и радиоастрономия
Форма представления
Устный
Научный руководитель
Кривонос Р.А.
Место работы научного руководителя
ИКИ РАН
Текст тезисов
Несфокусированная засветка, регистрируемая космической рентгеновской обсерваторией NuSTAR может быть источником полезной информации о космическом рентгеновском фоне (КРФ). В данной работе мы представляем автоматизированный метод для очистки наблюдений NuSTAR от любого сфокусированного рентгеновского потока, при этом сохраняя максимальную площадь области детектора, необходимой для анализа КРФ.
Основная идея метода -- вейвлет декомпозиция изображения, которая позволяет в автоматическом режиме детектировать структуры произвольной формы и пространственного масштаба.
Основной обобщенный вейвлет декомпозиции также откалиброван и модернизирован для обработки наблюдений NuSTAR: использована специальная процедура вычисления порогов для детектирования структур различного масштаба, представлен итерационный алгоритм выбора очищаемой области для сохранения максимальной площади детектора.
На основе представленного метода разработан код для Python, который находится в открытом доступе и может быть использован для решения задачи разделения фокусированной и несфокусированной компонент сигнала. Продукты работы алгоритма адаптированы для внедрения в стандартный набор инструментов для обработки данных NuSTAR (NuSTAR Data Analysis Software).
Основная идея метода -- вейвлет декомпозиция изображения, которая позволяет в автоматическом режиме детектировать структуры произвольной формы и пространственного масштаба.
Основной обобщенный вейвлет декомпозиции также откалиброван и модернизирован для обработки наблюдений NuSTAR: использована специальная процедура вычисления порогов для детектирования структур различного масштаба, представлен итерационный алгоритм выбора очищаемой области для сохранения максимальной площади детектора.
На основе представленного метода разработан код для Python, который находится в открытом доступе и может быть использован для решения задачи разделения фокусированной и несфокусированной компонент сигнала. Продукты работы алгоритма адаптированы для внедрения в стандартный набор инструментов для обработки данных NuSTAR (NuSTAR Data Analysis Software).