孔径合成与干涉测量
孔径合成结合了射电天线阵列的信号，以重建高分辨率图像，合成了一个与阵列本身一样大的孔径的解析能力。
用 PaperMind 寻找选题即将推出Find papers & topics
Tools & resources
Learn & explore
视频即将推出
Definition
孔径合成是一种通过关联分离天线对的信号来测量天空亮度分布的傅里叶分量，然后对这些分量进行反演和去卷积，以形成由最长基线决定分辨率的图像的技术。
Scope
本主题涵盖双元干涉仪及其测量的可见度、将可见度与天空亮度联系起来的范西特-泽尼克定理、空间频率平面的采样和地球自转合成的作用、振幅和相位的校准，以及将稀疏测量转化为图像的去卷积算法，如 CLEAN 和自校准。
Core questions
- 干涉仪实际测量的是什么物理量？
- 范西特-泽尼克定理如何将可见度与天空联系起来？
- 为什么地球自转能改善图像？
- 稀疏采样的测量结果如何去卷积成清晰的图像？
Key theories
- 范西特-泽尼克定理
- 两个天线处场的关联，即复可见度，等于天空亮度在由基线设定的空间频率处的傅里叶分量，为合成成像奠定了基础。
- 地球自转合成
- 随着地球的转动，投影基线扫过空间频率平面，因此一个固定阵列在一个夜晚可以采样许多傅里叶分量，并为成像填补覆盖范围。
- 去卷积和自校准
- 由于覆盖不完整，原始图像与一个复杂的点扩散函数卷积，CLEAN 等迭代算法可以去除它，而自校准则利用源本身解决残余相位误差。
Clinical relevance
合成成像使射电天文学具有角秒级及更精细的分辨率，从而能够绘制星系、恒星形成区、喷流和宇宙网的详细地图；相同的傅里叶原理也支撑着光学干涉测量和医学成像。
History
20世纪50年代和60年代，赖尔及其剑桥的同事开发了孔径合成技术，赖尔因此获得了诺贝尔奖。霍格博姆于1974年提出的 CLEAN 算法使得从不完整数据中进行稳健成像成为可能，而现代阵列，如甚大阵列（Very Large Array）和阿塔卡马大型毫米/亚毫米波阵列（ALMA），则常规应用这些方法。
Key figures
- Martin Ryle
- Antony Hewish
- Jan Hogbom
Related topics
Seminal works
- thompson2017
- ryle1960
- taylor1999
Frequently asked questions
- 为什么这项技术被称为孔径合成？
- 不是建造一个巨大的碟形天线，而是使用一个小型天线阵列，并结合它们的信号，以合成一个与最远分离天线之间间距一样大的单个孔径的解析能力。完整的孔径是通过许多基线测量构建或合成的。
- CLEAN 算法有什么作用？
- 由于干涉仪仅在离散空间频率处对天空进行采样，原始图像会被一个具有许多旁瓣的复杂点扩散函数模糊。CLEAN 迭代地识别点分量并减去该模式的按比例缩放的副本，从而产生一个更清晰的最终图像。