A Comparative Analysis to Deal with Missing Spectral Information Caused by RFI in Cosmological H i 21 cm Observations
Notice bibliographique
Résumé
Abstract We investigate the effect of radio-frequency interference (RFI) excision in estimating the cosmological H i 21 cm power spectrum. Flagging of RFI-contaminated channels results in a nonuniform sampling of the instrumental bandpass response. Hence, the Fourier transformation of visibilities from frequency to delay domain contaminates the higher foreground-free delay modes, and separating the spectrally fluctuating H i signal from spectrally smooth foregrounds becomes challenging. We have done a comparative analysis between two algorithms, one-dimensional CLEAN and least-squares spectral analysis (LSSA), which have been used widely to solve this issue in the literature. We test these algorithms using the simulated SKA-1 Low observations in the presence of different RFI flagging scenarios. We find that, in the presence of random flagging of data, both algorithms perform well and can mitigate the foreground leakage issue. But CLEAN fails to restrict the foreground leakage in the presence of periodic and periodic plus broadband RFI flagging and gives an extra bias to the estimated power spectrum. However, LSSA can restrict the foreground leakage for these RFI flagging scenarios and gives an unbiased estimate of the H i 21 cm power spectrum. We have also applied these algorithms to observations with the upgraded GMRT and found that both CLEAN and LSSA give consistent results in the presence of realistic random flagging scenarios for this observed data set. This comparative analysis demonstrates the effectiveness and robustness of these two algorithms in estimating the H i 21 cm power spectrum from data sets affected by different RFI scenarios.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».