type
Post
status
Published
date
Feb 23, 2025
slug
example-12
summary
tags
入门
category
射电
icon
password
缄默大地之下，是压抑的愤怒，是如同超新星爆炸的激昂，来自于遥远的亿万光年之外，克制在摇摇欲坠的躯壳里，万事万物纷至沓来，是如期而至吗？不过是一颗泪在无声轰鸣罢了。
准备工作
对于本教程...
● 你需要一个完整的能够工作的 PRESTO 版本（包括python扩展），参考PRESTO安装流程。
● 如果你对某个命令有疑问，试试运行它！通常输入命令名称就会显示用法信息。
● 足够的磁盘空间
● 建议你在/dev/shm子目录下执行所有操作，。
● 这里使用的示例数据：
或另一个较小的示例数据（25MB）http://www.cv.nrao.edu/~sransom/GBT_Lband_PSR.fil
一些基本的操作
readfile可以自动识别PRESTO所处理的大多数数据类型（在PRESTO v2中，这仅限于SIGPROC filterbank和PSRFITs,目前更新到v5.0.3），并打印有关观测的元数据
📝 周期搜寻
原理：色散效应：
DM(⾊散量)：星际介质的电⼦密度在信号传播路径上的积分。
流程如下：
- rfifind
- ddplan or Manual setup
- prepsubband/prepdata
- realfft
- rednoise
- accelsearch
- ACCEL_sifting
- sorted by SNR
- fold
找到并标记RFIs
rfifind
-h
rfifind会识别强烈的窄带和/或短时宽带射电干扰，创建一个“掩模”（.mask文件）（basename由“-o”确定），其中RFI被中值替换，PRESTO程序默认会自动剪切强烈的、瞬态的、DM=0信号，它几乎总是有用的，不会伤害（绝大多数）分散的天体物理脉冲。，使用-noclip可以关闭，但作者说强烈建议不要关闭它。典型的积分时间（-time）应该是几秒钟，对于FAST的数据通常0.1s足够。
● 检查坏时间间隔的数量。通常应该少于~20％
● 列出最重要和最多的棕色射频干扰（使用-rfixwin查看所有）
● 生成一堆输出文件，包括“...rfifind.ps”，其中有颜色是坏的（红色是周期性射频干扰，蓝/绿色是时域统计问题）
● 在干扰过多的情况下，使用“-time 0.05”重新运行或使用“-nocompute”重新计算
下图是不太好的例子：有太多的颜色，并且随机排列！随机的红色颜色可能意味着我们遮盖了太多的数据
大型观测的便捷方式
有时对于长时间的观测，或者具有许多通道、快速采样或大量射频干扰的观测，rfifind可能需要很长时间才能运行。你可以经常使用一些快捷方式和 -ignorechan 来屏蔽大部分的射频干扰：（注意： -ignorechan 一旦使用，需要在全流程中都使用）
● 在数据的子集（一个或多个单独的文件）上运行rfifind
● 使用-nocompute和不同的-freqsig和-timesig值调整结果，以标记掩盖的最坏通道
● 在结果的rfifind文件上运行 rfifind_stats.py。它会对rfifind文件的统计数据进行平均，并制作一个“weights”文件，显示哪些通道应该被零加权（还有一个平均的“bandpass”文件）
● 然后可以使用 weights_to_ignorechan.py 将该权重文件转换为要忽略的通道列表，该程序还会为你提供一个paz命令（来自PSRCHIVE），以清除从数据制作的折叠归档
● “ignorechan”语法列出通道（从0开始），或以逗号分隔的通道范围，如start:end，这些可以与prepfold、prepdata、prepsubband或mpiprepsubband一起使用，例如：
prepsubband … -ignorechan 0:10,15,20:25,67 … myfiles*.fit
下面为可选操作：寻找持久的低级射频干扰。
a) ：使用掩模为每个文件创建一个 0-DM 质心时间序列
● prepdata对单个时间序列进行去色散。 “-nobary”标志告诉PRESTO不要对时间序列进行质心化。FAST的观测数据的re和dec可能不太准确，需要额外的步骤进行质心处理，搜寻可以不用质心化，但计时需要。
● 如果需要对多个时间序列进行去色散，请使用prepsubband。
● 我们曾经需要设置点数（-numout）以进行FFT，使其成为一个漂亮的数字，但现在PRESTO会自动完成
b) 对所有文件进行傅里叶变换
exploredat和explorefft允许您交互地查看时间序列或其功率谱（用于查找RFI）,（pgplot左键放大，右键缩小,q退出）
● 在explorefft中更改功率归一化（键“n”）通常非常有帮助
● realfft要求时间序列容易分解（并且至少有1个因子“2”）。通过“factor”检查
c) 去除红噪声
注意：Rednoise及其抑制
● 如果您的时间序列看起来像下面第一张图，则存在红噪声问题
● 红噪声使搜寻和折叠慢脉冲星（尤其是）变得困难
● 您可以使用rednoise程序在.fft文件中抑制大部分红噪声（该程序在Lazarus et al. 2015中有描述）
● 该程序创建一个新的以*_red.fft结尾的.fft文件（及其对应的.inf文件），您可以在其中搜索
● 或者，您可以使用*_red. fft文件对realfft进行操作，以创建去红时间序列（*_red.dat），如下面第二张图所示（然后可以与prepfold一起折叠）
● 请注意，红噪声将始终降低存在的频率上的S / N！使用rednoiseprogram将其删除不会修复此问题！
d) 创建 zaplist(makebirds.py)
在0-DM 时序可能找到更多干扰信号，可以用于制作birds_file。使用accelsearch找到周期性干扰之后，将信息写入.birds文件中。
● 什么是“birds”文件？
● “birds”是脉冲星天文学术语，用于显示在我们的功率谱中出现的周期性干扰。我们通常在搜索功率谱之前将它们“zap”掉。
● 在PRESTO中，.birds文件是一个简单的ASCII文本文件，带有5列（以“＃”开头的行是注释）
- 周期性干扰的基本频率（赫兹）
- 干扰的宽度（赫兹）（电力线RFI通常非常宽，但某些干扰仅为单个FFT bin宽）
- 要zap的基本频率的谐波数量
- 然后是0/1（不/是）用于谐波数量的宽度是否随着谐波数量的增加而增加，
- 以及频率是否为质心（例如，ATNF数据库频率为数据中的强脉冲星）
●这是一个示例.birds文件：
● 不要过于强调获得完美的.birds文件（特别是关于高频率不太强的信号-它们在高DM下会被扩散）。主要想得到真正强有力的东西，傅里叶功率超过50左右。
● 通常，我仅为特定类型的数据（例如整个项目的一次）或非常重要的单点制作.birds文件。
生成的“Lband.zaplist”是ASCII格式的，可以手动编辑
它也可以加载到explorefft中，以便您可以查看是否需要zap所有内容（请参阅explorefft帮助屏幕）
使用“zapbirds”应用zaplist：
2.去色散
prepsubband/prepdata
制定去色散计划
● DDplan.py确定去色散数据的近似最佳方法，以保持对快速脉冲星的灵敏度，同时节省CPU和I / O时间
● 假设使用prepsubband使用“子带”去色散来对数据进行多次处理
● 指定来自readfile的命令行信息，或（新！）提供文件名，DDplan.py将确定观测细节
● 新的“-w”选项将写出dedisp*py文件，您可以运行以去色散数据（并根据需要进行编辑，即添加rfifind掩模）
● 在PRESTO中，我们使用prepsubband和mpiprepsubband进行子带去色散
prepsubband
● 需要将每个输入通道的到达时间移位到特定DM，通过将通道（子带）的一部分（子带）部分移位到某些特定DM来使其更快，然后可以使用更少的计算量来对邻近DM进行子带数据集去色散。默认并行。
● 如果您有并行计算机（和长时间观测），可以使用完全并行的mpiprepsubband，其中一个CPU读取数据，将其广播到其他CPU，每个CPU都会有效地进行“调用”
● $PRESTO/examplescripts中的dedisp.py脚本可以帮助您自动化此过程（并生成子带，这些子带可以用于比折叠原始数据更快地折叠候选项）。编辑文件后，执行：python dedisp.py
傅里叶变换
使用xargs（很棒的Unix命令）对*.dat文件进行fft和zap
去除红噪声
加速搜寻
● Accelsearch使用傅里叶插值和1、2、4、8、16和/或32个谐波（默认为8）的谐波和来进行傅里叶空间加速（或不加速）搜索周期性信号。
● “zmax”是最高谐波的最大傅里叶频率的傅里叶频率区间数（即一个1st harm的基本或1st harm的搜索，8th harm的8th harm的搜索）。可以线性漂移子谐波（即如果第二个谐波漂移10个区间，则基本波将漂移5个区间）。
● 搜索所需的时间随着每个附加谐波和线性比例zmax而加倍。
● 对于MSP，8个谐波几乎总是足够的。并且zmax < 200左右（超过这个值非线性加速开始逐渐出现）。毫秒脉冲星的谐波可以设置为更低的4.对于短轨道周期双星，加速搜寻的效果不太理想，在10%轨道周期的积分时间达到最高灵敏度。zmax值可通过计算出的视线方向的轨道加速度（如果能获得的话）进行估计。
● 可以使用“-flo 15”，以便不检测最低频率箱式滤波器的红噪声
候选体筛选
程序筛选：$PRESTO/python/ACCEL_sift.py,
搜索到的脉冲形状折叠后以⼆维数据点的形式存放在.bestprof文件中，可用于分析。
python ACCEL_sift.py > cands.txt
● ACCEL_sift.py在$PRESTO/examplescripts中，可以根据特定的观测进行编辑和调整
● 它使用几个启发式方法来拒绝不太可能是脉冲星的坏候选项。并且它结合了多个候选信号在各种DMs（以及谐波）上的多次检测。
● 输出是一个人类可读的最佳候选项排名列表
● cands.txt文件中的ASCII“图”允许您查看信噪比与DM的大致关系（如果在DM != 0处存在峰值，则很好）
● “候选”格式为candfile：candnum（您可以像使用prepfold一样使用它们）
● 您还可以查看ACCEL文件本身。以数字结尾的文件是人类可读的（使用less-S）。候选人的摘要在顶部，其谐波的详细信息在底部。
● 对于大型单个ACCEL文件，您可以使用quick_prune_cands.py
折叠最佳候选项
● prepfold可以折叠时间序列（.dat文件）、子带（.sub??文件）或原始数据文件。许多指定周期（-p）/频率（-f）等的方法。
● 折叠时间序列非常快，有助于确定哪些候选项要折叠原始数据
● 折叠子带和/或原始数据时，请确保指定DM（并选择最接近DM的子带集。。
● 对于现代原始数据，使用64个或更多的子带（-nsub）是折叠的好方法（以更好地查看窄带RFI和闪烁）
● 如果RFI很糟糕，则可以使用show_pfd删除它或使用-mask重新折叠
📝 单脉冲搜寻
目标：Giant pulses from pulsars, RRATS, FRBs
● single_pulse_search.py使用“boxcar”模板进行匹配滤波单脉冲搜索。
● --fast可以使事情快上约2倍，但只有在数据表现良好（相对恒定的功率水平）时才使用它
● 如果数据中有非常强的脉冲，则它们可能看起来像RFI。对于这些情况，请关闭bad-block查找（--nobadblocks）
● 生成*.singlepulse文件，这是ASCII和单脉冲图
● 可以使用（例如）重新生成图表：
● 也可以选择开始和结束时间（--start和--end）
📎 参考文章
From PRESTO tutorial of Scott Ransom
有关Notion安装或者使用上的问题，欢迎您在底部评论区留言，一起交流~
- Author:彭龙
- URL:http://plxray.cn/%E5%B0%84%E7%94%B5/example-12
- Copyright:All articles in this blog, except for special statements, adopt BY-NC-SA agreement. Please indicate the source!
