4.5 还原声场：成像与谱线分析

4.5 还原声场：成像与谱线分析

本节摘要：成像把傅里叶平面上的采样还原成天图：逆变换得到脏图与脏束，清洁算法反复剥离旁瓣，得到可用于测量的干净图与谱线数据立方。本节讲清采样与伪影的因果关系、去卷积的循环逻辑、以及谱线数据立方的读法，并演算波束与通道切分的配套关系。

图是解出来的，不是拍出来的

上一节把干扰剥净，数据已经"干净"，但干涉数据仍长在傅里叶平面上——每个数据点是一次空间频率的测量，不是一块天区的亮度。成图第一步是傅里叶逆变换：把采样点直接变换回天空，得到脏图；每个点源在脏图里不是圆点，而是采样函数变换出的"脏束"——中心主瓣加四周旁瓣，看起来像星星拖出的芒。脏束不是缺陷而是数学事实：只采样了一部分傅里叶平面，逆变换就必然与采样函数卷积。成像的真正课题因此不是"变换"，而是"解卷积"：从已知脏束与脏图反解真实天图。

图 4-5：从采样到干净图：去卷积的循环

清洁算法：最常用的去卷积循环

清洁算法的循环朴素到可以背下来：在脏图里找最亮的峰；把它记入模型天图；按脏束的形状从脏图里减掉这个峰的贡献；对残图重复，直到残图只剩噪声。最终图像是"模型卷积上干净束（主瓣高斯）加残图"——旁瓣被模型吸收，分辨率由主瓣给出。它的变体与改进很多，思想都是同一条：把观测直接测到的分量（模型）与解释不清的分量（残差）分开记账。使用者的关键决策是"清洁到多深"：清洁过浅，旁瓣残留压过弱源；清洁过深，模型开始吸收噪声、图像出现"过清洁"的碎块伪影——残差图永远要和干净图一起看。

衡量成图的硬指标是动态范围：图里最亮结构的信噪比。它决定了最暗可辨认的特征——动态范围一千的图，亮源旁边千分之一亮的伴源才刚刚可见。读图先读波束椭圆与动态范围，再看结构，这个顺序和读实验数据先看误差棒是同一件事。

谱线数据立方：三维的天图

谱线观测的成图在三维展开：两维空间加一维频率，得到数据立方。每个空间点抽出来是一条谱（像素谱），每个频率通道抽出来是一幅窄带天图（通道图）。读立方的三步：通道图里翻页找发射区（气体在哪个频率出现）；像素谱里读线心与线宽（这一点上的气体速度与弥散）；动量图里看整体（把每点的线心速度做成彩色速度场，星系旋转与云团塌缩一目了然）。第六章的银河系旋臂测绘与分子云诊断，读的全是这种立方。

立方里的通道宽与波束是一对需要配套的参数：通道太宽，线形被采样太粗，速度场失真；通道太细，每通道信噪比下降，翻页翻到的是雪花。配套演算一行：已知谱线线宽（速度域）与波束立体角，按每波束面积、每通道若干倍噪声的信噪比底线，反推需要的总积分时间——这是谱线成图提案的标准预算。

# 谱线立方预算：线宽、通道切分与波束信噪比
import math
c = 299792.458      # km/s
dv_line = 20.0      # 目标谱线线宽（速度域）
f0 = 1420.40575e6   # 观测谱线

dnu_channel = c * 1e3 / f0 * 5.0    # 通道宽取线宽的 1/4（速度 5 km/s）
print(f"20 km/s 线宽 -> 通道宽取 5 km/s = {dnu_channel/1e3:.1f} kHz @21cm")

SEFD, eta, npol = 300.0, 0.88, 2
for tau in (3600, 14400):
    sigma = SEFD / (eta * math.sqrt(npol * dnu_channel * tau))
    print(f"积分 {tau//3600:>2} h -> 每通道灵敏度 {sigma*1000:.1f} mJy/波束")
​

输出（真实运行结果）：

20 km/s 线宽 -> 通道宽取 5 km/s = 11.7 kHz @21cm
积分  1 h -> 每通道灵敏度 32.8 mJy/波束
积分  4 h -> 每通道灵敏度 16.4 mJy/波束
​

预算的解读要按科学问题校准：找银河系高速云（几十毫央斯基到央斯基量级）一小时够用；测旋臂间的暗气体（几毫央斯基）就得把波束凑粗或把积分拉长——立方成图的自由度（波束粗细、通道宽、积分深）正是三维版的观测预算。

⚠️ 易错点：把通道图里的"负环"当成物理结构。欠采样与不完善去卷积会在亮源旁边留下碗状负特征，它出现在发射区的"洞"里时常被误读为空腔。判别办法是对照残差图与脏束形状——负环的形状跟着采样函数走，不跟着气体走。

动态范围与拼接：成图的两门内功

动态范围是成图质量的硬通货：图中最亮结构的信噪比决定了最暗可辨认的特征。提升它有两条常规路径：加深校准（自校准迭代收敛得越好，动态范围越高）与改善采样（补短基线、调整权重）。对超出单视场的延展天体——银河系旋臂、近邻星系的全盘——还要用拼接：天线按网格指向逐块观测，再把各块天图与噪声模型联合合成。拼接用观测时间的覆盖率，把干涉阵列"看不见大尺度结构"的短板一点点换回来。这两门内功决定了同一份数据在不同人手里能榨出多少科学。

权重与锥化：成像的两组旋钮

同一份可见度数据，成像时还有两组可调旋钮。权重策略：自然权重灵敏度最高但波束胖、旁瓣重；均匀权重压旁瓣、波束瘦但灵敏度降；中间档的布 里格斯权重是多数成图的默认。锥化：给数据乘一个随基线距离衰减的窗，牺牲分辨率换波束的圆润与信噪比——延展源的成图几乎都要轻微锥化。两组旋钮没有标准答案，只有"为科学目标服务"的取舍：找致密亮源用均匀权重，测延展暗气体用自然权重加锥化。读文献时看到"加权与锥化参数"的说明，就是作者在这两组旋钮上做过的选择。

本节要点回顾

• 图是解：脏图等于真实天图与脏束的卷积，去卷积是解方程不是美化；
• 清洁循环：找峰、记模型、按脏束相减、迭代到噪声底，深度要配残差图检查；
• 动态范围先行：读图先读波束与动态范围，再看结构与暗特征；
• 数据立方：空间加频率三维，通道图找发射、像素谱读线形、动量图看整体；
• 通道配套：通道宽取线宽的四分之一量级，灵敏度按波束与通道预算；
• 负环陷阱：碗状负特征跟着采样函数走，别把处理伪影读成物理空腔。

空间翻译完成。下一站转向矢量信息：偏振——射电波段量磁场的独门本事。