Astronomija

Kaip interpretuoti Lomb Scargle periodogramą

Kaip interpretuoti Lomb Scargle periodogramą


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

kapo skiauterės periodograma:

importuoti numpy kaip np importuoti pandas kaip pd iš matplotlib importuoti pyplot kaip plt iš scipy importo signalo iš astropy.time importo laikas iš astropy.timeseries importuoti LombScargle m5_data = pd.read_csv ('tmp') m5_data.head () data pardavimo 0 2011 01-29 32631.0 1 2011-01-30 31749.0 2 2011-01-31 23783.0 3 2011-02-01 25412.0 4 2011-02-02 19146.0 "" "Datų konvertavimas į MJD" "" tmp_str = m5_data.iloc [:, 0] .astype (pd.StringDtype ()) t_date = np.array (tmp_str.values, dtype = 'str') t_date = Laikas (t_date, format = "isot", scale = "utc") t_date.format = ' mjd 'y = m5_data.iloc [:, 1] m5_ls = LombScargle (t_date, y) m5_frequency, m5_power = m5_ls.autopower () plt.plot (m5_frequency, m5_power) plt.show ()
  1. Ką reiškia x ašis? Ar dažnis dienomis, ar dažnis per dieną?
  2. Taigi, kai smailė yra 2, tai reiškia, kad yra laikotarpis kas dvi dienas, ar tai reiškia, kad yra laikotarpis, kuris yra 1/2 dienos, tai yra dalinė diena, ir aš nesuprantu, kaip galėčiau gauti trupmenines dienas, kai turiu tik 1 stebėjimas per dieną.

Bendras tikslas yra išsiaiškinti, ar duomenys yra periodiški. Atsižvelgiant į tai, kad šie duomenys yra produkto pardavimas iš parduotuvės, aš tikiuosi, kad jei duomenys bus periodiški, laikotarpiai būtų 7 dienos (kas savaitę), 30 dienų (kas mėnesį), 182 dienos (pusmetį).

Taigi smaigalys ties 2 man nėra prasmingas.


Periodogramos x ašis paprastai yra dažnis, matuojamas atvirkštiniais laiko vienetais. Galima pavaizduoti atvirkštinį dažnį, tokiu atveju ašis būtų netiesinė.

Jūsų atveju „x“ ašis atrodo linijinė, o jūsų pateiktas kodas, atrodo, naudoja ką nors, pažymėtą kaip „x“ ašies dažnis. Todėl manau (nors ir perskaityčiau jūsų naudojamų funkcijų dokumentaciją), kad x ašis yra dažnis. Vienetai bus pagrįsti bet kokiais jūsų įvesties vienetais. t. y. tiesiog atvirkštinė tai, ką jūs jai duodate už laiką - šiuo atveju $ d ^ {- 1} $.

Jei jūsų mėginių ėmimo dažnis yra vieną kartą per dieną, jūs negaunate jokios patikimos informacijos apie dažnius $>1$ d$^{-1}$. Daiktai, į kuriuos turėtumėte sutelkti dėmesį, yra tarp $ 0 leq f <1 $ d$^{-1}$. Net šiame diapazone neturėsite gero ištikimybės signalams $0.5<> d$^{-1}$ nes jie yra neatrinkti. Taip pat galite tikėtis, kad diapazone atsiras slapyvardžių $ 0 leq f <1 $ kuriuos sukelia tikrieji signalai (įskaitant aukštesnio dažnio signalus), pablogėję 1 d$^{-1}$ mėginių ėmimo dažnumas.

Man atrodo, kad iš akies gali atrodyti tikras signalas $1/7$ d$^{-1}$, atitinkantį savaitės variaciją. Gali būti silpnesnis signalas daug žemesniais dažniais, kurie gali atitikti mėnesio signalą. 2 signalai iš vienos dienos pusės atrodo kaip savaitinio signalo pseudonimai su mėginių ėmimo dažniu.

Labai rekomenduočiau perskaityti „VanderPlas 2018“, kad išsamiai aptartumėte „Lomb-Scargle“ periodogramą ir jos aiškinimą.


Mažiausiai kvadratų spektrinė analizė

Mažiausiai kvadratų spektrinė analizė (LSSA) yra dažnio spektro įvertinimo metodas, pagrįstas mažiausiais sinusoidų kvadratais, tinkamais duomenų duomenims, panašiai kaip Furjė analizė. [1] [2] Furjė analizė, dažniausiai naudojamas mokslo spektro metodas, paprastai padidina ilgą periodinį triukšmą ilguose spragose. LSSA sušvelnina tokias problemas. [3]

LSSA taip pat žinomas kaip Vaníčeko metodas [4] po Petro Vaníčeko ir kaip Lombo metodas [3] (arba Lombo periodograma [5]) ir Lomb – Scargle metodas [6] (arba Lomb – Scargle periodograma [2] [7]), remiantis Nicholas R. Lombo [8] ir, nepriklausomai, Jeffrey D. Scargle'o indėliu. [9] Glaudžiai susijusius metodus sukūrė Michaelas Korenbergas ir Scottas Chenas bei Davidas Donoho.


Dažnio įvertinimas ir apibendrintos Lomb-Scargle periodogramos

Naudodamiesi Bayeso tikimybių teorija, mes parodome, kad Lomb-Scargle periodograma gali būti tiesiai apibendrinta netolygiai nenuosekliai atrinktais kvadratūros duomenimis, kai sinusoidė turi savavališką amplitudės moduliaciją. Ši apibendrinta „Lomb-Scargle“ periodograma yra pakankama statistika vieno dažnio įvertinimui plačioje problemų klasėje, pradedant stacionaraus dažnio įvertinimu realiuose vienodai atrinktuose duomenyse, ir atliekant vieno sinusoido, turinčio eksponentinę, Gauso ar savavališką amplitudės moduliaciją, dažnio įvertinimą. Be to, mes apibrėžiame nevienodai atrinktų duomenų rinkinio pralaidumą ir parodome, kad slapyvardžių reiškinys egzistuoja tiek vienodai, tiek nevienodai atrinktuose duomenyse ir kad reiškinys turi tą pačią priežastį abiejų tipų duomenyse. Galiausiai mes parodome, kad nevienodas mėginių ėmimas neturi įtakos dažnio įverčių tikslumui, nors tai gali turėti įtakos amplitudės įverčių tikslumui.

In: Statistiniai astronomijos iššūkiai. Trečiosios šiuolaikinės astronomijos statistikos problemos


Kaip interpretuoti Lomb Scargle periodogramą - astronomija

Astronominės duomenų analizės metu dažnai siekiama nustatyti triukšme paslėptą periodinį signalą. Šiame dokumente nepateikiama nauja aptikimo technika, bet tiriamas aptikimo patikimumas ir efektyvumas naudojant dažniausiai naudojamą metodiką - periodogramą, tuo atveju, kai stebėjimo laikai išdėstyti netolygiai. Šis pasirinkimas buvo padarytas, nes atrodo, kad iš šiuo metu naudojamų metodų statistinė elgsena yra paprasčiausia. Klasikinio periodogramos apibrėžimo pakeitimas yra būtinas, kad būtų išlaikytas paprastas tolygiai išdėstyto atvejo statistinis elgesys. Atlikus šią modifikaciją, periodogramos analizė ir mažiausių kvadratų sinusinių bangų pritaikymas duomenims yra lygiavertis. Tam tikri periodogramos naudojimo sunkumai yra mažiau svarbūs, nei paprastai manoma, kai nustatomi griežtai periodiniai signalai. Be to, standartinis šių sunkumų mažinimo metodas (mažėjantis) gali būti naudojamas taip pat gerai, jei mėginiai imami netolygiai. Pateikiama signalo aptikimo statistinio reikšmingumo analizė su pavyzdžiais


Pastovaus poslinkio pridėjimas¶

„Lomb-Scargle“ gali būti išplėstas įvairiais būdais, dažniausiai įtraukiant pastovų poslinkį [ZK2009].

Tai apsaugo nuo atvejų, kai duomenų vidurkis neatitinka pagrindinio signalo vidurkio, kaip paprastai būna nedaug atrinktų duomenų atveju, arba signalams, kurių didelės amplitudės tampa per ryškios arba silpnos, kad būtų galima pastebėti per dalį signalo fazė.

Esant pastoviam poslinkio terminui, uždarosios formos sprendimas (P ( omega) ) yra tas pats, tačiau terminai šiek tiek skiriasi. Tai daroma [ZK2009].


3. Lango funkcijos: nuo idealizuotų iki realaus pasaulio signalų

Iki šiol mes diskutavome apie nuolatinių signalų Furjė transformacijas, kurios yra gerai apibrėžtos visiems laikams. Tačiau realaus laiko signalo matavimai apima tik tam tikrą ribotą laiko tarpą, tam tikru ribotu mėginių ėmimo greičiu. Bet kuriuo atveju gautus duomenis galima apibūdinti tikruoju pagrindiniu tęstinio signalo taško sandauga su lango funkcija, apibūdinančia stebėjimą. Pavyzdžiui, nenutrūkstamas signalas, išmatuotas per ribotą laiką, apibūdinamas stačiakampio formos lango funkcija, apimančia stebėjimo trukmę, o reguliariais intervalais matuojamas signalas apibūdinamas „Dirac“ šukos lango funkcija, žyminčia tuos matavimo laikus.

Išmatuotų duomenų Furjė transformacija šiais atvejais yra ne tęstinės pagrindinės funkcijos, o veikiau transformacijos transformacija. taško signalo ir stebėjimo langelio sandauga. Simboliška, jei signalas yra g(t) ir langas yra W(t), stebima funkcija yra

ir pagal konvoliucijos teoremą jo transformacija yra signalo transformacijos ir lango transformacijos konvekcija:

Tai turi keletą įdomių pasekmių periodogramų naudojimui ir interpretavimui, kaip matome.

3.1. Stačiakampio lango poveikis

Pirmiausia apsvarstykime nenutrūkstamo periodinio signalo stebėjimo atvejį per ribotą laiko tarpą: 6 paveiksle parodyta nuolatinė periodinė funkcija, stebima tik lange -3 & lt t & lt 3. Šiuo atveju pastebėtas signalas gali būti suprantamas kaip pagrindinio begalinio periodinio signalo su stačiakampio lango funkcija taškinis rezultatas. Pagal konvoliucijos teoremą Furjė transformaciją suteiks pagrindinės funkcijos transformacijos konvoliucija (čia delta funkcijų rinkinys komponentų dažniuose) ir lango funkcijos transformacija (čia sinc funkcija). Grynai periodiniam signalui, tokiam, koks matomas 6 paveiksle, ši konvoliucija pakeičia kiekvieną delta funkciją sinc funkcija. Dėl atvirkštinio ryšio tarp lango pločio ir jo transformacijos pločio (žr. 3 pav.), Darytina išvada, kad platesnis stebėjimo langas lemia proporcingai mažesnį pasiskirstymą kiekvienoje stebimos Furjė transformacijos viršūnėje.

6 paveikslas. Stačiakampio stebėjimo lango Furjė transformacijos poveikio vizualizavimas (t. Y. Nepertraukiamas signalas, stebimas visame ribotame laiko intervale). Čia naudojama funkcija yra g(t) = 1,2sin (2πt) + 0,8sin (4πt) + 0,4sin (6πt) + 0,1sin (8πt). Stebima Furjė transformacija yra tikrosios transformacijos (čia Delta funkcijų serija, nurodanti komponentų dažnius) ir lango transformacijos (čia siaura sinc funkcija) konvekcija.

3.2. „Dirac“ šukos ir diskretioji Furjė transformacija

Kita dažniausiai atsirandanti lango funkcija yra tada, kai nuolatiniu signalu (beveik) akimirksniu imami nuolatiniai signalai. Toks pastebėjimas gali būti laikomas taškiniu sandaugu tarp tikrojo pagrindinio signalo ir „Dirac“ šukos su T parametras, atitinkantis stebėjimų atstumą, tai pavaizduota 7 paveiksle. Įdomu tai, kad „Dirac“ šukos Furjė transformacija yra dar viena „Dirac“ šukos, tokio stebėjimo lango poveikis yra sukurti ilgą pagrindinės transformacijos slapyvardžių seką su tarpai tarp 1 /T. Atsižvelgdami į tai, šiuo atveju galime būti tikri, kad vertinant pastebėtą transformaciją diapazone 0 ≤ f & lt 1 /T pakanka užfiksuoti visą turimą dažnio informaciją: už to diapazono esantis signalas yra identiškų to diapazono slapyvardžių seka.

7 paveikslas. „Dirac Comb“ stebėjimo lango poveikio Furjė transformacijai vizualizavimas (t. Y. Ilga eilutė tolygiai išdėstytų diskrečių stebėjimų). Stebima Furjė transformacija yra tikrosios transformacijos (čia lokalizuoto Gauso) ir lango transformacijos (čia dar viena „Dirac“ šukos) konvekcija.

3.2.1. „Nyquist Limit“

7 paveiksle pateiktas pavyzdys yra šiek tiek geriausio scenarijaus, nes tikrosios Furjė transformacijos vertės yra nulio tik 1 /T. Jei padidinsime laiką tarp stebėjimų, sumažindami dažnio šukų atstumą, tikroji transformacija nebetinka „tilpti“ lango transformacijos viduje, ir turėsime panašią situaciją, kaip pavaizduota 8 paveiksle. Rezultatas yra skirtingų dalių maišymas. signalo, kad tikrasis Furjė transformuotųsi negalima susigrąžinti nuo stebėtų duomenų transformacijos!

8 paveikslas. Kartojama vizualizacija iš 7 paveikslo, bet čia su mažesniu atrankos dažniu. Rezultatas yra tas, kad lango funkcijos „Fourier“ transformacijos (viduryje dešinėje) tarpai yra siauresni nei signalo „Fourier“ transformacijos (viršuje dešinėje), o tai reiškia, kad stebėtoje Furjė transformacijoje (apačioje dešinėje) signalai yra tokie, kad ne visi dažniai informaciją galima atkurti. Tai yra garsiosios Nyquisto atrankos teoremos, kuri konceptualiai sako, kad tik funkcija, kurios Furjė transformacija gali visiškai tilpti tarp šuko „dantų“, gali būti visiškai atkurta reguliariai stebint stebėjimus.

Tai reiškia, kad jei turime reguliariai atrenkamą funkciją, kurios imties dažnis yra f0 = 1/T, mes galime visiškai atkurti informaciją apie dažnį tik tuo atveju, jei signalas yra juosta ribota tarp dažnių ±f0/ 2. Tai yra vienas iš būdų motyvuoti garsiąją „Nyquist“ pavyzdžių atrankos ribą, kuri artėja prie klausimo kita linkme ir teigia, kad norint visiškai parodyti „riboto dažnio juostos signalo“, kurio Furjė transformacija lygi nuliui už diapazono ±, dažnio turinį.B, turime atrinkti duomenis, kurių greitis yra bent fNy = 2B.

3.2.2. Diskretioji Furjė transformacija

Kai ištisinės funkcijos imamas reguliariais intervalais, „Delac“ šukos lango „Delta“ funkcijos padeda suburti Furjė integralą į Furjė sumą, ir tokiu būdu galime pasiekti bendrą diskrečios Furjė transformacijos formą. Tarkime, kad turime tikrą (be galo ilgą ir tęstinį) signalą g(t), tačiau mes jį stebime tik ties taisyklingu tinkleliu, kurio atstumas yra Δt. Šiuo atveju mūsų stebimas signalas yra ir jo Furjė transformacija yra

kas tiesiogiai seka iš (1) ir (17) lygčių.

Tačiau realiame pasaulyje mes neturėsime begalinio stebėjimų skaičiaus, o gana daug mėginių N. Mes galime tinkamai pasirinkti koordinačių sistemą ir apibrėžti rašyti

Iš argumentų, susijusių su Nyquist aliasing, mes žinome, kad vienintelis svarbus dažnių diapazonas yra 0 ≤ f ≤ 1 / Δtir taip galime apibrėžti N tolygiai išdėstyti dažniai su Δf = 1/(NΔt), apimantis šį diapazoną. Pažymėdami atrinktą transformaciją kaip, galime rašyti

kurį galite atpažinti kaip standartinę diskrečiojo Furjė transformacijos formą.

Tačiau atkreipkite dėmesį į tai, kad apžvelgėme vieną svarbų dalyką: perėjimo iš begalinio mėginių skaičiaus į baigtinį mėginių poveikį. Pereinant nuo (23) lygties prie (24) lygties, savo duomenims efektyviai pritaikėme stačiakampio pločio lango funkciją NΔt. Iš diskusijos, pridedamos 6 paveiksle, mes žinome rezultatą: gaunama Furjė transformacija, sujungta su sinc funkcija 1 / (NΔt), todėl Furjė transformacijos signalas „plinta“ tokiu pločiu. Apytiksliai tariant, bet kurios dvi Furjė transformacijos vertės 1 / (NΔt) vienas nuo kito nebus nepriklausomi, todėl dažnio vertinimus turėtume išdėstyti Δf ≥ 1/(NΔt). Lyginant su aukščiau, matome, kad taip yra tiksliai atstumas tarp dažnių mes priėjome iš Nyquist dažnio argumentų.

Tai rodo, kad diskrečios Furjė transformacijos dažnių tarpai yra optimalūs tiek pagal Nyquist atrankos ribą, tiek pagal baigtinio stebėjimo lango poveikį! Dabar šis argumentas, žinoma, buvo šiek tiek banguotas, tačiau egzistuoja matematiškai griežti metodai, įrodantys, kad diskreti Furjė transformacija (25) lygtyje užfiksuoja visą turimą dažnio informaciją vienodai atrinktai funkcijai gn (žr., pvz., Vetterli ir kt., 2014). Nepaisant mūsų griežtumo trūkumo, manau, kad tai yra naudingas būdas plėtoti intuiciją dėl tęstinių ir diskrečiųjų Furjė transformacijų santykio.

3.3. Klasikinė periodograma

Turėdami diskretią Furjė transformaciją, apibrėžtą (24) - (25) lygtyse, galime pritaikyti Furjė galios spektro apibrėžimą iš (9) lygties, kad apskaičiuotume klasikinė periodograma, kartais vadinamas Schusterio periodograma po Schusterio (1898), kuris pirmą kartą pasiūlė:

Be 1 /N proporcingumas, ši suma yra lygiai Furjero galios spektras (9) lygtyje, apskaičiuotas nenutrūkstamam signalui, stebimam taikant vienodą „Dirac“ šukos apibrėžtą mėginį. Iš to išplaukia, kad vienodo mėginių ėmimo atveju Schuster periodograma užfiksuoja visą svarbią dažnio informaciją, esančią duomenyse. Šis apibrėžimas lengvai apibendrina nevienodą atvejį, kurį mes išnagrinėsime kitame skyriuje.

Reikėtų pabrėžti tai, kad periodograma (26) lygtyje ir galios spektras (9) lygtyje yra konceptualiai skirtingi dalykai. Kaip pažymėta Scargle (1982), astronomijos bendruomenė yra linkusi naudoti šiuos terminus pakaitomis, tačiau tiksliau sakant, periodograma (t. Y. Statistika, kurią apskaičiuojame iš savo duomenų) yra vertintojas galios spektro (t. y. pagrindinės nenutrūkstamos dominančios funkcijos). Tiesą sakant, klasikinė periodograma ir jos pratęsimai (įskaitant Lombo-Scargle'o periodogramą, kurią trumpai aptarsime) nėra nuoseklūs galios spektro vertintojai - tai yra, kad periodograma turi neišvengiamą vidinę dispersiją net ir begalinio skaičiaus ribose. stebėjimai (išsamią diskusiją žr. Andersono 1971 m. 8.4 skyriuje).


Apskritai funkcija viską apskaičiuoja vektorizuotai, o tai pagreitina procedūrą. Jei reikalingas daugiau atminties nei „maxMem“, skaičiavimas padalijamas į dalis, kurios telpa atmintyje (talpykloje). Priklausomai nuo problemos dydžio (dažnių skaičiaus ir duomenų dydžio), šios vertės derinimas padidina greitį.

Prašome apsvarstyti galimybę pakeisti BLAS biblioteką daugiasluoksne versija. Pavyzdžiui, https://prs.ism.ac.jp/

Parametras cl valdo galimą grupę, kurią galima iškviesti. Tam reikia viso skaičiaus darbuotojų (t. Y. Cl = 4), sąrašo su mazgų pavadinimais c („localhost“.) Arba klasės „klasterio“ objekto ar panašiai. Pirmosios dvi parinktys sukelia funkciją klasterio sukūrimui viduje. Tai užtrunka dėl inicijavimo. Spartesnis būdas yra suteikti jau inicializuotą funkcijos grupę.


Šiandien vartojami bent du skirtingi apibrėžimai. [2] Vienas iš jų apima laiko vidurkį, [3] o kitas - ne. [4] Vidutinis laiko nustatymas taip pat priklauso kitiems straipsniams (Bartletto ir Welcho metodas). Šis straipsnis nėra apie laiko vidurkį. Čia dominantis apibrėžimas yra tas, kad nenutrūkstamos funkcijos galios spektrinis tankis x (t), < displaystyle x (t),> yra jos auto koreliacijos funkcijos Furjė transformacija (žr. Kryžminės koreliacijos teorema, Energijos spektrinis tankis ir Wiener – Khinchin teorema):

Pakankamai mažoms parametro T reikšmėms savavališkai tikslus artėjimas X(f) galima pastebėti funkcijos regione - 1 2 T & lt f & lt 1 2 T < displaystyle - < tfrac <1> <2T>> & ltf & lt < tfrac <1> <2T> >>:

kurį tiksliai nustato mėginiai x(nT), kuris apima nulio trukmę x(t) (žr. Diskrečiojo laiko Furjė transformacija).

Įvertinus visus skaičius k, tarp 0 ir N -1, masyvas:

Kai periodograma naudojama išsamioms FIR filtro ar lango funkcijos charakteristikoms tirti, parametras N pasirenkamas kaip keli nulinės trukmės kartotiniai. x[n] seka, kuri vadinama nulinis užpildymas (žr. § DTFT pavyzdžių atranka). [A] Kai jis naudojamas filtrų bankui įgyvendinti, N yra keli nulinės trukmės daliniai x[n] seka (žr. § DTFT atranka).

Vienas iš periodogramos trūkumų yra tas, kad dispersija tam tikru dažniu nesumažėja, nes padidėja skaičiavime naudojamų mėginių skaičius. Jis nepateikia vidurkio, reikalingo analizuoti triukšmo signalus ar net sinusoidus esant žemam signalo ir triukšmo santykiui. Lango funkcijos ir filtro impulsų atsakai yra be triukšmo, tačiau daugeliui kitų signalų reikia sudėtingesnių spektrinio įvertinimo metodų. Dviejose alternatyvose proceso metu naudojamos periodogramos:

  • The vidutinių periodogramų metodas, [8] plačiau žinomas kaip Welcho metodas, [9] [10] ilgą x [n] seką padalija į daugelį trumpesnių ir galbūt sutampančių sekų. Jis apskaičiuoja kiekvieno languotą periodogramą ir apskaičiuoja masyvo vidurkį, t. Y. Masyvą, kuriame kiekvienas elementas yra visų periodogramų atitinkamų elementų vidurkis. Stacionariems procesams tai sumažina kiekvieno elemento triukšmo dispersiją maždaug koeficientu, lygiu abipusiam periodogramų skaičiui. yra dažnio, o ne laiko vidurkinimo technika. Išlyginta periodograma kartais vadinama a spektrinis siužetas. [11][12]

Periodogramomis pagrįsti metodai įveda nedidelius šališkumus, kurie kai kuriose programose yra nepriimtini. Kiti metodai, kurie nesiremia periodogramomis, pateikiami spektrinio tankio įvertinimo straipsnyje.


Pavadintas sąrašas su šiais elementais:

Vektorius, kuriame yra nuskaityti dažniai / periodai.

Vektorius, kurio normalizuota galia atitinka nuskaitytus dažnius / periodus.

Analizuoti duomenų vektorių pavadinimai.

Duomenų vektoriaus ilgis.

Naudojamas periodogramos tipas „dažnis“ arba „periodas“.

Naudotas perteklinio imties koeficientas.

Išvesties ilgis (galios). Tai gali būti & gtn, jei ofac & gt1.

Didžiausia tikrinamojo dažnio / periodo intervalo galia.

Dažnumas / periodas, kuriuo įvyko maksimalus pikas.

Maksimalios galios verčių smailių (kurių ilgis = pakartojimai) vektorius, apskaičiuotas pagal atsitiktinių imčių duomenis.

Atsitiktinių imčių skaičius.

Tikimybė, kad pirminių duomenų smailė įvyko atsitiktinai, apskaičiuota atsitiktinai parinkus duomenų seką.


Į novą panašaus kataklizminio kintamojo V378 Pegasi orbitinis periodas ir neigiami superhumpai

Pateiktas kataklizminio kintamojo V378 Pegasi (PG 2337 + 300) radialinio greičio tyrimas. Nustatyta, kad orbitos periodas yra 0,13855 ± 0,00004 d (3,32592 ± 0,00096 h). Jo spektras ir ilgalaikė šviesos kreivė rodo, kad V378 Peg yra į novą panašus kintamasis, be protrūkių. Norėdami įvertinti, mes naudojame apytikslį atstumą ir padėtį „Galaxy V378 Peg“ E(BV) = 0,095, ir naudokite artimojo infraraudonųjų spindulių dydį, kad apskaičiuotumėte 680 ± 90 vnt atstumą MV = 4,68 ± 0,70, atitinka tai, kad V378 kaištis yra panašus į novą. Laiku išskaidyta fotometrija, atlikta 2001–2009 m., Rodo 0,1364 ± 0,0004 d (3,23 ± 0,01 h) periodą. Mes nustatome, kad šis fotometrinis kintamumas yra neigiamas superkūnis, iš precessing, pasvirusio akrecijos disko. Mūsų pakartotiniai V378 Peg fotometrinio laikotarpio matavimai atitinka šį laikotarpį, kuris buvo stabilus 2001–2009 m., O jo neigiami superpumpiai rodo darną per šimtus ar net tūkstančius ciklų.

Pabrėžia

► Parodome, kad kataklizminio kintamojo V378 Pegasi orbitinis periodas yra 0,13855 d. ► Jo spektras ir ilgalaikė šviesos kreivė rodo, kad jis yra į novą panašus kintamasis. ► Skaičiuojame 680 ± 90 vnt atstumą MV = 4,68 ± 0,70. ► Laiku išskaidyta fotometrija, atlikta 2001–2009 m., Rodo 0,1346 d. ► Mes nustatome, kad šis fotometrinis kintamumas yra neigiamas superhumps.