Astronomie

Bibliothèque open source pour calculer l'image à partir des signaux d'un ensemble distribué d'antennes paraboliques ?

Bibliothèque open source pour calculer l'image à partir des signaux d'un ensemble distribué d'antennes paraboliques ?



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.

Le Q&R de l'Observatoire national de radioastronomie "Comment faire des images avec un radiotélescope" dit

Le moyen le plus simple de créer une image radio avec votre système d'antenne satellite consiste donc à utiliser un détecteur matriciel, qui, je pense, serait très difficile à trouver. Alternativement, on peut créer une image en pointant une antenne vers un réseau de positions proches dans le ciel, puis en créant une carte de contour de la force du signal mesurée. C'est un processus assez lent, cependant, qui ne produit une image que beaucoup plus tard, une fois que vous avez rassemblé toutes vos mesures de pointage individuelles.

Supposons maintenant que de nombreuses personnes sur tout un continent (par exemple en Europe) aient des antennes paraboliques (fixes, non mobiles) pointant quelque part dans le ciel, avec leur champ de vision se chevauchant quelque peu. Ils ont des plats différents et des récepteurs différents. Cependant, étant donné leur emplacement exact sur le globe, connaissant leur horodatage exact d'observation, au moins théoriquement, je devrais être capable de combiner les séries temporelles mesurées de signaux radio avec une image radio du ciel, n'est-ce pas ?

L'idée me tracasse déjà un certain temps et je me demande s'il existe un logiciel open source dont je devrais être au courant pour résoudre le problème du calcul d'une telle image, idéalement en python (mais éventuellement dans n'importe quel autre langage de programmation).

Toute contribution est appréciée!

En rapport


C'est une question intéressante!

Je posterai une réponse préliminaire partielle et voyons où cela nous mène.

La citation de bloc NRAO mentionne deux méthodes, l'interférométrie et la cartographie d'intensité (comme le fonctionnement d'une caméra). Il peut y avoir des options hybrides et d'autres options ésotériques, mais examinons-les d'abord.

Voir aussi cette réponse à Quelles techniques sont utilisées pour convertir les signaux radio reçus par antenne en images ? et comme il y a tellement de bonnes réponses au ciblage du radiotélescope, celles-ci pourraient également valoir la peine d'être lues.

Interférométrie

C'est là que tous les plats pointent dans la même direction générale et vous avez :

… le(s) emplacement(s) exact(s) sur le globe, connaissant leur(s) horodatage(s) exact(s) d'observation…

et ces horodatages doivent être précision relative à la nanoseconde; vous utilisez les informations de phase des ondes radio. Soit vous les connectez avec un câble coaxial ou à fibre optique en temps réel, soit vous écrivez à des vitesses allant jusqu'à gigabit/seconde sur les disques durs, puis vous les transportez tous à un seul endroit et exécutez un très très gros ordinateur spécial appelé corrélateur pour analyser le Les données.

Cartographie de l'intensité

Il s'agit simplement de créer une carte d'intensité en échantillonnant de nombreux points dans le ciel et en créant un histogramme ; fondamentalement exactement comme un appareil photo fonctionne, mais en kilopixels plutôt qu'en mégapixels. Chaque télescope est un capteur indépendant, et il contribue à la grande carte. Vous pouvez commencer avec une grille de pixels et au fur et à mesure que les antennes dérivent dans chaque case, vous mesurez l'intensité de la puissance radio et notez ce nombre dans cette case. La rotation de la Terre scanne déjà en RA. donc peu importe où ils se trouvent, les plats doivent être régulièrement espacés en déclinaison.

Voir les réponses à Comment les radiotélescopes à antenne unique (ou à récepteur unique) généraient-ils à l'origine des images ?

Options hybrides et autres options ésotériques

Il y a l'interférométrie d'intensité mais je ne la comprends pas assez bien pour écrire dessus avec autorité. Il examine les fluctuations du bruit statistique, et vous pouvez donc probablement vous en tirer avec un timing moins critique ; chaque parabole enregistrerait le niveau de puissance instantané à des intervalles de microsecondes ou même de millisecondes. Je n'ai pas la moindre idée de comment cela fonctionne avec les tableaux ; Je ne l'ai entendu que pour deux récepteurs, mais vous pouvez certainement l'analyser par paire. (voir aussi l'interféromètre d'intensité stellaire Narrabri)

Vous pourriez aussi faire quelque chose d'amusant/intéressant avec les pulsars, mais je ne sais pas quoi exactement.


L'intensité plus la fréquence Doppler peuvent parfois vous donner une distance si vous avez un modèle ; il s'agit d'une première carte radio de l'hydrogène neutre dans notre galaxie tirée de Why the blank wedges in this early 21 cm map of the Milky Way? (Oort et al. 1958)

cliquez pour agrandir


Codes de navigation

2-DUST est un code de transfert radiatif de poussière à usage général pour un système axisymétrique qui révèle l'énergétique globale des grains de poussière dans la coque et les morphologies projetées en 2D de la coque qui dépendent fortement des effets mixtes de la distribution de poussière axisymétrique et l'angle d'inclinaison. Il peut être utilisé pour modéliser une variété de systèmes de poussières astronomiques axisymétriques.

21cmDeepLearning extrait la carte de densité de matière sous-jacente à partir d'un champ d'intensité de 21 cm en utilisant un réseau de neurones convolutifs (CNN) avec l'architecture U-Net que le logiciel est implémenté dans Pytorch. Les paramètres astrophysiques des simulations peuvent être prédits avec un CNN secondaire. Les simulations de densité de matière et les cartes 21 cm sont réalisées avec le code 21cmFAST (ascl:1102.023).

21cmFAST est un puissant outil de modélisation semi-numérique conçu pour simuler efficacement le signal cosmologique de 21 cm. Le code génère des réalisations 3D des champs de densité évoluée, d'ionisation, de vitesse particulière et de température de spin, qu'il combine ensuite pour calculer la température de brillance de 21 cm. Bien que les processus physiques soient traités avec des méthodes approximatives, les résultats ont été comparés à une simulation hydrodynamique à grande échelle de pointe, et les résultats indiquent un bon accord sur les échelles pertinentes pour les observations à venir (>

1 Mpc). Les spectres de puissance de 21cmFAST sont en accord avec ceux générés par la simulation numérique à 10s près, jusqu'à la fréquence de Nyquist. Les résultats ont été montrés à partir d'une simulation 1 Gpc qui suit le signal cosmique de 21 cm à partir de z = 250, mettant en évidence les différentes époques intéressantes. En fonction de la résolution souhaitée, 21cmFAST peut calculer une réalisation de redshift sur un seul processeur en quelques minutes seulement. Le code est rapide, efficace, personnalisable et accessible au public, ce qui en fait un outil utile pour les études de paramètres de 21 cm.

21CMMC est un échantillonneur Python efficace du code de simulation de réionisation semi-numérique 21cmFAST (ascl:1102.023). Il peut récupérer les contraintes sur les paramètres astrophysiques des expériences EoR actuelles ou futures de 21 cm, s'adaptant à une variété de modèles EoR, ainsi que des a priori sur les paramètres de modèle individuels et l'historique de la réionisation. En étudiant l'impact résultant sur les contraintes astrophysiques EoR, 21CMMC peut être utilisé pour optimiser les algorithmes de nettoyage de premier plan, les conceptions d'interféromètres, les stratégies d'observation, les statistiques alternatives caractérisant le signal de 21 cm et les synergies avec d'autres programmes d'observation.

21cmSense calcule les sensibilités attendues des expériences de 21cm au spectre de puissance Epoch of Reionization. Écrit en Python, il nécessite NumPy, SciPy et AIPY (ascl:1609.012).

2D-FFTLog prend l'algorithme FFTLog pour les transformations de Hankel 1D et le généralise pour les transformations de Hankel 2D. L'algorithme est utile pour calculer efficacement des matrices de covariance non gaussiennes de statistiques cosmologiques à 2 points dans l'espace de configuration à partir de covariances spatiales de Fourier. Une méthode de moyennage rapide est également développée pour les choix de regroupement logarithmique et de regroupement général. Les versions C et Python du code sont disponibles.

2DBAT implémente des ajustements bayésiens de modèles d'anneaux inclinés 2D pour dériver les courbes de rotation des galaxies. Il effectue une analyse en anneau incliné 2D basée sur une technique Bayesian Markov Chain Monte Carlo (MCMC), quantifiant ainsi la géométrie cinématique des disques de galaxie et en dérivant des courbes de rotation de haute qualité qui peuvent être utilisées pour la modélisation de masse des baryons et des halos de matière noire.

2dfdr est un pipeline de réduction automatique de données dédié à la réduction des données de spectroscopie multi-fibres, avec des implémentations actuelles pour AAOmega (alimenté par les frontaux 2dF, KOALA-IFU, SAMI Multi-IFU ou plus anciens SPIRAL), HERMES, 2dF (spectrographe), 6dF et FMOS. Une interface utilisateur graphique est fournie pour contrôler la réduction des données et permettre l'inspection des spectres réduits.

2DFFT utilise des transformations de Fourier rapides en deux dimensions d'images de galaxies spirales pour isoler et mesurer les angles de pas de leurs bras spiraux, cela fournit un moyen quantitatif de mesurer cette caractéristique morphologique et permet de comparer l'angle de pas de galaxie spirale à d'autres paramètres galactiques et de tester le bras spiral théories de la genèse. 2DFFT nécessite fourn.c de Recettes numériques en C (Press et al. 1989).

P2DFFT (ascl:1806.011) est une version parallélisée de 2DFFT.

L'algorithme de fonction de structure de domaine physique vectorisé (SF) calcule l'anisotropie de vitesse dans les observations d'émission de raies moléculaires bidimensionnelles. L'approche vectorisée est nettement plus rapide que les algorithmes itératifs de force brute et est très efficace même pour des images relativement grandes. De plus, contrairement aux algorithmes du domaine fréquentiel qui nécessitent que les données d'entrée soient entièrement intégrables, cet algorithme, implémenté en Python, n'a pas de telles exigences, ce qui en fait un outil robuste pour les observations avec des irrégularités telles que des limites asymétriques et des données manquantes.

La définition des conditions initiales dans les simulations numériques à l'aide de la procédure standard basée sur l'approximation de Zel'dovich (ZA) génère une croissance incorrecte de second ordre et d'ordre supérieur et excite donc des transitoires de longue durée dans l'évolution des propriétés statistiques des champs de densité et de vitesse. L'utilisation de conditions initiales plus précises basées sur la théorie des perturbations lagrangiennes du second ordre (2LPT) réduit considérablement les transitoires. Les conditions initiales basées sur 2LPT sont donc beaucoup plus appropriées pour les simulations numériques consacrées à la cosmologie de précision. Le code 2LPTIC fournit des conditions initiales pour exécuter des simulations cosmologiques basées sur la théorie des perturbations lagrangiennes de second ordre (2LPT), plutôt que de premier ordre (approximation de Zel'dovich).

2MASS Kit est un logiciel open source à utiliser pour construire facilement un serveur de recherche hautes performances pour les catalogues astronomiques importants. Il est réglé pour des performances de recherche de coordonnées optimales (recherche radiale, recherche par boîte, recherche rectangulaire) d'énormes catalogues, augmentant ainsi la vitesse de plus d'un ordre de grandeur par rapport à une simple indexation sur une seule table. Les conditions optimales permettent plus de 3 000 recherches par seconde pour la recherche radiale de 2MASS PSC. Le kit est mieux caractérisé par son réglage flexible. Chaque index de table est enregistré dans l'un des six espaces table (chacun réside dans un répertoire séparé), permettant ainsi de déplacer facilement uniquement les parties essentielles sur des périphériques rapides. Compte tenu de la formidable évolution des performances des SSD récents, un moyen très rentable de construire des serveurs hautes performances consiste à déplacer une partie ou tous les index de table vers un SSD rapide.

L'outil Matlab génère un modèle 3D (WRL, texture en fausses couleurs en hauteur) d'une région définie de la surface de Mars. Il définit la région d'intérêt de la surface de Mars (par Lat Long), une résolution des DTM MOLA à considérer (avec un px minimum au sol de 468 m), un facteur d'échelle à multiplier par la hauteur de la surface pour améliorer dispose d'une visibilité pour l'effet de choc ou d'ombrage.

3D-Barolo (Analyse basée sur 3D d'un objet en rotation via des observations linéaires) ou BBarolo est un outil permettant d'adapter des modèles 3D à anneau incliné aux cubes de données de ligne d'émission. BBarolo fonctionne avec des fichiers FITS 3D, c'est-à-dire des matrices d'images avec deux dimensions spatiales et une dimension spectrale. BBarolo récupère la vraie courbe de rotation et estime la dispersion intrinsèque de la vitesse même dans les galaxies à peine résolues (environ 2 éléments de résolution) si le signal sur bruit des données est supérieur à 2-3. Il possède des modules de détection de source et de première estimation, ce qui le rend adapté à l'analyse automatique de grands ensembles de données 3D, et est un outil utile pour dériver une cinématique fiable pour les galaxies locales et à décalage vers le rouge élevé.

3D-PDR est un code de région de photodissociation tridimensionnel écrit en Fortran. Il utilise le package Sundials (écrit en C) pour résoudre l'ensemble des équations différentielles ordinaires et il est le successeur du code PDR unidimensionnel UCL_PDR (ascl:1303.004). En utilisant le schéma de traçage de rayons HEALpix (ascl:1107.018), 3D-PDR résout une routine de probabilité d'échappement en trois dimensions et évalue l'atténuation du rayonnement ultraviolet lointain dans le PDR et la propagation des lignes d'émission FIR/submm hors du PDR . Le code est parallélisé (OpenMP) et peut être appliqué à des problèmes 1D et 3D.

3DCORE Forward modélise les câbles de flux magnétique de tempête solaire appelés 3-Dimensional Coronal Rope Ejection (3DCORE). Le code est capable de produire des observations synthétiques in situ des noyaux magnétiques des éjections de masse coronale solaire balayant les planètes et les engins spatiaux. Près de la Terre, ces données sont prises actuellement par les engins spatiaux Wind, ACE et DSCOVR. MESSENGER, Venus Express, MAVEN et même Helios étaient d'autres engins spatiaux appropriés effectuant ce type d'observations transportant des magnétomètres dans le vent solaire.

La cosmologie de haute précision nécessite l'analyse de relevés à grande échelle en coordonnées sphériques 3D, c'est-à-dire la décomposition de Fourier-Bessel. Les méthodes actuelles sont insuffisantes pour les futurs ensembles de données provenant d'enquêtes cosmologiques à grand champ. 3DEX (3D EXpansions) est un code public pour la décomposition rapide de Fourier-Bessel de relevés 3D tout-ciel qui tire parti de HEALPix pour le calcul des modes tangentiels. Pour les relevés avec des millions de galaxies, le temps de calcul est réduit d'un facteur 4 à 12 en fonction des échelles et de la précision souhaitées. La formulation est également adaptée aux pré-calculs et au stockage externe des harmoniques sphériques, ce qui permet d'améliorer encore la vitesse. Le code 3DEX peut accueillir des données avec des régions masquées de données manquantes. Elle peut être appliquée non seulement aux données cosmologiques, mais aussi aux données 3D en coordonnées sphériques dans d'autres domaines scientifiques.

3DView crée des visualisations de données de physique spatiale dans leur contexte 3D d'origine. Les séries temporelles, les vecteurs, les spectres dynamiques, les cartes de corps célestes, les lignes de champ magnétique ou de flux et les coupes 2D dans les cubes de simulation font partie de la variété de représentations de données permises par 3DView. Il offre des connexions directes à plusieurs grandes bases de données et utilise les normes VO, il permet également à l'utilisateur de télécharger des données. La polyvalence de 3DView couvre un large éventail de contextes de physique spatiale.

Dans les simulations cosmologiques à N corps, une perturbation lagrangienne d'ordre supérieur sur la condition initiale affecte la formation de la structure non linéaire. En utilisant ce code, la condition initiale générée par l'approximation de Zel'dovich (perturbation linéaire lagrangienne) pour le code Gadget-2 à la condition initiale avec une perturbation lagrangienne de deuxième ou troisième ordre (2LPT, 3LPT).

4DAO lance DAOSPEC (ascl:1011.002) pour un large échantillon de spectres. Écrit en Fortran, le logiciel permet de gérer facilement les fichiers d'entrée et de sortie de DAOSPEC, d'optimiser les principaux paramètres de DAOSPEC et de masquer des régions spectrales spécifiques. Il fournit également des outils graphiques appropriés pour évaluer la qualité de la solution et fournit des spectres de vitesse radiale finale, normalisés et nuls.

Nous présentons des corrections aux cartes de rougeur Schlegel, Finkbeiner, Davis (SFD98) sur la zone nord de la calotte galactique Sloan Digital Sky Survey. Pour trouver ces corrections, nous utilisons ce que nous appelons la méthode du "crayon standard", dans laquelle nous utilisons des galaxies à évolution passive comme étalons de couleur pour mesurer les écarts par rapport à la carte de rougeur. Nous sélectionnons ces galaxies à évolution passive par spectroscopie, en utilisant des limites sur les largeurs équivalentes H alpha et O II pour retirer toutes les galaxies formant des étoiles du catalogue principal de galaxies SDSS. Nous constatons qu'en corrigeant le rougissement connu, le décalage vers le rouge, la relation couleur-amplitude et la variation de couleur avec la densité environnementale, nous pouvons réduire la dispersion de la couleur à moins de 3 % dans la majeure partie des 151 637 galaxies que nous sélectionnons. En utilisant ces galaxies, nous construisons des cartes de l'écart par rapport à la carte de rougeur SFD98 à une résolution de 4,5 degrés, avec une erreur de 1 sigma de

1,5 millimagnitude E(B-V). Nous constatons que les cartes SFD98 sont en grande partie précises, la plupart des cartes présentant des écarts inférieurs à 3 millimagnitudes E (B-V), bien que certaines régions s'écartent de SFD98 jusqu'à 50%. L'écart maximum trouvé est de 45 millimagnitudes dans E(B-V), et la structure spatiale de l'écart est fortement corrélée avec la température de la poussière observée, de sorte que SFD98 sous-estime le rougissement dans les régions à basse température de la poussière. Les cartes de ces écarts, ainsi que leurs erreurs, sont mises à la disposition de la communauté scientifique en tant que correction complémentaire au SFD98 à l'URL ci-dessous.

Deux réseaux de neurones ont été conçus pour identifier des planétésimaux dangereux qui ont été entraînés sur des trajectoires d'objets calculées dans un environnement informatique en nuage. Le premier réseau de neurones était entièrement connecté et a été formé sur les éléments orbitaux (OE) de planétésimaux réels/simulés, tandis que le second était un réseau de neurones convolutifs à une dimension qui a été formé sur les coordonnées cartésiennes de position des planétésimaux réels/simulés. En fin de compte, le réseau formé sur les OE a eu de meilleures performances en identifiant un tiers des objets potentiellement dangereux connus, y compris les 3 astéroïdes avec les plus grandes chances d'impact avec la Terre (2009 FD, 1999 RQ36, 1950 DA) comme établi par la NASA basée à Monte Carlo Système de sentinelle.

L'asymétrie photonique est une nouvelle statistique de sous-structure robuste pour les observations d'amas de rayons X avec seulement quelques milliers de comptes, elle présente une meilleure stabilité que les rapports de puissance et les décalages centroïdes et a une incertitude statistique plus petite que les paramètres de sous-structure concurrents, permettant de mesurer de faibles niveaux de sous-structure avec confidence. A_phot calcule le paramètre d'asymétrie photonique (A_phot) pour la classification morphologique des clusters et permet de quantifier la sous-structure dans des échantillons de clusters distants couvrant une large gamme de rapports signal/bruit d'observation. Les scripts python sont entièrement automatiques et peuvent être utilisés pour classer rapidement la morphologie des amas de galaxies pour un grand nombre d'amas sans intervention humaine.

A-Track est un pipeline multiplateforme rapide et open source pour la détection d'objets en mouvement (astéroïdes et comètes) dans des images de télescope séquentielles au format FITS. Les objets en mouvement sont détectés à l'aide d'un algorithme de détection de ligne modifié.

a3cosmos-gas-evolution calcule les propriétés des gaz moléculaires froids des galaxies à l'aide de fonctions d'échelle de gaz dérivées du projet A3COSMOS. Grâce aux décalages vers le rouge ou à l'âge cosmique connus des galaxies, aux masses stellaires et à l'amélioration de la formation d'étoiles par rapport à la séquence principale de formation d'étoiles des galaxies (Delta MS), les fonctions d'échelle du gaz prédisent leur rapport de masse stellaire (fraction gazeuse) et le temps d'épuisement du gaz.

AAOGlimpse est un programme d'affichage expérimental qui utilise OpenGL pour afficher les données FITS (et même les images JPEG) sous forme de surfaces 3D pouvant être tournées et visualisées sous différents angles, le tout en temps réel. Il est conforme à WCS et conçu pour gérer des données tridimensionnelles.Chaque plan d'un cube de données est mis en surface de la même manière, et le programme permet à l'utilisateur de parcourir un cube en « décollant » des plans successifs, ou de regarder dans un cube en supprimant l'affichage des données en dessous d'une valeur de coupure donnée. Il peut faire clignoter des images et peut superposer des images et des cartes de contour provenant de différentes sources en utilisant leurs données de coordonnées mondiales. Une interface socket limitée permet la communication avec d'autres programmes.

abcpmc est une implémentation Python Approximate Bayesian Computing (ABC) Population Monte Carlo (PMC) basée sur Sequential Monte Carlo (SMC) avec des techniques de filtrage de particules. Il est extensible avec les noyaux de pertubation du k-plus proche voisin (KNN) ou de la matrice de covariance locale optimale (OLCM) et prend en charge l'échantillonnage massivement parallélisé sur un cluster à l'aide de MPI.

Les sections efficaces d'élargissement des raies pour l'élargissement des raies spectrales par collisions avec des atomes d'hydrogène neutres ont été tabulées par Anstee & O'Mara (1995), Barklem & O'Mara (1997) et Barklem, O'Mara & Ross (1998) pour s Transitions –p, p–s, p–d, d–p, d–f et f–d. abo-cross, écrit en Fortran, interpole dans ces tabulations pour rendre ces données plus accessibles à l'utilisateur final. Ce code peut être incorporé dans des programmes de synthèse de spectre existants ou utilisé en mode autonome pour calculer des sections efficaces d'élargissement de raie pour des transitions spécifiques.

l'abondance, écrit en Fortran, fournit des routines de pilotage et d'ajustement pour calculer le nombre prédit d'amas dans une cosmologie ΛCDM qui concorde avec les mesures CMB, SN, BAO et H0 (jusqu'en 2010) à une certaine confiance de paramètre spécifiée et la masse qui régnerait cette cosmologie à une certaine confiance d'échantillon spécifiée. Il calcule également le nombre attendu de tels amas dans le cône de lumière et le facteur de biais d'Eddington qui doit être appliqué aux masses observées.

ACORNS-ADI, écrit en python, est un progiciel parallélisé qui réduit les données d'imagerie à contraste élevé. Écrit à l'origine pour les données d'imagerie de Subaru/HiCIAO, il nécessite une modification minimale pour réduire les données d'autres instruments. Il est efficace, open source et comprend plusieurs fonctionnalités optionnelles susceptibles d'améliorer les performances.

Acorns génère un système hiérarchique de clusters au sein de données discrètes en utilisant un algorithme d'apprentissage automatique non supervisé à n dimensions qui regroupe des données spectroscopiques de position-position-vitesse. L'algorithme est basé sur une technique connue sous le nom de clustering agglomératif hiérarchique. Bien que Acorns ait été conçu en pensant à l'analyse de données spectroscopiques discrètes de position-position-vitesse (PPV) (plutôt que de cubes de données uniformément espacés), le regroupement peut être effectué en n dimensions et l'algorithme peut être facilement appliqué à d'autres ensembles de données dans en plus des mesures PPV.

ALMA Common Software (ACS) fournit une infrastructure logicielle commune à tous les partenaires ALMA et consiste en une collection documentée de modèles et de composants communs qui implémentent ces modèles. Le cœur d'ACS est basé sur un modèle de composant-conteneur distribué, avec des composants ACS implémentés en tant qu'objets CORBA dans l'un des langages de programmation pris en charge. ACS fournit des services communs basés sur CORBA tels que la journalisation, la gestion des erreurs et des alarmes, la base de données de configuration et la gestion du cycle de vie. Bien que conçu pour ALMA, ACS peut et est utilisé dans d'autres systèmes de contrôle et projets logiciels distribués, car il met en œuvre des modèles de conception éprouvés utilisant une technologie fiable et de pointe. Il permet également, grâce à l'utilisation de constructions et de composants standard bien connus, que les autres membres de l'équipe qui ne sont pas les auteurs d'ACS comprennent facilement l'architecture des modules logiciels, rendant la maintenance abordable même sur un très grand projet.

Le package ACStools contient des outils Python pour travailler avec les données de la caméra avancée pour les levés (ACS) du télescope spatial Hubble (HST). Le package dispose de plusieurs utilitaires d'étalonnage et d'un calculateur de points zéro, peut détecter les traces de satellites et propose des outils de dépouillement, de polarisation et de photométrie.

ActSNClass utilise une méthode d'extraction de caractéristiques paramétriques, un classificateur de forêt aléatoire et deux stratégies d'apprentissage (échantillonnage d'incertitude et échantillonnage aléatoire) pour effectuer un apprentissage actif pour la classification photométrique de supernova.

ADAM (All-Data Asteroid Modeling) modélise la reconstruction de la forme d'un astéroïde à partir d'observations. Développé dans MATLAB avec des routines de base en C, ses fonctionnalités incluent des supports de forme 3D paramétriques non convexes et non étoilés et la reconstruction de la forme d'astéroïde à partir de n'importe quelle combinaison de courbes de lumière, d'images d'optique adaptative, de données HST/FGS, d'images thermiques résolues sur disque, et images radar distance-Doppler. ADAM ne nécessite pas d'extraction de contour de frontière pour la reconstruction et peut être exécuté en parallèle.

AdaMet (Adaptive Metropolis) effectue une analyse bayésienne efficace. Le package Python convivial est une implémentation de l'algorithme Adaptive Metropolis. Dans de nombreuses applications du monde réel, il est plus efficace et robuste que l'animateur (ascl:1303.002), dont la phase d'échauffement évolue de manière linéaire avec le nombre de marcheurs. Pour cette raison, et en raison de sa valeur didactique, le code AdaMet est fourni en alternative.

AdaptaHOP est un détecteur de structure et de sous-structure. Il lit un fichier de distribution de particules en entrée et peut calculer la distance quadratique moyenne entre chaque particule et ses plus proches voisins ou la densité SPH associée à chaque particule + la liste de ses plus proches voisins. Il peut également lire une distribution de particules d'entrée et un fichier de voisins (sortie d'une exécution précédente) et sortir l'arbre des structures dans structures.

AdaptiveBin prend une ou plusieurs images et les classe de manière adaptative. Si une image est fournie, alors les pixels sont regroupés par erreur fractionnaire sur l'intensité. Si deux images ou plus sont fournies, alors les pixels sont divisés en fractions par erreur sur la couleur combinée.

ADAPTSMOOTH sert à lisser les images astronomiques de manière adaptative afin d'améliorer le rapport signal sur bruit (S/B). Le schéma de lissage adaptatif permet de tirer pleinement parti des informations photométriques résolues spatialement contenues dans une image en ce qu'à n'importe quel endroit le lissage minimal est appliqué pour atteindre le S/N demandé. Un support est fourni pour faire correspondre plus d'images sur la même longueur de lissage, de sorte que des estimations appropriées des couleurs locales puissent être effectuées, avec un impact potentiel important sur les études multi-longueurs d'onde de sources étendues (galaxies, nébuleuses). Différents modes pour estimer le S/N local sont fournis. En plus du mode de moyennage classique à moyenne arithmétique, le code peut fonctionner en mode de moyennage médian, ce qui se traduit par une amélioration significative de la qualité de l'image finale et une conservation très précise du flux.

L'objectif du développement du package d'oscillation adiabatique d'Aarhus était de disposer d'un outil simple et efficace pour le calcul des fréquences d'oscillation adiabatique et des fonctions propres pour les modèles stellaires généraux, en mettant également l'accent sur la précision des résultats. Le code Fortran offre une grande souplesse dans le choix de la méthode d'intégration ainsi que la possibilité de déterminer toutes les fréquences d'un modèle donné, dans une plage de degré et de fréquence donnée. Le développement du code de pulsation adiabatique d'Aarhus a commencé vers 1978. Bien que les principales caractéristiques soient stables depuis plus d'une décennie, le développement du code se poursuit, en ce qui concerne les propriétés numériques et le rendement. Le code a été fourni sous la forme d'un package généralement disponible et a été largement utilisé dans un certain nombre d'installations. Le développement ultérieur du progiciel, y compris la mise à jour de la documentation, est prévu dans le cadre de l'action de coordination HELAS.

ACIS Extract (AE), écrit en langage IDL, fournit des solutions innovantes et automatisées aux défis variés rencontrés dans l'analyse des données de rayons X prises par l'instrument ACIS sur l'observatoire Chandra de la NASA. L'AE résout les complications rencontrées dans de nombreux projets Chandra : un grand nombre de sources ponctuelles (des centaines à plusieurs milliers), des sources ponctuelles faibles, des observations multiples mal alignées d'un champ astronomique, l'encombrement des sources ponctuelles et une émission diffuse scientifiquement pertinente. AE peut effectuer pratiquement toutes les tâches de traitement et d'analyse des données qui se situent entre les données ACIS de niveau 2 et les tableaux LaTeX publiables de propriétés de source ponctuelles et diffuses et de modèles spectraux.

Aegean, écrit en python, trouve des sources compactes dans les images radio en recherchant des îlots de pixels au-dessus d'un seuil donné, puis en utilisant la courbure de l'image pour déterminer combien de composantes gaussiennes doivent être utilisées pour décrire l'île. L'ajustement gaussien est initié avec des paramètres déterminés à partir des cartes de courbure et d'intensité, et utilise mpfit pour effectuer un ajustement contraint. Aegean a été optimisé pour les sources radio compactes dans les images qui n'ont pas d'émission de fond diffuse, mais en pré-traitant les images avec un filtre spatial, ou en convoluant une image optique avec une PSF suffisamment petite, Aegean est capable de produire d'excellents résultats dans un gamme d'applications.

aesop (ARC Echelle Spectroscopic Observation Pipeline) analyse les spectres échelle pour les observations effectuées par le spectrographe Echelle du Consortium de recherche en astrophysique (ARC) sur le télescope ARC 3,5 m de l'observatoire Apache Point. Il s'agit d'une boîte à outils logicielle de spectroscopie haute résolution qui reprend là où les scripts de réduction IRAF traditionnels s'arrêtent et offre une normalisation de la fonction de blaze par des ajustements polynomiaux aux observations d'étoiles de type précoce, une méthode robuste de normalisation des moindres carrés et des mesures de vitesse radiale (ou suppressions de décalage) via une corrélation croisée avec les spectres du modèle, y compris les calculs de vitesse radiale barycentrique. Il concatène également plusieurs ordres d'échelles dans un spectre 1D simple et fournit un étalonnage de flux approximatif.

AFR, ou ASPFitsReader, réduit, traite et manipule les données de pulsar, y compris l'étalonnage, la création de profil de modèle et l'excision interactive des interférences de radiofréquence à partir des données de profil de pulsar. Il crée également des heures d'arrivée compatibles avec les logiciels de chronométrage Tempo (ascl:1509.002) et Tempo2 (ascl:1210.015).

La bibliothèque AGAMA est un ensemble d'outils de construction et d'analyse de modèles de galaxies. Il calcule le potentiel et les forces gravitationnelles, effectue l'intégration et l'analyse de l'orbite et peut convertir les coordonnées position/vitesse et action/angle. Il offre un cadre pour trouver les paramètres les mieux adaptés d'un modèle à partir de données et de modèles de galaxies à plusieurs composants auto-cohérents, et contient des utilitaires auxiliaires utiles tels que diverses routines mathématiques. Le noyau de la bibliothèque est écrit en C++, et il existe des interfaces Python et Fortran. AGAMA peut être utilisé comme plugin pour les progiciels stellaires-dynamiques galpy (ascl:1411.008), AMUSE (ascl:1107.007) et NEMO (ascl:1010.051).

Agatha est un cadre de périodogrammes pour démêler les signaux périodiques du bruit corrélé et pour résoudre le problème de sélection de modèle bidimensionnel : dimension du signal et dimension du modèle de bruit. Ces périodogrammes sont calculés en appliquant la maximisation de la vraisemblance et la marginalisation et combinés de manière cohérente. Agatha peut être utilisé pour sélectionner le modèle de bruit optimal et pour tester la cohérence des signaux dans le temps et peut être appliqué aux analyses de séries chronologiques dans d'autres disciplines astronomiques et scientifiques. Une implémentation Web interactive du logiciel est également disponible à l'adresse http://agatha.herts.ac.uk/.

AGNfitter est une méthode MCMC entièrement bayésienne pour ajuster les distributions spectrales d'énergie (SED) des noyaux galactiques actifs (AGN) et des galaxies du sous-mm à l'UV, elle permet un démêlage robuste des processus physiques responsables de l'émission des sources. Écrit en Python, AGNfitter utilise une vaste bibliothèque de modèles théoriques, empiriques et semi-empiriques pour caractériser simultanément l'émission nucléaire et celle de la galaxie hôte. Le modèle se compose de quatre composants physiques d'émission : un disque d'accrétion, un tore de poussières chauffées par AGN, des populations stellaires et des poussières froides dans les régions de formation d'étoiles. AGNfitter détermine les distributions postérieures de nombreux paramètres qui régissent la physique d'AGN avec un traitement entièrement bayésien des erreurs et des dégénérescences des paramètres, permettant d'inférer les luminosités intégrées, les paramètres d'atténuation de la poussière, les masses stellaires et les taux de formation d'étoiles.

Les simulations cosmologiques sont l'outil clé pour étudier les différents processus impliqués dans la formation de l'univers, depuis les petites perturbations de densité initiale jusqu'aux galaxies et amas de galaxies observés aujourd'hui. L'identification et l'analyse des objets liés, les halos, sont l'une des étapes les plus importantes pour tirer des informations physiques utiles des simulations. Avec l'avènement de simulations de plus en plus volumineuses, un chercheur de halo fiable et parallèle, capable de faire face aux fichiers de données sans cesse croissants, est indispensable. Dans ce travail, nous présentons le chercheur de halo parallèle MPI disponible gratuitement AHF. Nous fournissons une description de l'algorithme et de la stratégie suivie pour traiter de grandes données de simulation. Nous décrivons également les paramètres qu'un utilisateur peut choisir afin d'influencer le processus de recherche de halo, ainsi que de souligner quels paramètres sont cruciaux pour garantir des résultats intacts de l'approche parallèle. De plus, nous démontrons la capacité de l'AHF à s'adapter à des simulations à haute résolution.

AIDA est une implémentation et une extension de la méthode de déconvolution myope MISTRAL développée par Mugnier et al. (2004) (voir J. Opt. Soc. Am. A 21:1841-1854). Il a été démontré que l'approche MISTRAL donne des reconstructions d'objets avec une excellente préservation des bords et une précision photométrique lorsqu'elle est utilisée pour traiter des images astronomiques. AIDA améliore la mise en œuvre originale de MISTRAL. AIDA, écrit en Python, peut déconvoluer plusieurs données de trame et piles d'images tridimensionnelles rencontrées dans l'optique adaptative et l'imagerie microscopique lumineuse.

AIMS (Asteroseismic Inference on a Massive Scale) estime les paramètres stellaires et les intervalles/barres d'erreur crédibles de manière bayésienne à partir d'un ensemble de données de fréquences sismiques et de contraintes dites classiques. Pour obtenir des estimations de paramètres fiables et une efficacité de calcul, il recherche dans une grille de modèles précalculés à l'aide d'un algorithme MCMC. Les entrées pour la modélisation consistent en des fréquences individuelles provenant de l'ensachage des pics, qui peuvent être complétées par des contraintes spectroscopiques classiques.

AIPS ("Classic") est un progiciel pour l'étalonnage et l'édition interactifs et par lots de données astronomiques, généralement des données radio interférométriques. AIPS peut être utilisé pour l'étalonnage, la construction, l'amélioration, l'affichage et l'analyse d'images astronomiques réalisées à partir de données à l'aide de méthodes de synthèse de Fourier. La conception et le développement du progiciel commencent en 1978. AIPS se compose actuellement de plus d'un million de lignes de code et de 400 000 lignes de documentation, ce qui représente plus de 65 années-personnes d'effort.

AIPSLite est une extension pour ParselTongue (ascl:1208.020) qui permet aux machines sans distribution AIPS (ascl:9911.003) de s'amorcer avec un environnement AIPS minimal. Cela permet le déploiement de routines AIPS sur des systèmes distribués, ce qui est utile lorsque les données peuvent être facilement divisées en morceaux plus petits et gérées indépendamment.

AIPY rassemble des outils pour l'interférométrie radioastronomique. En plus du code de phasage, d'étalonnage, d'imagerie et de déconvolution en python pur, ce package comprend des interfaces vers MIRIAD (ascl:1106.007) et HEALPix (ascl:1107.018) et des routines mathématiques/d'ajustement de SciPy.

L'objectif de ce travail est de rendre compte de l'influence des interactions des muons sur le développement des gerbes d'air initiées par les astroparticules. Nous effectuons une étude comparative des différentes approches théoriques des interactions entre le bremsstrahlung du muon et la production de paires muoniques. Un algorithme détaillé qui inclut toutes les caractéristiques pertinentes de ces processus a été mis en œuvre dans le système de simulation de douche à air AIRES. Nous avons simulé des gerbes à ultra haute énergie dans différentes conditions afin de mesurer l'influence de ces interactions électromagnétiques muoniques. Nous avons constaté qu'au cours des derniers stades du développement de la pluie (bien au-delà du maximum de la pluie), de nombreuses observables globales sont considérablement modifiées en termes relatifs lorsque les interactions mentionnées sont prises en compte. Ceci est particulièrement évident dans le cas de la composante électromagnétique des douches très inclinées. D'autre part, nos simulations indiquent que les processus étudiés n'induisent pas de changements significatifs ni dans la position du maximum de douche ni dans la structure de la surface frontale de la douche.

AIRY simule des observations interférométriques optiques et dans le proche infrarouge, il peut également effectuer une restauration d'image ou une déconvolution ultérieure. Il est basé sur l'environnement de résolution de problèmes CAOS (ascl:1106.017). Écrit en IDL, il se compose d'un ensemble de modules spécifiques, chacun gérant une tâche particulière.

Aladin Lite est une version allégée de l'outil Aladin, fonctionnant dans le navigateur et orientée vers la visualisation simple d'une région du ciel. Il permet de visualiser des relevés d'images (levés tout ciel HEALPix multi-résolution JPEG) et de superposer des données tabulaires (VOTable) et d'empreintes (STC-S). Aladin Lite est alimenté par la technologie de toile HTML5 et est facilement intégrable sur n'importe quelle page Web et peut également être contrôlé via une API Javacript.

Aladin est un atlas du ciel logiciel interactif permettant à l'utilisateur de visualiser des images astronomiques numérisées, de superposer des entrées de catalogues ou de bases de données astronomiques, et d'accéder de manière interactive aux données et informations connexes de la base de données Simbad, du service VizieR et d'autres archives pour toutes les sources connues dans le domaine.

Créé en 1999, Aladin est devenu un outil de VO largement utilisé, capable de relever des défis tels que la localisation de données d'intérêt, l'accès et l'exploration de jeux de données distribués, la visualisation de données multi-longueurs d'onde. La conformité aux normes VO existantes ou émergentes, l'interconnexion avec d'autres outils de visualisation ou d'analyse, la capacité de comparer facilement des données hétérogènes sont des sujets clés permettant à Aladin d'être un puissant outil d'exploration et d'intégration de données ainsi qu'un catalyseur scientifique.

ALCHEMIC résout les problèmes de cinétique chimique, notamment les interactions gaz-grains, les réactions de surface, le fractionnement du deutérium et les phénomènes de transport, et peut modéliser l'évolution chimique en fonction du temps des nuages ​​moléculaires, des noyaux chauds, des corinos et des disques protoplanétaires.

ALFA adapte les spectres de raies d'émission de couverture et de résolution de longueur d'onde arbitraires, de manière entièrement automatique. Il utilise un catalogue de raies éventuellement présentes pour construire des spectres synthétiques dont les paramètres sont ensuite optimisés au moyen d'un algorithme génétique. Les incertitudes sont estimées en utilisant la structure de bruit des résidus. Un spectre de raies d'émission contenant plusieurs centaines de raies peut être installé en quelques secondes à l'aide d'un seul processeur d'un ordinateur de bureau ou portable contemporain typique.Les cubes de données au format FITS peuvent être analysés à l'aide de plusieurs processeurs, et l'analyse de dizaines de milliers de spectres profonds obtenus avec des instruments tels que MUSE prendra quelques heures.

allantools calcule l'écart d'Allan et les statistiques de temps et de fréquence associées. La bibliothèque est écrite en Python et possède une licence GPL v3+. Il prend des données d'entrée qui sont soit des observations régulièrement espacées de fréquence fractionnaire, soit une phase en secondes. Les écarts sont calculés pour des valeurs tau données en secondes. Plusieurs générateurs de bruit pour créer des ensembles de données synthétiques sont également inclus.

allesfitter fournit une inférence flexible et robuste des étoiles et des exoplanètes à partir de données photométriques et de vitesse radiale (RV). Le logiciel offre une riche sélection de modèles orbitaux et de transit, pouvant accueillir plusieurs exoplanètes, systèmes multi-étoiles, taches stellaires, éruptions stellaires et divers modèles de bruit. Il comprend à la fois l'estimation des paramètres et la sélection du modèle. Une interface utilisateur graphique est utilisée pour spécifier les paramètres d'entrée et pour exécuter facilement un échantillonnage imbriqué ou un ajustement de Markov Chain Monte Carlo (MCMC), produisant des tableaux prêts pour la publication, du code LaTex et des graphiques. allesfitter fournit un cadre d'inférence qui unit les packages polyvalents ellc (ascl:1603.016), aflare (flare model Davenport et al. 2014), dynesty (ascl:1809.013), emcee (ascl:1303.002) et celerite (ascl:1709.008).

AlterBBN évalue les abondances des éléments générés par la nucléosynthèse Big-Bang (BBN). Ce programme calcule les abondances des éléments dans le modèle standard de cosmologie et permet à l'utilisateur de modifier les hypothèses du modèle cosmologique pour étudier leurs conséquences sur les abondances des éléments. En particulier, le rapport baryon/photon et le nombre effectif de neutrinos, ainsi que le taux d'expansion et le contenu entropique de l'Univers au cours du BBN peuvent être modifiés dans AlterBBN. De telles fonctionnalités permettent à l'utilisateur de tester les modèles cosmologiques en les confrontant aux contraintes BBN.

AMADA permet une exploration itérative et une récupération d'informations d'ensembles de données de grande dimension. Cela se fait en effectuant une analyse de regroupement hiérarchique pour différents choix de matrices de corrélation et en effectuant une analyse en composantes principales dans les données d'origine. De plus, AMADA fournit un ensemble de diagnostics d'exploration de données de visualisation modernes. L'utilisateur peut basculer entre eux en utilisant les différents onglets.

amber_meta intègre quelques routines pour lancer AMBER (le « Moniteur d'apéritif pour les rafales rencontrées en temps réel », https://github.com/AA-ALERT/AMBER) de manière systématique. Pour éviter de saisir manuellement une chaîne dans la ligne de commande avec tous les paramètres requis pour lancer AMBER, amber_meta génère la commande à partir des fichiers de configuration et peut lancer directement les instances AMBER.

Le logiciel de réduction de données AMBER dispose d'une interface graphique optionnelle dans un langage de haut niveau, permettant à l'utilisateur de contrôler la réduction de données étape par étape ou de manière entièrement automatique. Le logiciel dispose d'un schéma d'étalonnage robuste qui utilise les ensembles d'étalonnage complets disponibles pendant la nuit. Les produits de sortie sont des fichiers OI-FITS standard, qui peuvent être utilisés directement dans des logiciels de haut niveau tels que des outils d'ajustement de modèle ou de reconstruction d'images.

AMBIG est un algorithme rapide et automatisé pour résoudre l'ambiguïté à 180° dans les données de champ magnétique vectoriel, y compris les données de Hinode/Spectropolarimeter. Le code basé sur Fortran est vaguement basé sur l'algorithme d'énergie minimale et est distribué pour fournir des données résolues aux ambiguïtés pour la communauté générale des utilisateurs.

AMIGA est un code de raffinement de maillage adaptatif accessible au public pour les simulations cosmologiques (sans dissipation). Il combine un code à N corps avec un solveur eulérien basé sur une grille pour l'ensemble complet des équations de la magnétohydrodynamique (MHD) afin de mener des simulations de la matière noire, des baryons et des champs magnétiques de manière auto-cohérente dans un cadre entièrement cosmologique. Notre schéma numérique comprend des méthodes efficaces pour assurer une capture correcte des chocs et des flux hautement supersoniques et un champ magnétique sans divergence. La haute précision du code est démontrée par un certain nombre de tests numériques.

AMIsurvey est un pipeline d'étalonnage et d'imagerie entièrement automatisé pour les données de l'observatoire radio AMI-LA, il a deux dépendances clés. Le premier est drive-ami, inclus dans cette entrée. Drive-ami est une interface Python vers le pipeline d'étalonnage spécialisé AMI-REDUCE, qui applique des corrections de retard de chemin, des indicateurs automatiques d'interférence, des erreurs de pointage, des défauts d'ombrage et de matériel, applique des étalonnages de phase et d'amplitude, Fourier transforme les données dans le domaine fréquentiel, et écrit les données résultantes au format uvFITS. Le second est chimenea, qui implémente un algorithme d'imagerie automatisé pour convertir les uvFITS calibrés en images cartographiques prêtes pour la science. AMIsurvey relie les étapes d'étalonnage et d'imagerie mises en œuvre dans ces packages, configure l'algorithme chimenea avec des paramètres appropriés aux données d'AMI-LA et fournit une interface de ligne de commande.

AMPEL fournit un cadre d'analyse pour les enquêtes à haut débit et convient aux données diffusées en continu. Le package combine la fonctionnalité d'un courtier d'alertes avec un cadre générique capable d'héberger du code fourni par l'utilisateur, il encourage la provenance et garde une trace des différents états d'information qu'un transitoire affiche. Ce dernier concept comprend les informations recueillies au fil du temps et les politiques de données telles que les niveaux d'accès ou d'étalonnage.

AMUSE est un cadre logiciel open source pour les simulations à grande échelle en astrophysique, dans lequel les codes existants pour la dynamique gravitationnelle, l'évolution stellaire, l'hydrodynamique et le transport radiatif peuvent être facilement couplés et placés dans le contexte d'observation approprié.

ANA calcule la fonction de vraisemblance pour un modèle composé de deux composantes du flux de neutrinos astrophysique détecté par IceCube. Le premier composant est extragalactique. Étant donné que les sources ponctuelles n'ont pas été trouvées et qu'il existe de plus en plus de preuves qu'un catalogue de sources ne peut pas décrire l'ensemble des données, ANA modélise le flux extragalactique comme isotrope. La deuxième composante est galactique. Une variété de catalogues d'intérêt sont également fournis. ANA considère que la contribution galactique est proportionnelle à la densité de matière de l'univers. La fonction de vraisemblance a un paramètre libre fgal qui est la fraction du flux astrophysique qui est galactique. ANA trouve la meilleure valeur d'ajustement de fgal et scanne sur 0<ffille<1.

ANAigm propose une version mise à jour du modèle de Madau pour l'atténuation par l'hydrogène neutre intergalactique contre le rayonnement d'objets distants. Ce nouveau modèle est écrit en Fortran90 et prédit, pour certains redshifts, des magnitudes d'atténuation différentes de plus de 0,5 à 1 mag à travers les filtres à large bande habituels par rapport au modèle original de Madau.

Analysator analyse les fichiers vlsv produits par Vlasiator (ascl:1908.014). Le code facilite les études des trajectoires des particules, des distributions d'angle de pas, des distributions de vitesse, et plus encore. Il peut lire et écrire des fichiers VLSV et effectuer des calculs avec les données, tracer l'espace réel à partir des fichiers VLSV avec Mayavi (ascl:1205.008) et tracer l'espace de vitesse (à la fois les blocs et la surface iso) à partir des fichiers VLSV. Il peut également prendre des coupes, des distributions d'angle de pas, un angle de gyrophase et des tranches 3D, tracer des variables avec des sous-tracés dans un format propre et ajuster des polynômes 1D aux données.

Ce code contient plusieurs modèles de transfert radiatif simples utilisés pour ajuster la signature de raie spectrale asymétrique bleue souvent trouvée dans les noyaux de nuages ​​moléculaires entrants. Il tente de fournir une mesure directe de plusieurs paramètres physiques du cœur tombant, y compris la vitesse de chute, la température d'excitation et la profondeur optique de la ligne de site. Le code comprend 6 modèles de transfert radiatif, mais la conclusion de l'article associé est que le modèle "colline" à 5 paramètres (colline5) est probablement le mieux adapté aux conditions d'excitation physique des nuages ​​réels de type Bonnor-Ebert.

anesthetic rassemble des outils de traitement de chaînes d'échantillonnage imbriquées, en s'appuyant sur des bibliothèques scientifiques python standard. Le code fournit le calcul des preuves bayésiennes, des divergences de Kullback-Liebler et des dimensionnalités du modèle bayésien, des tracés 1D et 2D marginalisés et une relecture dynamique de l'échantillonnage imbriqué. anesthésique a été conçu principalement pour être utilisé avec des sorties d'échantillonnage imbriquées, bien qu'il puisse être utilisé pour des chaînes MCMC normales.

AngPow calcule les spectres de puissance angulaire auto (z1 = z2) et croisé (z1 ≠ z2) entre les cases de redshift (c'est-à-dire Cℓ(z1,z2)). L'algorithme développé est basé sur des développements sur la base polynomiale de Chebyshev et sur la méthode de quadrature de Clenshaw-Curtis. AngPow est flexible et peut gérer tous les spectres de puissance définis par l'utilisateur, les fonctions de transfert, les fonctions de polarisation et les fenêtres de sélection de redshift. Le code est suffisamment rapide pour être intégré dans des programmes explorant de grands espaces de paramètres cosmologiques via la comparaison Cℓ(z1,z2) avec des données.

Le calcul des distances est d'une importance fondamentale en astronomie extragalactique et en cosmologie. Cependant, aucune mise en œuvre pratique pour le cas général n'était disponible auparavant. Nous dérivons une équation différentielle du second ordre pour la distance de taille angulaire valide non seulement dans tous les modèles cosmologiques de Friedmann-Lemaitre homogènes, paramétrés par $lambda_<0>$ et $Omega_<0>$, mais aussi dans des "en moyenne" inhomogènes Modèles de Friedmann-Lemaitre, où l'inhomogénéité est donnée par le paramètre $eta$ (dans le cas général dépendant du redshift). Étant donné que la plupart des autres distances peuvent être obtenues de manière triviale à partir de la distance de taille angulaire et que l'équation différentielle peut être efficacement résolue numériquement, cela offre pour la première fois une méthode pratique de calcul des distances dans une grande classe de modèles cosmologiques. Nous discutons également brièvement de notre implémentation numérique, qui est publiquement disponible.

Anmap analyse et traite les images et les données spectrales. Écrit à l'origine pour une utilisation en radioastronomie, une grande partie de ses fonctionnalités est applicable à d'autres disciplines. Des algorithmes et des procédures d'analyse supplémentaires permettent une utilisation directe, par exemple, dans l'imagerie RMN et la spectroscopie. Anmap met l'accent sur l'analyse des données pour extraire des résultats quantitatifs à comparer avec des modèles théoriques et/ou d'autres données expérimentales. Pour y parvenir, Anmap fournit une large gamme d'outils d'analyse, d'ajustement et de modélisation (y compris des algorithmes standard de traitement d'images et de données). Il fournit également un environnement puissant aux utilisateurs pour développer leurs propres outils d'analyse/traitement, soit en combinant des algorithmes et des installations existants avec le langage de commande (script) très puissant, soit en écrivant de nouvelles routines en FORTRAN qui s'intègrent de manière transparente avec le reste d'Anmap.

ANNz est un progiciel disponible gratuitement pour l'estimation photométrique du décalage vers le rouge à l'aide de réseaux de neurones artificiels. ANNz apprend la relation entre la photométrie et le décalage vers le rouge à partir d'un ensemble d'apprentissage approprié de galaxies pour lesquelles le décalage vers le rouge est déjà connu. Lorsqu'un ensemble de formation vaste et représentatif est disponible, ANNz est un outil hautement compétitif par rapport aux méthodes traditionnelles d'ajustement de modèles.

Pour une implémentation plus récente de ce package, veuillez consulter ANNz2 (ascl:1910.014).

ANNz2, une implémentation plus récente d'ANNz (ascl:1209.009), utilise plusieurs méthodes d'apprentissage automatique telles que les réseaux de neurones artificiels, les arbres de décision/régression boostés et les k plus proches voisins pour mesurer les photo-z sur la base de données spectrales limitées. Le code optimise dynamiquement les performances de l'estimation photo-z et dérive correctement les incertitudes associées. En plus des solutions à valeur unique, ANNz2 génère également des fonctions de densité de probabilité complètes (PDF) de deux manières différentes. De plus, des estimateurs sont incorporés pour atténuer les problèmes possibles d'échantillons d'apprentissage spectroscopiques qui ne sont pas représentatifs ou qui sont incomplets. ANNz2 est également adapté pour fournir des solutions optimisées aux problèmes généraux de classification, tels que la séparation étoile/galaxie.

AntiparticleDM calcule les perspectives de futures expériences de détection directe pour discriminer entre Majorana et Dirac Dark Matter (c'est à dire., pour déterminer si la matière noire est sa propre antiparticule). Les taux d'événements de détection directe et la génération de données fictives sont traités par une variante du code WIMpy.

Le code d'interférence radiofréquence AOFlagger signale automatiquement les données et peut être utilisé pour analyser les données d'une mesure. Le but du marquage est de marquer les échantillons qui sont affectés par des sources d'interférences telles que des stations de radio, des avions, des clôtures électriques ou d'autres interférences émettrices.

Les outils du package sont destinés à une utilisation hors ligne. Le progiciel contient une interface graphique ("rfigui") qui peut être utilisée pour visualiser un ensemble de mesures et analyser les techniques d'atténuation. Il contient également un indicateur de console ("rficonsole") qui peut exécuter un script de fonctions d'atténuation sans la surcharge d'un environnement graphique. Tous les outils ont été écrits en C++.

Le logiciel a été largement testé sur les basses fréquences radio (150 MHz ou moins) produites par les télescopes WSRT et LOFAR. LOFAR est le réseau basse fréquence qui est construit aux Pays-Bas et autour. Les fréquences plus élevées devraient également fonctionner. Certaines des méthodes mises en œuvre sont le SumThreshold, le VarThreshold et la méthode de décomposition en valeur singulière (SVD). Plusieurs algorithmes d'ajustement de surface sont également inclus.

Le logiciel est publié sous la licence publique générale GNU version 3.

Le package AOtools propose des outils génériques de traitement d'optique adaptative en plus des méthodes spécifiques à l'astronomie, parmi lesquelles l'analyse des données dans le plan pupillaire, les images et les fonctions d'étalement des points dans le plan focal, les capteurs de front d'onde, la modélisation de la turbulence atmosphérique, la propagation optique physique des fronts d'onde, et des fonctions de conversion pour convertir la luminosité stellaire en flux de photons pour une gamme d'ondes donnée. Le logiciel calcule également les paramètres atmosphériques intégrés, tels que le temps de cohérence et l'angle isoplanatique à partir de la turbulence atmosphérique et du profil de vitesse du vent.

AOTOOLS réduit les images IR de l'optique adaptative. Il utilise un tramage efficace, soit soustraction du ciel, soit soustraction dans l'obscurité, et des techniques de champ plat pour déterminer l'effet de l'instrument sur l'image d'un objet. Il effectue également un mauvais masquage des pixels, dégrade une PSF sur l'axe de l'AO en raison d'effets d'anisoplanicité et corrige une PSF sur l'axe de l'AO en raison des effets de la vision.

AP 3 M est un code particule-particule, particule-maille adaptatif. Il est plus ancien que Hydra (ascl:1103.010) mais plus rapide et plus efficace en mémoire pour les calculs de matière noire uniquement. La technique Adaptive P 3 M (AP 3 M) est construite autour de l'algorithme P 3 M standard. AP 3 M produit des forces totalement équivalentes à P 3 M mais représente une mise en œuvre plus efficace de l'idée de division de force de P 3 M. Le programme AP 3 M peut être utilisé dans l'un des trois modes avec un choix approprié de paramètre d'entrée.

Apercal est un pipeline dédié et automatisé de réduction et d'analyse des données écrit pour la mise à niveau d'Apertif (APERture Tile In Focus) vers le radiotélescope de synthèse de Westerbork. Cette mise à niveau augmente considérablement le champ de vision et la vitesse de relevé du télescope et est utilisée pour des observations de relevé pouvant produire 5 téraoctets de données pour chaque observation. Apercal utilise des outils existants et nouveaux et la parallélisation pour fournir les performances nécessaires au grand volume de données produites par les enquêtes Apertif. Le logiciel est entièrement écrit en Python et utilise des logiciels astronomiques tiers, tels que AOFlagger (ascl:1010.017), CASA (ascl:1107.013) et Miriad (ascl:1106.007), pour certaines tâches. Apercal est modulaire, ce qui permet d'exécuter des modules spécifiques manuellement au lieu du pipeline complet, et des informations peuvent être échangées entre les modules car les paramètres d'état sont écrits et lus à partir d'un fichier de dictionnaire python picklé. Le pipeline peut également s'exécuter de manière entièrement automatique.

APLpy (la bibliothèque de tracés astronomiques en Python) est un module Python permettant de produire des tracés de qualité publication de données d'imagerie astronomique au format FITS. Le module utilise Matplotlib, un package de traçage puissant et interactif. Il est capable de créer des fichiers de sortie dans plusieurs formats graphiques, notamment EPS, PDF, PS, PNG et SVG. Les tracés peuvent être créés de manière interactive ou à l'aide de scripts et peuvent générer des cubes FITS co-alignés pour créer des images RVB tricolores. Il offre également différentes capacités de superposition, notamment des ensembles de contours, des marqueurs avec des symboles personnalisables et des grilles de coordonnées, ainsi qu'une gamme d'autres fonctionnalités utiles.

Le package apogee fonctionne avec les données SDSS-III APOGEE et SDSS-IV APOGEE-2. Il lit divers produits de données et applique des coupes, fonctionne avec les masques de bits APOGEE et trace les spectres APOGEE. Il peut générer des spectres modèles pour les spectres APOGEE, et les grilles modèles APOGEE peuvent être utilisées pour ajuster les spectres. apogee inclut quelques fonctions d'empilement simples et implémente la fonction de sélection efficace pour APOGEE.

La suite appaloosa automatise la détection des reflets dans toutes les courbes de lumière Kepler. Il construit des modèles de courbe de lumière au repos qui incluent des données de cadence longue et courte par le biais d'une suppression de tendance itérative et comprend des estimations d'exhaustivité via des tests d'injection et de récupération de fusée artificielle.

APPHi (Automated Photometry Pipeline) réalise la photométrie d'ouverture et différentielle des données du projet TAOS-II. Il est efficace en termes de calcul et peut également être utilisé avec d'autres données d'images astronomiques à grand champ. APPHi fonctionne avec de gros volumes de données et gère à la fois les formats FITS et HDF5. En raison du grand nombre d'étoiles que le logiciel doit gérer dans un nombre énorme d'images, il est optimisé pour trouver automatiquement la meilleure valeur des paramètres pour effectuer la photométrie, tels que la taille du masque pour l'ouverture, la taille de la fenêtre pour l'extraction d'un étoile unique, et le nombre de coups pour le seuil de détection d'une étoile faible. Bien que destiné à fonctionner avec les données TAOS-II, APPHi peut analyser n'importe quel ensemble d'images astronomiques et constitue un outil robuste et polyvalent pour effectuer une ouverture stellaire et une photométrie différentielle.

APPLawD (Accurate Disk Potentials for Power Law Surface Densities) détermine le potentiel gravitationnel dans le plan équatorial d'un disque plat à symétrie axiale (intérieur et extérieur) avec une taille finie et un profil de densité de surface en loi de puissance. Les valeurs potentielles sont calculées sur la base de la méthode de division de densité, où le noyau de Poisson résiduel est étendu sur le module de l'intégrale elliptique complète du premier type. Contrairement aux développements multipolaires classiques de la théorie du potentiel, la série résiduelle converge linéairement à l'intérieur des sources, conduisant à des valeurs de potentiel très précises pour les troncatures d'ordre faible de la série. Le code est facile à utiliser, fonctionne avec une précision variable et est écrit en Fortran 90 sans dépendances externes.

L'échantillonnage compressif est un nouveau paradigme pour l'échantillonnage, basé sur la rareté des signaux ou des représentations de signaux. Elle est beaucoup moins restrictive que la théorie d'échantillonnage de Nyquist-Shannon et explique et systématise ainsi l'expérience répandue selon laquelle des méthodes telles que Högbom CLEAN peuvent violer les exigences d'échantillonnage de Nyquist-Shannon.Dans cet article, une méthode de déconvolution basée sur CS pour les sources étendues est introduite. Cette méthode peut reconstruire à la fois des sources ponctuelles et des sources étendues (en utilisant la transformée en ondelettes isotrope non décimée comme fonction de base pour l'étape de reconstruction). Nous comparons cette méthode de déconvolution basée sur CS avec deux méthodes de déconvolution basées sur CLEAN : la Högbom CLEAN et la multi-échelle CLEAN. Cette nouvelle méthode montre les meilleures performances dans la déconvolution des sources étendues pour la pondération uniforme et naturelle des visibilités échantillonnées. Les résultats visuels et numériques de la comparaison sont fournis.

APPSPACK est un logiciel d'optimisation série ou parallèle, sans dérivé, pour résoudre des problèmes d'optimisation non linéaires sans contraintes, contraintes liées et contraintes linéaires, avec des fonctions objectives potentiellement bruyantes et coûteuses.

L'APS trouve les limites de confiance fréquentistes sur les espaces de paramètres de grande dimension en utilisant l'interpolation du processus gaussien pour identifier les régions de l'espace de paramètres pour lesquelles le chi carré est inférieur ou égal à une limite spécifiée. Le code est écrit en C++, est robuste contre les fonctions chi carré multimodales et converge relativement rapidement vers les méthodes de Monte Carlo. Le code est également fourni pour dessiner des limites crédibles bayésiennes en utilisant les sorties de l'APS, bien que ce code ne converge pas aussi bien. APS nécessite les bibliothèques d'algèbre linéaire LAPACK, BLAS et ARPACK (ascl:1311.010) pour fonctionner.

Aperture Photometry Tool (APT) est un logiciel destiné aux astronomes et aux étudiants souhaitant explorer manuellement les qualités photométriques des images astronomiques. Il dispose d'une interface utilisateur graphique (GUI) qui permet de visualiser les données d'image associées aux calculs de photométrie d'ouverture pour les sources ponctuelles et étendues et, par conséquent, de les analyser plus efficacement. Un clic de souris sur une source dans l'image affichée dessine une ouverture circulaire ou elliptique et un anneau céleste autour de la source et calcule l'intensité de la source et son incertitude, ainsi que plusieurs mesures couramment utilisées du fond du ciel local et de sa variabilité. Les résultats sont affichés et peuvent être éventuellement enregistrés dans un fichier de table de photométrie d'ouverture et tracés sur des graphiques de diverses manières à l'aide des fonctions disponibles dans le logiciel. APT est conçu pour traiter des sources dans un petit nombre d'images et n'est pas adapté au traitement en masse d'un grand nombre d'images, contrairement à d'autres logiciels de photométrie d'ouverture (par exemple, SExtractor). Cependant, APT dispose d'un outil de liste de sources pratique qui permet des calculs pour un grand nombre de détections dans une image donnée. L'outil de liste de sources peut être exécuté soit en mode automatique pour générer rapidement une table de photométrie d'ouverture, soit en mode manuel pour permettre l'inspection et l'ajustement du calcul pour chaque détection individuelle. APT affiche une variété de graphiques utiles, y compris un histogramme d'image et des tranches d'ouverture, un nuage de points source, un nuage de points du ciel, un histogramme du ciel, un profil radial, une courbe de croissance et des diagrammes de dispersion et des histogrammes de la table de photométrie d'ouverture. APT a des fonctions pour personnaliser les calculs, y compris le rejet des valeurs aberrantes, la « sélection » et le « zapping » des pixels et une sélection de modèles de source et de ciel. Le modèle de source d'interpolation de profil radial, accessible via le panneau de tracé de profil radial, permet de récupérer l'intensité de la source à partir de pixels avec des données manquantes et peut être particulièrement bénéfique dans les champs encombrés.

Le code spectral Arcetri permet d'évaluer le spectre du rayonnement émis par les plasmas chauds et optiquement minces dans la gamme spectrale 1 - 2000 Angströms. La base de données a été mise à jour, y compris les données atomiques et les taux radiatifs et collisionnels pour calculer les niveaux d'émissivité de population et de raie pour un certain nombre d'ions des éléments mineurs. Une compilation critique de l'excitation de collision électronique pour ces éléments a été effectuée. La présente version du programme comprend la base de données du CHIANTI pour les éléments les plus abondants, les données des éléments mineurs et le modèle atomique Fe III, les données radiatives et collisionnelles.

ARCHANGEL est un package basé sur Unix pour la photométrie de surface des galaxies. Bien qu'orientés pour les systèmes de grande taille angulaire (c'est-à-dire de nombreux pixels), ses outils peuvent être appliqués à n'importe quelle donnée d'imagerie de n'importe quelle taille. Le noyau du package contient des routines pour exécuter les fonctions photométriques critiques de galaxies suivantes : détermination du ciel, nettoyage du cadre, ajustement du profil d'ajustement de l'ellipse et magnitudes totales et isophotes.

L'objectif de l'ensemble est de fournir un système de réduction automatisé de type chaîne de montage pour la photométrie galactique des données d'imagerie spatiales ou terrestres. Les procédures décrites dans la documentation sont indépendantes du flux, ainsi, ces routines peuvent être utilisées pour des données non optiques ainsi que pour des ensembles de données d'imagerie typiques.

ARCHANGEL a été testé sur plusieurs OS actuels (RedHat Linux, Ubuntu Linux, Solaris, Mac OS X). Une archive tar pour l'installation est disponible sur la page de téléchargement. Les routines principales sont basées sur Python et FORTRAN, par conséquent, une installation actuelle de Python et un compilateur FORTRAN sont nécessaires. Le package ARCHANGEL contient également des hooks Python vers le package PGPLOT, un processeur XML et des outils réseau qui se connectent automatiquement aux archives de données (c'est-à-dire NED, HST, 2MASS, etc.) pour télécharger des images de manière non interactive.

Le pipeline de mission CHARacterizing ExOPplanet Satellite (CHEOPS) fournit la photométrie pour l'étoile centrale dans son champ ARCHI récupère les données du pipeline de mission CHEOPS, analyse les étoiles de fond et détermine la photométrie de ces étoiles, créant ainsi la possibilité de produire un temps photométrique série de plusieurs cibles proches à la fois, en plus d'utiliser différentes étoiles dans l'image pour calibrer les erreurs systématiques.

Arcmancer calcule des géodésiques et effectue un transfert radiatif polarisé dans des espaces-temps spécifiés par l'utilisateur. La bibliothèque prend en charge les espaces riemanniens et semi-riemanniens de toutes dimensions et métriques, elle prend également en charge plusieurs tableaux de coordonnées simultanés, des formes géométriques intégrées, des systèmes de coordonnées locaux et une propagation parallèle automatique. Arcmancer peut être utilisé pour résoudre divers problèmes de géométrie numérique, tels que la résolution de l'équation du mouvement de la courbe à l'aide de l'intégration adaptative avec des tolérances configurables et des équations différentielles le long de courbes précalculées. Il prend également en charge les courbes avec un terme d'accélération arbitraire et des outils génériques pour générer des conditions initiales de rayon et effectuer des calculs parallèles sur l'image, entre autres outils.

AREPO est un code de gravité et de magnétohydrodynamique massivement parallèle pour l'astrophysique, conçu pour les problèmes de grande plage dynamique. Il utilise une approche de volumes finis pour discrétiser les équations de l'hydrodynamique sur un maillage de Voronoi en mouvement, et une méthode arbre-particules-maillage pour les interactions gravitationnelles. AREPO est à l'origine optimisé pour les simulations cosmologiques de la formation de structures, mais a également été utilisé dans de nombreuses autres applications en astrophysique.


Identification et extraction de pointes radio solaires basées sur l'apprentissage en profondeur

Les pointes radio solaires sont des signaux de rafale à bande étroite et de courte durée, qui sont une structure fine des sursauts radio solaires. Le traitement et l'analyse de leurs données observées sont d'une grande importance dans l'étude de l'accélération des électrons dans le processus des éruptions solaires et de l'accélération des électrons lors de l'explosion et du diagnostic des paramètres de couronne. L'apprentissage en profondeur interprète les données en imitant le mécanisme du cerveau humain. Faster Region-based Convolutional Neural Network (Faster R-CNN) est une branche de l'apprentissage en profondeur basée sur la nomination des régions, et ses résultats de classification présentent des avantages considérables en termes de précision. Dans cet article, Faster R-CNN sera utilisé pour identifier et extraire les pics radio solaires. Afin d'améliorer la capacité de détection de petits événements, un cadre de détection multi-échelle et une méthode d'apprentissage de fusion de caractéristiques multicouches sont utilisés. Les résultats de l'analyse montrent que la valeur de précision moyenne (AP) du réseau amélioré est proche de 91 %, ce qui est près de 10 % plus élevé que le réseau d'origine. Ainsi, la méthode améliorée Faster R-CNN peut également être utilisée pour l'identification et l'extraction de structures fines à petite échelle dans d'autres domaines.

Ceci est un aperçu du contenu de l'abonnement, accessible via votre institution.


Besoin d'antenne

Dans le domaine des systèmes de communication, chaque fois que le besoin de communication sans fil survient, il se produit la nécessité d'une antenne. Antenne a la capacité d'envoyer ou de recevoir les ondes électromagnétiques pour des raisons de communication, où vous ne pouvez pas vous attendre à installer un système de câblage. Le scénario suivant explique cela.

Scénario

Afin de contacter une zone éloignée, le câblage doit être posé tout au long du parcours le long des vallées, des montagnes, des chemins fastidieux, des tunnels, etc., pour atteindre l'emplacement éloigné. L'évolution de la technologie sans fil a rendu tout ce processus très simple. L'antenne est l'élément clé de cette technologie sans fil.

Dans l'image ci-dessus, les antennes aident à établir la communication dans toute la région, y compris les vallées et les montagnes. Ce processus serait évidemment plus facile que de poser un système de câblage dans toute la zone.


Parcourir les logiciels libres

Paiement hébergé, intégration d'API ou extension de commerce électronique - nous avons ce qu'il vous faut.

Adaptateur de serveur SAP NetWeaver pour Eclipse

Intègre Eclipse au serveur d'applications SAP NetWeaver

MinGW - GNU minimaliste pour Windows

Un port Windows natif de la GNU Compiler Collection (GCC)

Movistartv

Movistar+ Deco Virtual - Décodeur logiciel

AutoClicker

Pour les entreprises de toutes tailles qui souhaitent des conférences Web et des réunions en ligne

Antimicrobien

Programme graphique pour mapper les commandes du clavier et de la souris sur une manette de jeu

PortableApps.com

Logiciel portable pour les clés USB cloud, locales et portables

Notepad++ Plugin Manager (ancien référentiel)

Notepad++ Plugin Manager [obsolète - maintenant sur github]

WinSCP

WinSCP est un client SFTP, SCP, S3, WebDAV et FTP gratuit pour Windows.

ScpToolkit

Pilote Windows/XInput Wrapper - Contrôleurs Sony DualShock (obsolètes)

Découvrez les avantages de la mise en œuvre de Conexis VMS

Défilement F1

Une passerelle de messagerie anti-spam facile à utiliser

Apache OpenOffice

La suite de productivité gratuite et Open Source

MinGW-w64 - pour Windows 32 et 64 bits

Un environnement d'exécution complet pour gcc

Serveur proxy SMTP antispam

Anti-Spam SMTP Proxy Server implémente plusieurs filtres anti-spam

KeePass

Un gestionnaire de mots de passe léger et facile à utiliser

MSYS2

Plateforme de distribution et de création de logiciels pour Windows

QBittorrent

Un client BitTorrent P2P gratuit et fiable

Scrcpy

Affichez et contrôlez votre appareil Android

60fps) et qualité (1920×1080 ou plus). Il a une faible latence (35

70ms) et un temps de démarrage très faible (moins d'une seconde). Il offre de nombreuses fonctionnalités intéressantes et est non intrusif, il ne reste rien installé à l'intérieur de l'appareil. scrcpy fonctionne avec les appareils Android avec au moins API 21 (Android 5.0) et le débogage adb doit être activé sur l'appareil.

Douce maison 3D

Une application de design d'intérieur pour dessiner des plans de maison et organiser des meubles


Contenu

Les systèmes radar conventionnels comprennent un émetteur et un récepteur colocalisés, qui partagent généralement une antenne commune pour émettre et recevoir. Un signal pulsé est transmis et le temps mis par l'impulsion pour se rendre à l'objet et revenir permet de déterminer la portée de l'objet.

Dans un système radar passif, il n'y a pas d'émetteur dédié. Au lieu de cela, le récepteur utilise des émetteurs tiers dans l'environnement et mesure la différence de temps d'arrivée entre le signal arrivant directement de l'émetteur et le signal arrivant par réflexion de l'objet. Cela permet de déterminer la plage bistatique de l'objet. En plus de la portée bistatique, un radar passif mesurera généralement également le décalage Doppler bistatique de l'écho ainsi que sa direction d'arrivée. Ceux-ci permettent de calculer l'emplacement, le cap et la vitesse de l'objet. Dans certains cas, plusieurs émetteurs et/ou récepteurs peuvent être utilisés pour effectuer plusieurs mesures indépendantes de la distance bistatique, du Doppler et du relèvement et ainsi améliorer considérablement la précision finale de la trajectoire.

Le terme « radar passif » est parfois utilisé à tort pour décrire les capteurs passifs qui détectent et suivent les aéronefs par leurs émissions RF (telles que les émissions radar, de communication ou de transpondeur). Cependant, ces systèmes n'exploitent pas l'énergie réfléchie et sont donc plus précisément décrits comme des systèmes ESM. Des exemples bien connus incluent les systèmes tchèques TAMARA et VERA et le système ukrainien Kolchuga.

Le concept de détection radar passive utilisant des signaux radio ambiants réfléchis émanant d'un émetteur distant n'est pas nouveau. Les premières expériences radar au Royaume-Uni en 1935 par Robert Watson-Watt ont démontré le principe du radar en détectant un bombardier Handley Page Heyford à une distance de 12 km en utilisant l'émetteur à ondes courtes de la BBC à Daventry.

Les premiers radars étaient tous bistatiques car la technologie permettant à une antenne de passer du mode émission au mode réception n'avait pas été développée. Ainsi, de nombreux pays utilisaient des systèmes bistatiques dans les réseaux de défense aérienne au début des années 1930. Par exemple, les Britanniques ont déployé le système CHAIN ​​HOME, les Français ont utilisé un radar bistatique à ondes continues (CW) dans un système de « clôture » (ou « barrière »), l'Union soviétique a déployé un système CW bistatique appelé RUS-1 et les Japonais ont développé un radar CW bistatique appelé "Type A".

Les Allemands ont utilisé un système bistatique passif pendant la Seconde Guerre mondiale. Ce système, appelé Klein Heidelberg Parasit ou Heidelberg-Gerät, a été déployé sur sept sites (Limmen, Oostvoorne, Ostende, Boulogne, Abbeville, Cap d'Antifer et Cherbourg) et fonctionnait en tant que récepteurs bistatiques, utilisant les radars britanniques Chain Home comme non -illuminateurs coopératifs, pour détecter les avions au-dessus de la partie sud de la mer du Nord.

Les systèmes radar bistatiques ont cédé la place aux systèmes monostatiques avec le développement du synchroniseur en 1936. Les systèmes monostatiques étaient beaucoup plus faciles à mettre en œuvre car ils éliminaient les complexités géométriques introduites par les sites émetteurs et récepteurs séparés. De plus, les applications aéronautiques et navales sont devenues possibles à mesure que des composants plus petits étaient développés. Au début des années 1950, les systèmes bistatiques ont été à nouveau considérés lorsque certaines propriétés intéressantes de l'énergie radar diffusée ont été découvertes, en effet le terme "bistatique" a été utilisé pour la première fois par Siegel en 1955 dans son rapport décrivant ces propriétés. [1]

L'un des systèmes radar passifs les plus grands et les plus complexes était le RX12874 du Royaume-Uni, ou "Winkle". Winkle a été déployé dans les années 1960 en réponse à l'introduction du carcinotron, un brouilleur radar si puissant qu'il semblait rendre les radars longue distance inutiles. Winkle a pu capter les émissions du carcinotron avec la même précision qu'un radar conventionnel, permettant à l'avion brouilleur d'être suivi et attaqué à des centaines de kilomètres de distance. De plus, en indiquant l'emplacement du brouilleur, d'autres radars du réseau Linesman/Mediator pourraient réduire la sensibilité de leurs récepteurs lorsqu'ils sont pointés dans cette direction, réduisant ainsi la quantité de brouillage reçue lorsqu'ils sont pointés près de l'emplacement du brouilleur.

L'essor de la puissance de calcul bon marché et de la technologie des récepteurs numériques dans les années 1980 a entraîné un regain d'intérêt pour la technologie des radars passifs. Pour la première fois, ceux-ci ont permis aux concepteurs d'appliquer des techniques de traitement du signal numérique pour exploiter une variété de signaux de diffusion et d'utiliser des techniques de corrélation croisée pour obtenir un gain de traitement de signal suffisant pour détecter des cibles et estimer leur portée bistatique et leur décalage Doppler. Des programmes classifiés existaient dans plusieurs pays, mais la première annonce d'un système commercial a été faite par Lockheed-Martin Mission Systems en 1998, avec le lancement commercial du système Silent Sentry, qui exploitait les émetteurs de radio FM et de télévision analogique. [2]

Des systèmes radar passifs ont été développés qui exploitent les sources d'éclairage suivantes :

Les signaux des satellites se sont généralement révélés insuffisants pour une utilisation radar passive, soit parce que les puissances sont trop faibles, soit parce que les orbites des satellites sont telles que l'éclairage est trop peu fréquent. L'exception possible à cette règle est l'exploitation de systèmes de radar et de radio par satellite basés sur des satellites. En 2011, les chercheurs Barott et Butka de l'Université aéronautique Embry-Riddle ont annoncé des résultats affirmant le succès de l'utilisation de la radio XM pour détecter les avions avec une station au sol à faible coût. [ citation requise ] https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=6096159

Dans un système radar conventionnel, le temps de transmission de l'impulsion et la forme d'onde transmise sont exactement connus. Cela permet de calculer facilement la portée de l'objet et d'utiliser un filtre adapté pour obtenir un rapport signal/bruit optimal dans le récepteur. Un radar passif ne dispose pas directement de ces informations et doit donc utiliser un canal récepteur dédié (appelé "canal de référence") pour surveiller chaque émetteur exploité et échantillonner dynamiquement la forme d'onde transmise. Un radar passif utilise généralement les étapes de traitement suivantes :

  • Réception du signal direct du ou des émetteurs et de la zone de surveillance sur des récepteurs numériques linéaires à faible bruit dédiés
  • Formation de faisceau numérique pour déterminer la direction d'arrivée des signaux et rejet spatial des fortes interférences dans la bande pour annuler tout retour de signal direct indésirable dans le ou les canaux de surveillance
  • Conditionnement du signal spécifique à l'émetteur du canal de référence avec les canaux de surveillance pour déterminer la portée bistatique de l'objet et le Doppler
  • Détection utilisant le schéma de taux de fausses alarmes constant (CFAR)
  • Association et suivi des retours d'objets dans l'espace distance/Doppler, dit « suivi de ligne »
  • Association et fusion des tracés linéaires de chaque émetteur pour former l'estimation finale de l'emplacement, du cap et de la vitesse d'un objet.

Ceux-ci sont décrits plus en détail dans les sections ci-dessous.

Système de réception Modifier

Un système radar passif doit détecter de très petits retours de cibles en présence d'interférences continues très fortes. Cela contraste avec un radar conventionnel, qui écoute les échos pendant les périodes de silence entre chaque émission d'impulsions. En conséquence, il est essentiel que le récepteur ait un faible facteur de bruit, une plage dynamique élevée et une linéarité élevée. Malgré cela, les échos reçus sont normalement bien en dessous du bruit de fond et le système a tendance à être limité par le bruit externe (en raison de la réception du signal transmis lui-même, ainsi que de la réception d'autres émetteurs distants dans la bande). Les systèmes radar passifs utilisent des systèmes de récepteurs numériques qui produisent un signal numérisé et échantillonné.

Formation de faisceau numérique Modifier

La plupart des systèmes radar passifs utilisent des réseaux d'antennes simples avec plusieurs éléments d'antenne et une numérisation au niveau des éléments.Cela permet de calculer la direction d'arrivée des échos à l'aide de techniques de formation de faisceau radar standard, telles que la monoimpulsion d'amplitude utilisant une série de faisceaux fixes qui se chevauchent ou une formation de faisceau adaptative plus sophistiquée. Alternativement, certains systèmes de recherche n'ont utilisé qu'une paire d'éléments d'antenne et la différence de phase d'arrivée pour calculer la direction d'arrivée des échos (appelée interférométrie de phase et similaire dans son concept à l'interférométrie à très longue base utilisée en astronomie).

Conditionnement du signal Modifier

Avec certains types d'émetteurs, il est nécessaire d'effectuer un conditionnement du signal spécifique à l'émetteur avant le traitement de corrélation croisée. Cela peut inclure un filtrage passe-bande analogique de haute qualité du signal, une égalisation des canaux pour améliorer la qualité du signal de référence, la suppression des structures indésirables dans les signaux numériques pour améliorer la fonction d'ambiguïté radar ou même une reconstruction complète du signal de référence à partir du signal numérique reçu.

Filtrage adaptatif Modifier

La principale limitation de la portée de détection pour la plupart des systèmes radar passifs est le rapport signal/interférence, en raison du signal direct important et constant reçu de l'émetteur. Pour supprimer cela, un filtre adaptatif peut être utilisé pour supprimer le signal direct dans un processus similaire au contrôle actif du bruit. Cette étape est essentielle pour garantir que les lobes secondaires distance/Doppler du signal direct ne masquent pas les échos plus petits dans l'étape de corrélation croisée suivante.

Dans quelques cas spécifiques, l'interférence directe n'est pas un facteur limitant, car l'émetteur est au-delà de l'horizon ou obscurci par le terrain (comme avec le radar de Manastash Ridge), mais c'est l'exception plutôt que la règle, car l'émetteur doit normalement être dans la ligne de mire du récepteur pour assurer une bonne couverture de bas niveau.

Traitement de corrélation croisée Modifier

L'étape de traitement clé dans un radar passif est la corrélation croisée. Cette étape agit comme le filtre adapté et fournit également les estimations de la plage bistatique et du décalage Doppler bistatique de chaque écho cible. La plupart des signaux de diffusion analogiques et numériques sont de nature bruitée et, par conséquent, ils ont tendance à n'être corrélés qu'avec eux-mêmes. Cela pose un problème avec les cibles mobiles, car le décalage Doppler imposé à l'écho signifie qu'il ne sera pas corrélé avec le signal direct de l'émetteur. En conséquence, le traitement de corrélation croisée doit mettre en œuvre une banque de filtres adaptés, chacun adapté à un décalage Doppler cible différent. Des implémentations efficaces du traitement de corrélation croisée basées sur la transformée de Fourier discrète sont généralement utilisées, en particulier pour les formes d'onde OFDM. [3] Le gain de traitement du signal est généralement égal au produit temps-largeur de bande, BT, où B est la bande passante de la forme d'onde et T est la longueur de la séquence de signaux à intégrer. Un gain de 50 dB n'est pas rare. Les temps d'intégration prolongés sont limités par le mouvement de la cible et son étalement en distance et Doppler pendant la période d'intégration.

Détection de cible Modifier

Les cibles sont détectées sur la surface de corrélation croisée en appliquant un seuil adaptatif et en déclarant tous les retours au-dessus de cette surface comme étant des cibles. Un algorithme standard de taux de fausses alarmes constant (CFAR) de moyenne cellulaire est généralement utilisé.

Suivi de ligne Modifier

L'étape de suivi de ligne fait référence au suivi des retours de cibles à partir de cibles individuelles, au fil du temps, dans l'espace distance-Doppler produit par le traitement de corrélation croisée. Un filtre de Kalman standard est généralement utilisé. La plupart des fausses alarmes sont rejetées au cours de cette étape du traitement.

Association de piste et estimation de l'état Modifier

Dans une configuration bistatique simple (un émetteur et un récepteur) il est possible de déterminer l'emplacement de la cible en calculant simplement le point d'intersection du relèvement avec l'ellipse bistatique. Cependant, des erreurs de relèvement et de distance ont tendance à rendre cette approche assez imprécise. Une meilleure approche consiste à estimer l'état cible (emplacement, cap et vitesse) à partir de l'ensemble de mesures complet de la distance bistatique, du relèvement et du Doppler à l'aide d'un filtre non linéaire, tel que le filtre de Kalman étendu ou non parfumé.

Lorsque plusieurs émetteurs sont utilisés, une cible peut être potentiellement détectée par chaque émetteur. Le retour de cette cible apparaîtra à une distance bistatique et un décalage Doppler différents avec chaque émetteur et il est donc nécessaire de déterminer quels retours de cible d'un émetteur correspondent à ceux des autres émetteurs. Après avoir associé ces retours, le point auquel les ellipses de distance bistatique de chaque émetteur se coupent est l'emplacement de la cible. La cible peut être localisée beaucoup plus précisément de cette manière, qu'en s'appuyant sur l'intersection de la mesure de relèvement (imprécise) avec une seule ellipse de distance. Là encore, l'approche optimale consiste à combiner les mesures de chaque émetteur à l'aide d'un filtre non linéaire, tel que le filtre de Kalman étendu ou non parfumé.

Sources d'éclairage à bande étroite et CW Modifier

La description ci-dessus suppose que la forme d'onde de l'émetteur exploité possède une fonction d'ambiguïté radar utilisable et donc la corrélation croisée donne un résultat utile. Certains signaux de diffusion, tels que la télévision analogique, contiennent une structure dans le domaine temporel qui produit un résultat très ambigu ou inexact lorsqu'il est corrélé. Dans ce cas, le traitement décrit ci-dessus est inefficace. Cependant, si le signal contient une composante d'onde continue (CW), telle qu'une forte tonalité de porteuse, il est alors possible de détecter et de suivre les cibles d'une autre manière. Au fil du temps, les cibles en mouvement imposeront un changement Doppler et une direction d'arrivée sur la tonalité CW qui est caractéristique de l'emplacement, de la vitesse et du cap de la cible. Il est donc possible d'utiliser un estimateur non linéaire pour estimer l'état de la cible à partir de l'historique temporel des mesures Doppler et relèvement. Des travaux ont été publiés qui ont démontré la faisabilité de cette approche pour le suivi des aéronefs à l'aide de la porteuse vision des signaux de télévision analogiques. Cependant, l'initiation de la piste est lente et difficile, et donc l'utilisation de signaux à bande étroite est probablement mieux considérée comme un complément à l'utilisation d'illuminateurs avec de meilleures surfaces d'ambiguïté.

Les performances des radars passifs sont comparables aux systèmes radar conventionnels à courte et moyenne portée. La plage de détection peut être déterminée à l'aide de l'équation radar standard, mais en veillant à ce que le gain de traitement et les limitations de bruit externe soient correctement pris en compte. De plus, contrairement aux radars classiques, la portée de détection est également fonction de la géométrie de déploiement, car la distance du récepteur à l'émetteur détermine le niveau de bruit extérieur contre lequel les cibles doivent être détectées. Cependant, en règle générale, il est raisonnable de s'attendre à ce qu'un radar passif utilisant des stations de radio FM atteigne des portées de détection allant jusqu'à 150 km, que les stations de télévision analogique à haute puissance et les stations HDTV américaines atteignent des portées de détection de plus de 300 km et pour alimenter des signaux numériques (tels que téléphone portable et DAB ou DVB-T) pour atteindre des portées de détection de quelques dizaines de kilomètres.

La précision du radar passif est fortement fonction de la géométrie du déploiement et du nombre de récepteurs et d'émetteurs utilisés. Les systèmes n'utilisant qu'un seul émetteur et un seul récepteur auront tendance à être beaucoup moins précis que les radars de surveillance conventionnels, tandis que les radars multistatiques sont capables d'atteindre des précisions un peu plus élevées. La plupart des radars passifs sont bidimensionnels, mais les mesures de hauteur sont possibles lorsque le déploiement est tel qu'il existe une variation significative des altitudes des émetteurs, du récepteur et de la cible, réduisant les effets de dilution géométrique de la précision (GDOP).

Les partisans de la technologie citent les avantages suivants :

  • Coût d'approvisionnement inférieur
  • Réduction des coûts d'exploitation et de maintenance, en raison du manque de transmetteur et de pièces mobiles
  • Opération secrète, y compris pas besoin d'attributions de fréquences
  • Physiquement petit et donc facilement déployé dans des endroits où les radars conventionnels ne peuvent pas être
  • Mises à jour rapides, généralement une fois par seconde
  • Difficulté de brouillage
  • Résilience aux missiles anti-rayonnement.

Les opposants à la technologie citent les inconvénients suivants :

  • Immaturité
  • Dépendance à des illuminateurs tiers
  • Complexité du déploiement
  • Fonctionnement 1D/2D, mais utilisation possible 2 différent systèmes pour la 3D (hauteur + portée).

Des systèmes radar passifs sont actuellement en cours de développement dans plusieurs organisations commerciales. Parmi ceux-ci, les systèmes qui ont été annoncés publiquement comprennent :

  • Silent Sentry de Lockheed-Martin - exploitation des stations de radio FM [1][2][3] [lien mort]
  • CELLDAR de BAE Systems - exploitation des stations de base GSM [4][5] ' Radar passif Aulos [6]
  • Homeland Alerter de Thales Air Systems - Système basé sur la radio FM
  • Radar passif multibande Hensoldt [7]
  • ERA rapporte que son futur VERA-NG pourrait inclure des capacités de radar passif.[8]
  • Surveillance radar passive Silentium Defense [4]

Plusieurs systèmes de radars passifs universitaires existent également

La recherche sur les systèmes radar passifs suscite un intérêt croissant dans le monde entier, avec diverses publications open source montrant une recherche et un développement actifs aux États-Unis (y compris des travaux aux Air Force Research Labs, Lockheed-Martin Mission Systems, Raytheon, Université de Washington, Géorgie Tech/Georgia Tech Research Institute et l'Université de l'Illinois), à l'Agence C3 de l'OTAN aux Pays-Bas, au Royaume-Uni (à Roke Manor Research, QinetiQ, University of Birmingham, University College London et BAE Systems), en France (y compris le les laboratoires gouvernementaux de l'ONERA), l'Allemagne (y compris les laboratoires de Fraunhofer-FHR), la Pologne (y compris l'Université de Technologie de Varsovie). Des recherches actives sur cette technologie sont également menées dans plusieurs laboratoires gouvernementaux ou universitaires en Chine, en Iran, en Russie et en Afrique du Sud. La nature peu coûteuse du système rend la technologie particulièrement attrayante pour les laboratoires universitaires et autres agences disposant de budgets limités, car les exigences clés sont moins de matériel et plus de sophistication algorithmique et de puissance de calcul.

Une grande partie de la recherche actuelle se concentre actuellement sur l'exploitation des signaux de diffusion numérique modernes. La norme américaine HDTV est particulièrement adaptée aux radars passifs, ayant une excellente fonction d'ambiguïté et des émetteurs de très haute puissance. La norme de télévision numérique DVB-T (et la norme audio numérique DAB associée) utilisée dans la plupart des autres pays du monde est plus exigeante : les puissances des émetteurs sont plus faibles et de nombreux réseaux sont configurés en mode « réseau à fréquence unique », dans lequel tous les émetteurs sont synchronisés en temps et en fréquence. Sans un traitement minutieux, le résultat net d'un radar passif ressemble à plusieurs brouilleurs de répéteurs.

Imagerie cible Modifier

Des chercheurs de l'Université de l'Illinois à Urbana-Champaign et du Georgia Institute of Technology, avec le soutien de la DARPA et de l'Agence C3 de l'OTAN, ont montré qu'il est possible de créer une image à ouverture synthétique d'une cible d'avion à l'aide d'un radar multistatique passif. En utilisant plusieurs émetteurs à différentes fréquences et emplacements, un ensemble de données dense dans l'espace de Fourier peut être construit pour une cible donnée. La reconstruction de l'image de la cible peut être accomplie par une transformée de Fourier rapide inverse (IFFT). Herman, Moulin, Ehrman et Lanterman ont publié des rapports basés sur des données simulées, qui suggèrent que les radars passifs à basse fréquence (utilisant des transmissions radio FM) pourraient fournir une classification des cibles en plus des informations de suivi. Ces systèmes de reconnaissance automatique de cible utilisent la puissance reçue pour estimer le RCS de la cible. Les estimations RCS à divers angles d'aspect lorsque la cible traverse le système multistatique sont comparées à une bibliothèque de modèles RCS de cibles probables afin de déterminer la classification des cibles. Dans les derniers travaux, Ehrman et Lanterman ont mis en œuvre un modèle de vol coordonné pour affiner davantage l'estimation du RCS. [5]

Études de la turbulence ionosphérique Modifier

Des chercheurs de l'Université de Washington exploitent un radar passif distribué exploitant les émissions FM pour étudier la turbulence ionosphérique à des altitudes de 100 km et jusqu'à 1200 km. [6] Meyer et Sahr ont démontré des images interférométriques de turbulence ionosphérique avec une résolution angulaire de 0,1 degré, tout en résolvant également le spectre de puissance Doppler complet et non crénelé de la turbulence. [7]

Détection et suivi des débris spatiaux Modifier

L'Université de Strathclyde développe un système en orbite pour détecter et suivre les débris spatiaux, des petits fragments aux satellites inactifs. Le travail, soutenu par le Royaume-Uni et les agences spatiales européennes, est une collaboration entre le Centre d'excellence aérospatial et le Centre de traitement des signaux et des images de l'Université de Strathclyde. Clemente et Vasile ont démontré la faisabilité technique de la détection de petits débris à l'aide d'une gamme d'illuminateurs existants et d'un récepteur en orbite terrestre basse. [8] [9] [10]


CDFconvertir

Le package MRG CDFconvert fourni par le Mesoscale Research Group, Université McGill/SUNY Albany, est conçu pour résoudre les problèmes de conversion de données pour les ensembles de données maillées stockés sous la convention COARDS. CDFconvert convertit les grilles netCDF cylindriques équidistantes (lat/long) et gaussiennes (sphériques) dans les formats de fichier standard RPN canadien ou GEMPAK. MRG CDFconvert a la flexibilité de gérer les fichiers netCDF générés par un certain nombre de sources, y compris NCEP et ECMWF. Les tables de conversion définissables par l'utilisateur permettent l'extension du package à différents ensembles de données.


Abstrait

La radioastronomie moderne repose sur de très grandes quantités de données qui doivent être transférées entre différentes parties des instruments astronomiques, sur des distances souvent de l'ordre de dizaines ou de centaines de kilomètres. Le Square Kilometer Array (SKA) sera le plus grand radiotélescope au monde, les débits de données entre ses composants dépasseront les térabits par seconde. Cela imposera un énorme défi à son système de transport de données, notamment en ce qui concerne la consommation d'énergie. Les transferts de données à grande vitesse utilisant du matériel moderne standard peuvent imposer une charge importante sur le système de réception en ce qui concerne l'utilisation du processeur et de la DRAM. Le SKA a un budget énergétique strict qui exige une nouvelle solution de transport de données sur mesure. Dans cet article, nous présentons SoftiWARP UDP, un protocole RDMA (Remote Direct Memory Access) peu fiable basé sur des datagrammes, qui peut augmenter considérablement l'efficacité énergétique des transferts de données à grande vitesse pour la radioastronomie. Nous avons mis en place un prototype logiciel entièrement fonctionnel d'un tel protocole, prenant en charge les opérations de lecture et d'écriture RDMA et les capacités de copie zéro. Nous présentons des mesures de la consommation d'énergie et de la bande passante atteinte et étudions le comportement de tous les protocoles examinés lorsqu'ils sont soumis à une perte de paquets.


Possibilités d'accès

Acheter un seul article

Accès instantané à l'intégralité de l'article PDF.

Le calcul des taxes sera finalisé lors du paiement.

Abonnez-vous à la revue

Accès en ligne immédiat à tous les numéros à partir de 2019. L'abonnement se renouvellera automatiquement chaque année.

Le calcul des taxes sera finalisé lors du paiement.


SYSCAL : étalonnage du système

SYSCAL : Étalonnage du système
Nom Format Unités Mesure commentaires
Colonnes
Clé
ANTENNE_ID Int Identifiant d'antenne
FEED_ID Int Identifiant du flux
SPECTRAL_WINDOW_ID Int Identifiant de fenêtre spectrale
TEMPS Double s ÉPOQUE Milieu de temps pour lequel cet ensemble de paramètres est précis
INTERVALLE Double s Intervalle
Données
(PHASE_DIFF) Flotter rad Différence de phase entre le récepteur 0 et le récepteur 1
(TCAL) Flotter (Nr) K Température d'étalonnage
(TRX) Flotter (Nr) K Température du récepteur
(TSKY) Flotter (Nr) K Température du ciel
(TSYS) Flotter (Nr) K Température du système
(TANT) Flotter (Nr) K Température de l'antenne
(TANT_TSYS) Flotter(Nr) $ <<>>sur<>>>$
(TCAL_SPECTRE) Flotter (Nr, NF) K Température d'étalonnage
(TRX_SPECTRE) Flotter (Nr, NF) K Température du récepteur
(TSKY_SPECTRUM) Flotter (Nr, NF) K Spectre de température du ciel
(TSYS_SPECTRE) Flotter (Nr, NF) K Température du système
(TANT_SPECTRE) Flotter (Nr, NF) K Spectre de température d'antenne
(TANT_TSYS_SPECTRUM) Flotter (Nr,NF) $ <<>>sur<>>>$ spectre
Drapeaux
(PHASE_DIFF_FLAG) Bool Indicateur pour PHASE_DIFF
(TCAL_FLAG) Bool Drapeau pour TCAL
(TRX_FLAG) Bool Drapeau pour TRX
(TSKY_FLAG) Bool Drapeau pour TSKY
(TSYS_FLAG) Bool Drapeau pour TSYS
(TANT_FLAG) Bool Drapeau pour TANT
(TANT_TSYS_FLAG) Bool Drapeau pour $<<>>sur<>>>$
Remarques: Ce tableau contient des mesures d'étalonnage variables dans le temps pour chaque antenne, telles qu'indexées sur l'alimentation et la fenêtre spectrale. Noter que Nr= nombre de récepteurs, et NF= nombre de canaux de fréquence.

ANTENNE_ID Identificateur d'antenne, tel qu'indexé par ANTENNE dans PRINCIPALE. FEED_ID Identifiant du flux, tel qu'indexé par ALIMENTATIONn dans PRINCIPALE. SPECTRAL_WINDOW_ID Identificateur de fenêtre spectrale. TEMPS Milieu de l'intervalle de temps pendant lequel les données de cette ligne sont valides. Obligatoire d'utiliser la même référence de mesure TIME que celle de PRINCIPALE. INTERVALLE Intervalle de temps. PHASE_DIFF Différence de phase entre le récepteur 0 et le récepteur 1. TCAL Température d'étalonnage. TRX Température du récepteur. TSKY Température du ciel. TSYS Température du système. TANT Température de l'antenne. TANT_TSYS Température de l'antenne supérieure à la température du système. TCAL_SPECTRE Spectre de température d'étalonnage. TRX_SPECTRE Spectre de température du récepteur. TSKY_SPECTRUM Spectre de température du ciel. TSYS_SPECTRE Spectre de température du système. TANT_SPECTRE Spectre de température de l'antenne. TANT_TSYS_SPECTRUM Température de l'antenne sur le spectre de température du système. PHASE_DIFF_FLAG Vrai si PHASE_DIFF signalé. TCAL_FLAG Vrai si TCAL signalé. TRX_FLAG Vrai si TRX signalé. TSKY_FLAG Vrai si TSKY signalé. TSYS_FLAG Vrai si TSYS signalé. TANT_FLAG Vrai si TANT signalé. TANT_TSYS_FLAG Vrai si TANT_TSYS signalé.


Voir la vidéo: Vidéo 1 1 1 Diagrammes et angle douverture (Septembre 2022).