Биннинг кривой блеска с фазовой сверткой

Вкратце: попробуйте более мелкую сетку частот, чтобы получить правильный период, сгруппируйте его с помощью функцииastropy.timeseries.aggregate_downsample

Прежде чем обращаться к биннингу, вы должны получить правильный фазовый график. Вы правильно называете это "беспорядочным", наиболее вероятная причина в том, что вы выбрали неправильный период (при условии, что данные действительно содержат периодический сигнал с хорошим отношением сигнал/шум).

Я понимаю, что вы можете не захотеть делиться своим кодом. Затем я сделаю некоторые предположения:

• вы используете python, matplotlibиastropy
• вы вычислили перидограмму, используяastropy.timeseries.LombScargle
• вы использовали значение по умолчаниюnormalization='standard'
• вы взяли частоту самого высокого пика на графике, который вы разместили, и использовали его для фазового сложения данных

В общем, слепое взятие самой высокой вершины перидограммы, которая выходит из Lomb-Scargle, часто является не лучшим подходом. В частности, в этом случае самый высокий пик имеет значение около$\approx 0.020$, что, безусловно, мало. Правильный период обычно приходит со значениями перидограммы выше, чем$0.4$(максимум$1$). Но не принимайте это за правило. Вы можете использовать этот метод false_alarm_probabilityдля лучшей количественной оценки вероятности того, что пик является значимым, а не случайным.

Я считаю, что вы не нашли правильный период, потому что вы использовали слишком грубую сетку частот. Точка лежит между точками, и вы ее пропустили. Используйте гораздо более мелкую сетку частот, и вы сможете увидеть появление нового пика, очень высокого и узкого. В качестве альтернативы, если вы не хотите выбирать интервал самостоятельно, вы можете использовать метод autopower, который должен найти для вас наилучшую сетку частот.

После того, как вы нашли правильный период и ваша сложенная кривая имеет смысл, биннинг — самая простая часть, есть функция, которая делает именно это: astropy.timeseries.aggregate_downsample.

Все, что я только что сказал (и многое другое), объяснено в документации astropy, действительно полной и понятной. Я не могу не подчеркнуть, прочитайте документацию , и вы обнаружите, что большинство проблем, с которыми вы можете столкнуться, уже решены там:

астропия: Ломб-Скаргл

астропия: временные ряды

И более технический документ, в котором объясняются возможности и ограничения Lomb-Scargle, я предлагаю вам сохранить его в качестве справочного материала:

Понимание периодограммы Ломба-Скаргла