用小波分析方法计算BL Lac天体S5 0716+714的光变周期

介绍了一种用小波分析寻找BL Lac天体S5 0716+714光变周期的方法.收集了BL Lac天体S5 0716+714光学B、V、R、I四个波段较完备的观测数据,获得了10天平均的长期光变曲线.使用此光变曲线数据进行小波分析计算,结果表明小波分析方法能较好地分析和认证BL Lac天体的光变周期值.从小波变换系数实部的等值线图,可以准确证认BL Lac天体S5 0716+714有光变周期波动变化.由B,V,R,I四个波段的小波方差曲线分析发现BL Lac天体S5 0176+714有一个1160天的稳定周期,这个结果与Raiteri等人发现的3.3年周期是一致的.预测在2011年8月将有一次大的爆发.

基于自回归方法的Blazar天体3C 279和OJ 287光变周期研究

探索Blazar光变资料中的周期或准周期变化是1个有待深入研究的领域.由于光变资料的复杂性,目前寻找周期的算法还不够完善.文中以现代谱估计为基础,详细论述了自回归(Auto-regressive,AR)模型谱估计方法和最大熵谱估计的基本原理,分析了阶数选择对模型的重要影响,并把这些方法应用到类星体3C 279和BL Lac天体OJ287的光变周期分析中,得到它们的光变周期分别为7.14和11.76 yr.通过验证,自回归模型谱估计方法由于其分辨率高,可以作为1种较好的分析周期的方法.最后指出在应用谱估计分析Blazar天体的光变周期注意事项.

用WWZ变换分析类星体3C 345的光变周期

介绍了一种全新的基于小波分析原理的处理非等间隔数据的方法:加权小波Z变换(Weighted Wavelet Z-transform,WWZ).收集了类星体3C 345光学B波段100多年来较为完整的观测数据,获得了其长期光变曲线.利用WWZ变换对3C 345 B波段28 yr的光变数据进行分析,通过研究发现3C 345的光变曲线中包含有624～941 d、4.54～5.23 yr和9.59～11.51 yr的周期成分,并分析了它们随时间演化的情况.其中后两个周期成分属于稳定周期,而前一个周期成分波动比较大,可以推测它并不是一个稳定周期.

光谱预处理及其对星系/类星体分类结果的影响

由于噪声、畸变和观测环境等因素的影响,在天体光谱自动处理之前,需要对它进行相应的预处理.研究巡天光谱的预处理(数据格式和流量标准化)对光谱自动分析的影响.分析了同数据格式对光谱及其谱线特征的影响和格式标准化研究的必要性;通过分析光谱流量数量级的不确定性及其特点,提出了流量数量级变化的基本模型,并给出了相应的标准化方法.通过星系和类星体的分类实验,结果表明:1)采用对数波长数据格式对光谱的自动分类更有利;2)验证了所提出的流量标准化模型的合理性,以及所给流量标准化方法良好的性能.特别需要指出的是,文献中通常采用的流量标准化方法在光谱自动分类中的效果反而是较差的.

3C 345和3C 273的光变分析

用结构函数法,对两个经典的blazar 3C 273和3C 345的22 GHz、37 GHz和光学波段的数据进行了周期分析.结果显示,3C 273的周期性比较明显,22 GHz经分析存在7.0年和14.7年的周期,37 GHz存在7.2年和14.5年的周期,同时它的光学波段可能存在0.7年和8.7年的周期.3C 345的37 GHz存在比较明显的8.8年的周期,22 GHz和光学波段分别存在不太明显的9.3年和10.2年的周期.

OJ 287,0716+714与BL Lacertae的光变分析

OJ 287是存在着剧烈活动的低峰频BL Lac天体,其低频段的能谱与另两个TeV BL Lac天体(0716+714和BL Lacertae)在低频段的能谱很相似,但是切仑科夫望远镜却没能探测到它的TeV射线.利用这3个天体的观测数据,比较它们在22 GHz、37 GHz和B波段的最小光变周期及延迟的异同,进一步寻找没有观测到OJ 287的TeV伽马射线的可能原因.分析结果显示:(1)最小光变周期方面,OJ 287在37 GHz和B波段的周期偏小,在22 GHz,OJ 287与0716+714的结果相当,但与BL Lacertae相比要小很多,OJ 287的周期更短表明其活动性更强,却没有探测到来自OJ 287的TeV伽马射线,这表明OJ 287在TeV波段的辐射与这3个低能波段最小光变周期之间可能没有联系;(2)延迟方面,OJ 287在B波段相对于37 GHz的延迟要长于0716+714,短于BL Lacertae;在37 GHz相对于22 GHz的延迟要短于0716+714,而BL Lacertae在37 GHz相对于22 GHz的时延为负值,表明22 GHz要超前于37 GHz.通过对延迟的比较分析,并没有发现OJ 287与0716+714和BL Lacertae之间存在明显的差异;从能谱来看,很可能是由于OJ 287在TeV波段的能谱较陡造成切仑科夫望远镜没有探测到来自OJ 287的伽马辐射,但TeV能段较陡的能谱对低能段光变的影响目前还不是很清楚.

利用MUSIC算法分析BL Lac天体S5 0716+714光变周期

将基于多重信号分类的MUSIC谱估计算法引入BL Lac天体光变周期分析中.给出了MUSIC算法的基本原理,利用模拟信号检测了算法的频谱分辨率.从大量文献中收集了BL Lac天体S5 0716+714光学V、R、I 3个波段从1994年到2008年的有效观测数据,用MUSIC算法和平均周期图算法分别计算了它们的光变周期,发现存在两个主要光变周期:一个是(3.33±0.08)yr的周期,另一个是(1.24±0.01)yr的周期.对这两种算法的周期估计性能进行了比较,结果表明,MUSIC谱估计算法对样本长度要求较低,具有良好的分辨特性和抗噪声能力,能提高在样本长度较短情况下光变周期分析的准确性.

低峰频blazars的射电光变分析

从大量文献资料中收集了6个低峰频blazars(BL Lacertae、0235+164、OQ530、0716+714、3C 345及3C 273)最近30多年来在4.8 GHz、8 GHz、14.5 GHz、22GHz和37 GHz最完备的光变数据.利用离散相关函数法对这6个源的相关性及延迟进行分析,利用结构函数法对6个源的光变曲线的光变周期和光变时标进行分析并对其光变幅度进行比较分析.分析结果显示:在光变幅度方面,0716+714和0235+164在6个blazars中的光变幅度相对较大,3C 345和OQ 530次之,3C 273和BL Lacertae的光变幅度相对较小;多波段的延迟分析显示0235+164在相邻两波段之间都显示高频波段要超前于低频波段的变化趋势,3C 345整体呈现出高频波段滞后于低频波段的变化趋势.其余blazars分析结果显示在部分射电波段之间呈现出高频波段要超前于低频波段的变化趋势,而在其余射电波段之间却呈现出高频波段滞后于低频波段的变化趋势;结构函数法的分析结果显示3C 345的光变时标、拟合斜率及光变周期与其它5个低峰频blazars相比都偏大,这表明3C 345的活动性与其它5个源相比较弱,这表明在3C 345内部可能存在与其它5个低峰频blazars不同的物理过程.

OH megamaser的光度和它们的宿主星系的红外光度之间的相关关系

利用66个OH megamaser的光度和它们的宿主星系的红外光度之间的相关关系,得到log L(OH)=1.71log L(IR)-17.67,即L(OH)α[L(IR)]1。71.这个结果介于Baan所得到的L(OH)α[L(IR)]2和Kandalian所得到的L(OH)α[L(IR)]1.38的结果之间.由于统计时所取的样本数最多,因此结果更能反映实际情况.进一步,可把这66个OH megamaser分为两类;第一类为L(OH)<102L(?)的小光度OH megamaser,小光度OH megamaser包含了14个OH megamaser;第二类为L(OH)≥102L的大光度OH megamaser,大光度OH megamaser包含了52个OHmegamaser.研究结果表明,小光度OH megamaser的光度和它们的宿主星系的红外光度之间相关关系为L(OH)α[L(IR)]1.43,与Kandalia所得到的结果相接近.大光度OH megamaser的光度和它们的宿主星系的红外光度之间的相关关系为L(OH)α[L(IR)]2,与Baan所得到的结果相一致.

类星体3C 273光学波段的周期分析

搜集了类星体3C 273在光学B波段近100 yr的数据,得出光变曲线,并在此基础上应用Period04软件对它的光变周期进行了分析.发现光变曲线中存在周期为T1=2.06 yr、T2=13.03 yr及T3=21.15 yr的3个光变周期,这与Fan等人的结论(3C 273的光学B波段存在2.0 yr、(13.65±0.20)yr及(22.5±2.0)yr的周期)基本上是一致的.然后用这3个周期再次拟合观测数据做一个周期反演,周期拟合曲线与观测数据的爆发周期规律基本一致,说明这3个周期是比较可靠的.并通过其长周期可以得出其中心黑洞质量为M=1.87×106M⊙,最后讨论了其中心黑洞质量以及3C 273产生这种周期的可能机制.

带权重的相关函数在半解析模型和SDSS数据中的应用

基于半解析模型和SDSS DR4(Sloan Digital Sky Survey Data Release 4),研究了环境对星系性质的影响.通过对以颜色、恒星形成率和恒星质量的带权重的相关函数的测量,发现半解析模型在颜色和恒星质量上与SDSS数据符合得比较好,而恒星形成率则在SDSS数据中表现为与环境无关.此结论证实了半解析模型对星系中部分性质与环境关系的预测,但对于恒星形成率为何与环境无关仍有待研究.