Component separation methods for CMB data [Elektronische Ressource] / vorgelegt von Maria-Paola Bottino

Maria-Paola Bottino

Sujets

• Physik

Informations

• Publié par: ludwig-maximilians-universitat_munchen
• Publié le: 01 janvier 2010
• Nombre de lectures: 35
• Langue: English
• Poids de l'ouvrage: 27 Mo

Extrait

Ludwig-Maximilians-Universita¨t
Sigillum Universitatis Ludovici Maximiliani
Component separation methods for CMB
data
Dissertation der Fakulta¨t fu¨r Physik
Dissertation of the Faculty of Physics
der Ludwig-Maximilians-Universita¨t Mu¨nchen
at the Ludwig Maximilian University of Munich
fu¨r den Grad des
for the degree of
Doctor rerum naturalium
vorgelegt von Maria-Paola Bottino
presented by
aus Genua (Italien)
from
Mu¨nchen, 06.10.2010Sigillum Universitatis Ludovici Maximiliani
1. Gutachter: Prof. Dr. Simon D. M. White
referee:
2. Gutachter: Prof. Dr. Jochen Weller
referee:
Tag der mu¨ndlichen Pru¨fung: 03.12.2010
Date of the oral exam:To Andre´Contents
Contents iii
Zusammenfassung xv
Abstract xvii
1 The microwave emissions of the sky 1
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 The Cosmic Microwave Background radiation . . . . . . . . . . . . . . . . . . . . . . 1
1.2.1 Spectral distortions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.2 CMB anisotropies and the inflationary scenario . . . . . . . . . . . . . . . . . . 4
1.2.3 CMB polarization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.4 Power spectrum, cosmological parameters and cosmic variance . . . . . . . . . 12
1.3 Non-Gaussianity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3.1 North-south asymmetry . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.2 Amplitude of the quadrupole . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.3 Alignment of the low multipoles . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4 Galactic and extra-Galactic components . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4.1 Synchrotron emission . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.4.2 Free-free emission . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.4.3 Thermal dust emission . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.4.4 Anomalous Dust emission . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.4.5 The WMAP Haze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.4.6 Extragalactic emissions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
1.5 Foreground models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
1.5.1 The Planck Sky Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
iii1.5.2 The foreground model based on MEM solutions . . . . . . . . . . . . . . . . . 40
1.5.3 The foreground model proposed by Ghosh et al. . . . . . . . . . . . . . . . . . 41
1.5.4 Comparison of foreground models . . . . . . . . . . . . . . . . . . . . . . . . . 41
2 Methods for cleaning CMB data and the fastica algorithm 45
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.2 Cross-correlations method . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.3 Internal Linear Combination (ILC) method . . . . . . . . . . . . . . . . . . . . . . . . 47
2.4 Component separation methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.4.1 The Independent Component Analysis . . . . . . . . . . . . . . . . . . . . . . 51
2.4.2 The pre-processing phase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.4.3 fastica for CMB data analysis: CMB cleaning and foregrounds analysis . . . . . 54
2.4.4 altica: CMB prior and loss-less input data compressing . . . . . . . . . . . . . 56
3 Foreground analysis of the WMAP three-year data with fastica 59
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.2 fastica and its use for foreground component studies . . . . . . . . . . . . . . . . . . . 59
3.3 Data used in the analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.4 Monte Carlo simulations and calibration of method . . . . . . . . . . . . . . . . . . . . 62
3.5 Analysis with the Haslam map as synchrotron template . . . . . . . . . . . . . . . . . 62
3.5.1 Spectral index of foreground emissions. . . . . . . . . . . . . . . . . . . . . . . 65
3.5.2 Single Year Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.6 Analysis with the K-Ka map as synchrotron template . . . . . . . . . . . . . . . . . . . 68
3.6.1 Spectral properties of foreground emissions . . . . . . . . . . . . . . . . . . . . 71
3.7 Evaluation of the Q-, V- and W-band sky maps after foreground cleaning . . . . . . . . 71
3.8 An ‘iterative’ blind component separation study using WMAP data pre-cleaned using
templates . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.8.1 Foreground residuals . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.8.2 CMB component . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
3.9 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
4 New insights into foreground analysis of the WMAP five-year data using fastica 814.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.2 Data used in the analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
4.3 Monte Carlo simulations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
4.4 Coupling coefficients between data and templates . . . . . . . . . . . . . . . . . . . . 84
4.4.1 Spectral index of foreground emissions . . . . . . . . . . . . . . . . . . . . . . 88
4.5 Evaluation of the WMAP sky maps after foreground cleaning . . . . . . . . . . . . . . 91
4.6 Iterative application of fastica on pre-cleaned data . . . . . . . . . . . . . . . . . . . . 95
4.6.1 Is the foreground residual the ‘WMAP haze’? . . . . . . . . . . . . . . . . . . . 97
4.7 Power-spectrum evaluation of iteratively cleaned maps . . . . . . . . . . . . . . . . . . 99
4.7.1 Partial-sky analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
4.7.2 Full-sky analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
4.8 Application of fastica on WMAP data and templates simultaneously . . . . . . . . . . 104
4.8.1 What is the minimal mask? . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
4.9 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
5 A refined study of the free-free frequency spectrum 113
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
5.2 Fitting procedure used by Dobler et al. . . . . . . . . . . . . . . . . . . . . . . . . . . 113
5.3 Monte Carlo simulations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
5.3.1 Simulations results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
5.3.2 Fit parameters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
5.3.3 Noise impact simulations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
5.4 Real data analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
5.4.1 Dependence on the CMB estimation . . . . . . . . . . . . . . . . . . . . . . . . 133
5.5 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
6 Internal analysis of the WMAP five-year data on patches of the sky. 139
6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
6.1.1 Partitioning of the sky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
6.2 Method of analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
6.3 Monte Carlo simulations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
6.3.1 Statistical study of the simulations results . . . . . . . . . . . . . . . . . . . . . 1526.3.2 Local evaluation of skewness and kurtosis . . . . . . . . . . . . . . . . . . . . . 154
6.4 Analysis of the WMAP five-year data . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
6.4.1 Power spectrum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
6.4.2 Variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
6.4.3 Local skewness and kurtosis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
6.4.4 Further non-Gaussianity tests . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
6.5 ILC: a deeper study of the effect of partitioning the sky . . . . . . . . . . . . . . . . . . 183
6.6 Bias correction of the CMB estimation . . . . . . . . . . . . . . . . . . . . . . . . . . 187
6.6.1 Statistical properties of the bias corrected CMB maps . . . . . . . . . . . . . . 190
6.7 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
7 Conclusions 199
7.1 Unsolved issues and prospects . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
7.1.1 Is the anomalous dust component actually due to spinning dust? . . . . . . . . . 199
7.1.2 Do we really understand the free-free emission and its spectrum? . . . . . . . . 201
7.1.3 What is the nature of the WMAP Haze? . . . . . . . . . . . . . . . . . . . . . . 2