検出器試験のノイズ評価
16秒間隔で100回、積み重ねて合計1600秒読み出しを21回繰り返したそうです。
- ノイズ評価１(21回目のセットを利用して)。(go)
- ノイズ評価２(7月31日のデータを利用して)。(go)
- ノイズ評価３(20番目、60番目、100番目を利用して)。(go)
ノイズ評価１
まず、21セットの同じ番目のデータを集めてフラットを作り、21回目のデータセットをフラット割をしてから全ピクセルが同じ特性を持つと仮定してフレームの代表ノイズ値を算出しました。フラットは20番目、60番目、100番目のもので3種類作って比べました。
⇒task
各フラットは以下の通り(クリックすると拡大します)。またカウント-分散の結果をリンクしておきました。(.tblファイル)
カウント - ノイズ関係は以下のようになりました。
横軸はカウント数、縦軸はノイズ(分散)です。マークの対応(グラフ右上)は上から20番目、60番目、100番目のフラット割をしたものになります。f(x)は、f(x)=sqrt(x/3)で、コンバージョンファクターが３に相当しています。
どの関係を見ても動きが不審(＝傾きが1/2にならない。フラット処理をした番目あたりはf(x)に漸近ないししていると言えそう)ですが、カウントによりフラットの形状が変化していく(3つのフラットの図にも違いが現れている)影響が出ていると考えられます。
psファイル
gifファイル
ノイズ評価2
先と同じことを、7月31日のデータ(16秒間隔で8回、積み重ね読み出しを8回)を用いて、5番目の読み出しを平均化したものをフラットとして、行いました。
⇒task
カウント - ノイズ関係は以下のようになりました。
横軸はカウント数、縦軸はノイズ(分散)です。マーク(グラフ左上)は上から、１番目、２番目…の試験と対応しています。またf(x)は、f(x)=sqrt(x/３)で、コンバージョンファクターが３に相当しています。
この場合も、傾きが 1/2 とならない部分はカウントによるフラットの変化の影響の可能性あるかもしれません
psファイル
gifファイル
1番目のデータ
2番目のデータ
3番目のデータ
4番目のデータ
5番目のデータ
6番目のデータ
7番目のデータ
8番目のデータ
ノイズ評価3
最後に20番目、60番目、100番目のセット(21枚)からノイズマップを作りました。
⇒task
各ノイズマップは以下の通り(クリックすると拡大します)。
カウント - ノイズ関係は以下のようになりました。
横軸はカウント数、縦軸はノイズ(分散)です。カウント数、ノイズはそれぞれデータの平均、中央値をとりました。またf(x)は、f(x)=sqrt(x/4.1)で、コンバージョンファクターが4.1に相当しています。
また、この方法ではほぼ同じカウントのデータのみを用い、かつ各ピクセル独立にノイズを評価しているため、カウントによるフラット形状の変化の影響は受けないといえ、したがってこの結果が一番最もらしいといえます。
psファイル
gifファイル
back
