box-least-squares

Box Least Squares (BLS) 周期图技能是一种专门为处理光度时间序列数据的天文学家与研究人员设计的资料分析资源。它作为一个自动化引擎，用于检测隐藏在光度曲线中的周期性信号，特别针对系外行星穿过母恒星或联星系统相互食变时所产生的盒状凌日特征。透过将凌日信号建模为周期性的倒顶帽形状，该技能允许使用者从杂讯较多的观测数据中提取精确的轨道参数，是如 Transit Least Squares (TLS) 或 Lomb-Scargle 等其他周期图方法的强大替代方案。

• 利用 astropy.timeseries 库执行自动化凌日检测，便于整合至更广泛的天文数据处理流程中。

• 计算关键的凌日变量，包括轨道周期、凌日持续时间、通量下降深度以及凌日中点参考时间 (T0)。

• 支持灵活的目标函数，允许使用者在最大似然估计与信噪比 (SNR) 优化之间进行切换，以更有效地处理观测中的相关杂讯。

• 包含进阶的统计验证方法，例如奇偶凌日深度比较，有助于区分行星凌日与食双星误报。

• 透过 autopower 方法提供自动化周期网格生成，确保周期搜寻既高效且计算详尽。

• 输入：需要时间序列光度数据，通常以时间、通量及选填的通量误差阵列形式提供；需使用 astropy 单位以确保时间与通量缩放的一致性。

• 输出：返回一个包含周期、功率值、持续时间与凌日时间阵列的周期图对象，以及用于特定候选峰值的统计字典。

• 使用限制：使用者必须确保高质量的周期网格间距，以避免遗漏真实周期；过于粗糙的网格或不适当的频率范围可能导致别名识别或错失信号。

• 实用建议：务必使用 compute_stats 进行验证以分析奇偶不匹配状况；高 SNR 值 (>7) 以及多次凌日中深度的一致性是识别可行候选目标的关键指标。

• 整合：最适合作为行星发现分析工作流程中的模块使用，建议于进行天文研究中标准的数据减少与清理程序后执行。