light-curve-preprocessing

此技能为天文光变曲线数据的清洁与预处理提供了一套强大的架构，特别适用于凌日检测或恒星变异性研究等周期分析前的准备工作。它专为处理来自 TESS 或 Kepler 等天文任务的时序光度测量数据的研究人员、数据科学家与天文学家而设计。此技能通过整合业界标准的 Lightkurve 函式库与 NumPy，协助用户缓解常污染观测数据的仪器与环境杂讯，确保在有效抑制杂讯的同时，保留如凌日或脉动等真实的天文物理信号。

• 使用 Sigma 截断 (sigma-clipping) 或自订统计阈值执行多阶段离群值移除，以剔除错误的资料点。

• 应用平滑化技术（包括 Savitzky-Golay 滤波器）以移除低频仪器趋势与恒星自转信号。

• 实作迭代正弦拟合 (iterative sine fitting)，从光变曲线中隔离并移除特定的高频周期性杂讯。

• 处理多样化的数据质量旗标 (quality flags)，并针对 TESS 任务的惯例提供专门支援，用于识别与移除损坏的观测时段。

• 提供视觉化功能，以便检查每个预处理步骤对时序数据完整性的影响。

• 透过在去趋势过程中精确调整窗口长度参数，确保凌日波形的特征被妥善保留。

• 请确保预处理步骤按正确的逻辑顺序执行：质量标记过滤、离群值移除，最后进行趋势分析。

• 输入数据应采用标准光变曲线结构（时间、通量、误差、旗标）；输出为经过清洁后的相同数组。

• 迭代过滤需谨慎使用；过度处理或窗口长度设定不当可能会导致浅层行星凌日等真实天文物理信号遗失。

• 请务必将通量误差估算纳入分析，以确保后续的周期搜寻演算法能应用正确的统计权重。

• 在管线的每个阶段进行视觉验证，确保讯杂比是获得提升，而非因参数配置失误导致数据质量劣化。