light-curve-preprocessing

此技能為天文光變曲線資料的清潔與預處理提供了一套強大的架構，特別適用於凌日檢測或恆星變異性研究等週期分析前的準備工作。它專為處理來自 TESS 或 Kepler 等天文任務的時序光度測量資料的研究人員、資料科學家與天文學家而設計。此技能透過整合業界標準的 Lightkurve 函式庫與 NumPy，協助使用者緩解常污染觀測資料的儀器與環境雜訊，確保在有效抑制雜訊的同時，保留如凌日或脈動等真實的天文物理訊號。

• 使用 Sigma 截斷 (sigma-clipping) 或自訂統計閾值執行多階段離群值移除，以剔除錯誤的資料點。

• 應用平滑化技術（包括 Savitzky-Golay 濾波器）以移除低頻儀器趨勢與恆星自轉訊號。

• 實作迭代正弦擬合 (iterative sine fitting)，從光變曲線中隔離並移除特定的高頻週期性雜訊。

• 處理多樣化的資料品質旗標 (quality flags)，並針對 TESS 任務的慣例提供專門支援，用於識別與移除損壞的觀測時段。

• 提供視覺化功能，以便檢查每個預處理步驟對時序資料完整性的影響。

• 透過在去趨勢過程中精確調整窗口長度參數，確保凌日波形的特徵被妥善保留。

• 請確保預處理步驟按正確的邏輯順序執行：品質標記過濾、離群值移除，最後進行趨勢分析。

• 輸入資料應採用標準光變曲線結構（時間、通量、誤差、旗標）；輸出為經過清潔後的相同陣列。

• 迭代過濾需謹慎使用；過度處理或窗口長度設定不當可能會導致淺層行星凌日等真實天文物理訊號遺失。

• 請務必將通量誤差估算納入分析，以確保後續的週期搜尋演算法能應用正確的統計權重。

• 在管線的每個階段進行視覺驗證，確保訊雜比是獲得提升，而非因參數配置失誤導致資料品質劣化。