脉冲星基础
RFI 与 calibration
区分数据污染、传播效应与仪器响应修正，理解为什么要做 RFI 处理和 calibration。
RFI 是什么
RFI 指观测数据中的非天体射电干扰。
在图上，它可能表现为：
- 某些频率通道长期偏亮或偏暗
- 某些子积分异常
- profile 形状被局部污染
PSRUI 当前最直接的入口是 channel-level zapping，也就是在 waterfall 上点击或框选频道。
先把三类问题分开
在实际处理里，很容易把下面三件事混在一起：
- RFI：外来干扰把一部分数据污染了，需要识别并剔除
- 传播效应：例如色散、散射，让真实脉冲在传播中被改写
- 仪器响应：接收链路让偏振或增益表现发生系统偏差，需要校准
它们都会改变你在图上看到的形状，但来源完全不同。
Calibration 在解决什么
polarimetric calibration 关注的是仪器响应如何影响观测到的偏振量。
如果 calibration 不合适，你看到的 Stokes 相关结果可能会偏离真实物理含义。特别是当你开始比较总强度、线偏振、圆偏振和位置角时，未校准数据很容易把仪器效应误读成物理现象。
常见校准目标包括：
- 增益不一致
- 相位延迟
- 不同偏振通道之间的串扰
- 基于已有 calibration solution 的响应修正
为什么两者不能混为一谈
- RFI 更多是“去掉受污染的数据”
- calibration 更多是“修正仪器响应”
它们都可能改变图表，但目标不同。
PSRUI 当前支持：RFI 只做到 channel zapping；calibration 只做到基于已有 database/path/solution 的
pacpreview。
如果你需要自动 RFI heuristics、subint zapping 或 calibration database builder，请回到命令行工作流或等待后续版本。
在 PSRUI 里怎么判断先做什么
- 如果 waterfall 上是局部频段或局部时段突然异常，优先怀疑 RFI。
- 如果整段频带都存在系统性的偏振异常，优先检查 calibration。
- 如果频率方向整体错位或脉冲被拉宽，优先回头检查 DM / dedispersion，而不是把它误当成 RFI。