Healpy map2alm 和 alm2map 错误
Healpy map2alm and alm2map errors
我正在学习healpy。具体来说，我对 map2alm 和 alm2map 感兴趣：我发现 question 其中提供了应用函数 "to both sides" 的示例（在回答中）。如我们所见，在应用 map2alm 和 alm2map consecutively.Therefore 之后，与原始地图相比，我们得到了明显的错误 consecutively.Therefore 我想控制这些错误。所以我的问题是：
- 有没有什么办法可以减少误差，而不需要使用更高的nside？ （比如我想使用某个nside）
- 此外，也许还有另一种方法可以得到地图的"spectral characteristic"，不会有这么大的错误？
不行，没有别的办法。
从实数 space 到谐波 space 就像做一个快速傅里叶变换。如果你没有足够的时间分辨率，你的 FFT 就不会很好，只是没有足够的信息来准确表示频域。
这里是一样的，如果你有一个很容易用谐波表示的信号 space，那么你在低 nside 有一个低误差的唯一方法，例如一个纯偶极子，看这个笔记本，即使只有 nside 8，误差也是 1/1000:
http://nbviewer.jupyter.org/gist/zonca/2f87cb19ca8293539947b0d4aeca42b2
我正在学习healpy。具体来说，我对 map2alm 和 alm2map 感兴趣：我发现 question 其中提供了应用函数 "to both sides" 的示例（在回答中）。如我们所见，在应用 map2alm 和 alm2map consecutively.Therefore 之后，与原始地图相比，我们得到了明显的错误 consecutively.Therefore 我想控制这些错误。所以我的问题是：
- 有没有什么办法可以减少误差，而不需要使用更高的nside？ （比如我想使用某个nside）
- 此外，也许还有另一种方法可以得到地图的"spectral characteristic"，不会有这么大的错误？
不行，没有别的办法。
从实数 space 到谐波 space 就像做一个快速傅里叶变换。如果你没有足够的时间分辨率，你的 FFT 就不会很好，只是没有足够的信息来准确表示频域。
这里是一样的，如果你有一个很容易用谐波表示的信号 space，那么你在低 nside 有一个低误差的唯一方法，例如一个纯偶极子，看这个笔记本，即使只有 nside 8，误差也是 1/1000:
http://nbviewer.jupyter.org/gist/zonca/2f87cb19ca8293539947b0d4aeca42b2