PHD2の既定のガイドアルゴリズムは確立されたものであり、ほとんどのユーザーにとってうまく機能するはずです。すでにガイドの経験があり、その原理を理解している人でなければ、アルゴリズムの変更にはやや慎重であるべきでしょう。しかし、PHD2の「詳細設定」ダイアログを使えば、それを簡単に行うことができます。 各アルゴリズムには、観測されたガイド星の位置の変化（星の偏向）を、マウントに送信されるガイド補正に変換する方法を制御するパラメータのセットがあります。
これらのパラメータの詳細について説明する前に、指針となる理論を少し復習し、これらのアルゴリズムが何を達成しようとしているのかを見ておく必要があります。 適応光学機器は別として、従来のガイドはかなりの課題に直面しています。 当面の問題は、数十キロまたは数百キロの重さの機械を、縞模様や楕円形の星が発生しないレベルの精度でどのように動かすかです。多くのガイドカメラは、センサー上で数ミクロン（例えば0.0002インチ、0.005ミリ）のガイド星の位置の変化（星の偏向）にしか反応しませんが、それでもマウントとガイドソフトは、このレベルの精度で何時間も空中でカメラを移動させることを期待しているのです。PHD2のようなガイドアプリケーションは、"速く、ランダム "ではなく、"ゆっくり、安定 "した追尾エラーに対処するのが最適です。 ゆっくり、安定した、または予測可能な（修正可能な）エラーの原因としては、以下のようなものが挙げられます。
l 赤経歯車の機械的欠陥のうち、周期的エラーの原因となるもの。
l マウントの恒星間追跡率のわずかなエラー
l 適度な赤緯のバックラッシュ
l 大気の屈折 - 地平線に近いほど星がゆっくり動いて見える。
l 限られた種類の機械的たわみと屈曲 - ただし、差動屈曲はありません
l 天球上の赤経軸のズレ（ポーラアライメントエラー）
では、上記に含まれないもので、従来のガイドでは修正不可能なものは何でしょうか？ 残念ながら、長いリストになりますが、そのうちのいくつかを紹介します。
l 大気中のシーイング（乱気流）
l ギアの騒音、粗さ、振動
l 締め過ぎやその他の機械的問題による軸駆動システムの拘束と高い静電気抵抗
l マウント軸上のスコープの全体的な不均衡
l 屈曲差 - 撮影スコープとガイドスコープ間の相対的な動き
l 突風、ケーブルの引っ掛かり、駆動ギアのゴミなど
l そのほかにも、さまざまな問題があります
ガイドアルゴリズムに共通するのは、ゆっくりとした、安定した、あるいは予測可能な偏向に反応し、それ以外は無視する必要があるということです。 なぜなら、ガイド星の偏向は、複数の原因によって引き起こされる可能性が高いからです。 また、それでも難しい場合は、現実のマウントは決して完璧ではないので、求めた補正がそのまま得られるとは限らないということも覚えておいてください。通常、アルゴリズムの最も重要な要件は、マウントが前後に押され、ガイドが安定しないような過補正を避けることです。これらのアルゴリズムの典型的なアプローチは、シーイングによって引き起こされる可能性が最も高い偏向を無視し、マウントに送信されるガイド補正に「慣性」または「抵抗力」を適用することです。これは通常、動きのパターンに従い、以前に行われた修正とほぼ一致する修正を行うことを意味します。 方向や振幅の大きな変化を必要とする修正を行うことには消極的です。 方向の変化に対する抵抗は、バックラッシュが一般的な問題である赤緯では特に重要です。 このような背景から、ガイドの基本を理解し、PHD2で使用される様々なガイドパラメータを理解することができれば幸いです。
PHD2 では、さまざまなガイドアルゴリズムを赤経軸または赤緯軸に適用できます。これらのアルゴリズムの多くは、最小移動量パラメータを含んでいます。これは、過度に小さく、星の形状に影響を与える可能性が低く、ほとんどが一過性のシーイング効果によるガイド補正を避けるために使用されます。 これらの値はピクセル単位で入力されるため、画像スケールとガイド星の典型的なサイズとの関連で考える必要があります。 新しいプロファイルウィザードを使用してシステムを設定した場合、最小移動量パラメータは、使用している画像スケールでうまく機能する可能性のある値に設定されています。また、ガイドアシスタントは、高頻度のシーイング障害の測定値に基づいてこれらの値を調整することができます。もし、赤緯ガイドの補正が多く、方向転換が多い場合は、シーイングを追いかけている可能性があり、最小移動量を上方に調整することが、それを減らす簡単な方法となります。
ここで説明した詳細なガイドパラメータのうち、2つの最小移動量は、夜間のシーイング状況に応じて調整する必要があるものです。
「ヒステリシス」アルゴリズムは、最近行われたガイド補正の履歴を保持しており、これらは次のガイド補正を計算するために使用されます。 ヒステリシスのパラメータはパーセンテージで表され、最新のガイドフレームにおける星の偏向（位置の変化）だけを見るのではなく、この履歴に与えるべき “重み”を指定します。ヒステリシスパラメータが10%の例を考えてみましょう。 この場合、次のガイド補正は、現在のガイドフレームで見られる星の動きに90％、最近行われた補正に10％の影響を受けることになります。 ヒステリシスの値を大きくすると、方向が変わったときに反応が遅くなる危険性がありますが、補正をスムーズに行うことができます。ヒステリシスアルゴリズムには、過補正を減らすための[積極性]パラメータも含まれており、これもパーセンテージで表示される。各フレームで、PHD2はマウントをどの程度、どの方向に動かすべきかを計算する。積極性パラメータはこれを調整します。例えば、星の偏向（位置の変化）が評価され、0.5ピクセルの修正移動が正当化された場合を考えてみましょう。 積極性が100%に設定されている場合、マウントを0.5ピクセル分移動させるガイダーコマンドが発行されます。 しかし、積極性を60％に設定すると、マウントはその60％、つまり0.3ピクセルだけ移動するように要求されます。 最小移動検知量の設定が適切に行われていれば、一般的にこれらのパラメータを変更する必要はありませんが、変更を試みる場合は、PHD2ログビューアツールを使用して長いガイド作業を慎重に分析した上で行う必要があります。
「レジストスイッチ」アルゴリズムは、その名前が示すとおりの動作をします。また、ヒステリシスアルゴリズムと同様に、過去のガイド補正の履歴を保持し、方向転換があった場合は、反転ガイドコマンドを発行するために “強制”する必要があります。これは赤緯のガイドに適しており、方向の反転が疑わしく、また歯車のバックラッシュを誘発する可能性が高いからです。 そのため、レジストスイッチは赤緯の既定アルゴリズムであり、有効な方向転換が期待できる右赤経の既定アルゴリズムではありません。 レジストスイッチのアルゴリズムを制御するために、2つのパラメータが利用可能です。1つ目は積極性で、前述のヒステリシスの積極性と同じような動作をするパーセンテージの量です。2つ目のパラメータは、「大きな変位に対する高速切り替え」と書かれたチェックボックスである。これをチェックすると、PHD2は、通常の動作である新しい方向への連続3回の偏向（位置の変化）を待たずに、大きな方向転換に即座に反応するようになります。風やケーブルの引っ掛かり、その他の機械的な変化により、赤緯が大きく変動した場合、より迅速に回復することができます。大きなたわみの定義は、最小移動量の3倍です。そのため、PHD2が方向転換に過剰に反応する場合は、「最小移動検知量」パラメータで動作を調整するか、「高速切り替え」オプションを完全に無効化することができます。赤緯ガイドの場合、少ない方が良いので、これらのパラメータを調整し過ぎないようにすることが重要です。
「ローパス」アルゴリズムでは、次の補正を計算するために、最近のガイドの補正履歴を使用します。計算された移動の開始点は、最近の履歴で発生したガイド星の偏向（位置の変化）の中央値です。 これは、現在のガイドフレームで見られる星の偏向が次の動きの計算に与える影響が比較的小さく、アルゴリズムが急激な変化に強いことを意味します。 ただし、履歴の蓄積には、たわみが一定の方向に推移しているかどうかを判断するための計算も含まれています。[勾配重み]パラメーターは、パーセンテージで表示され、実際のガイドの動きを計算する際にどの程度影響を与えるかを決定します - これは、アルゴリズムが過度に遅くならないようにするためのものです。勾配重みを0に設定すると、ガイドパルスは常に最近の履歴の中央値だけとなります。 ゼロ以外の勾配重みを設定すると、その中央値は最近のガイド星の動きの傾向に基づいて上方または下方に調整されます。ローパスアルゴリズムは急激な変化に強いので、おそらく赤緯ガイドか、絶対値エンコーダのあるマウントに最も適用されるでしょう。 このアルゴリズムの使用は推奨されておらず、「ローパス2」アルゴリズムが採用されています。
「ローパス2」アルゴリズムは、オリジナルのロウパスアルゴリズムのバリエーションで、多少動作が異なります。また、ガイド補正の履歴を保持していますが、次の補正はそれまでのコマンドを線形に拡張しただけのものです（つまり、勾配の計算です）。これは方向が大きく変わるまで続けられ、その時点で履歴が消去される。 このアルゴリズムには、最小移動検知量と積極性の2つの調整可能なプロパティがあります。最小移動検知量は他のガイドアルゴリズムと同様の効果があり、積極性（パーセンテージ）はガイド補正の大きさをさらに緩和する方法です。ローパス2 は、非常に保守的で高い電気抵抗のアルゴリズムで、シーイングコンディションが良く、赤緯バックラッシュがほとんどない、または全くないマウントを使用するユーザーに適した選択です。 高精度のエンコーダーを搭載したマウントに推奨されるアルゴリズムです。
「Zフィルタ」は、ローパスアルゴリズムのバリエーションですが、離散周波数領域または「Z」領域で動作します。ガイド機能では、マウント周期誤差に起因する低周波成分を完全に補正します。高い周波数は、積極性が徐々にゼロになるように補正されます。
Zフィルタアルゴリズムにより、高周波シーイングを追うことなく、より短いガイドカメラ露出時間（例えば1秒や 0.5秒）を使用することができます。ガイド露出時間が短くなると、補正をかける遅延時間が短くなり、補正量が小さくなるという利点があります。
Zフィルタアルゴリズムが提供する調整項目は2つだけです。 露出係数（XFac）と最小移動検知量（MinMo）です。仮想ガイドの露出時間は、実際の露出時間に露出係数を掛けたものによって得られます。 特定の仮想露出時間は、同じ実際のガイド露出時間を使用して、フィルタ処理されていないアルゴリズムと同様に実行されます。例えば、露出時間 1 秒で 露出係数が 4 の場合、仮想露出時間は 4 秒（4×1 秒）となり、露出時間4 秒のヒステリシス（積極性 100％、ヒステリシス 0.0） と同様の性能となる。露出係数が2で露出時間が2秒の場合も、仮想的な露出時間は2×2秒の4秒となり、ほぼ同じ性能となります。主な違いは、実際の露出が短いため、補正をかけるタイミングが早く、回数も多いので、補正量が小さくなることです。
この機能を使用すると、ガイドの露出時間を調整して、ガイド星のSNR とガイドの遅延を最適化できます。 その後、露出係数を調整して目的のガイド応答を得ることができます。赤経軸の場合、通常の推奨値である 2 秒から 4 秒の仮想露出時間が良い出発点となります。赤緯軸では、より長い仮想露光時間を使用することができ、バックラッシュの原因となる反転を最小化するのに役立ちます。
短時間露出の場合、シーイングからの移動がガイドグラフ上でより顕著になることに注意してください。これはガイドが悪くなることを意味するものではありません。他のアルゴリズムでは、シーイングからの動きをフィルタリングするために、ガイドの露出時間に依存しています。Zフィルタ露出係数は同じ機能を果たします。
Zフィルタには最小移動検知の設定もあります。この値は、マウントが小さな補正を正確に行う能力に合わせて選択する必要があります。他のアルゴリズムでは、赤緯軸の反転を防ぐためなどに、最小移動検知のフィルタリングが推奨されることがあります。Zフィルタの推奨されるアプローチは、露出係数を増加させることです。 Zフィルタのアルゴリズムはより複雑で理解しにくく、ほとんどのマウントでロウパス2より良い結果を生む可能性は低いので、一般的にはお勧めしません。
PHD2 PEC予測ガイドアルゴリズム(PPEC)
概要
PPECアルゴリズムは、PHD2の他のアルゴリズムとは異なり、モデリングと予測機能を備えています。このアルゴリズムは、リアルタイムでマウントの追跡性能を分析し、分析が完了すると、実際に反復誤差が見られる前でもガイド補正を計算するようになります。積極的なガイド補正を行うことで、従来のガイドに内在する時間遅れを低減し、性能を大幅に向上させることができます。 他のアルゴリズムでは、完全に反応的であり、カメラセンサー上でエラーが確認された後にガイド修正が発行されます。
ガイドを開始すると、アルゴリズムがマウントの性能を分析し、繰り返し発生する追跡エラーが予測可能かどうかを調べます。 このアルゴリズムは、ドイツのマックス・プランク研究所の研究チームによって開発された高度なガウス過程モデルを採用しています。 数学的な詳細は、こちらの論文でご覧いただけます。
http://ieeexplore.ieee.org/document/7105398/?reload=true
PPECアルゴリズムは通常、残留周期誤差やその他のギア関連誤差が追跡精度を低下させることが多い赤経に使用されるでしょう。 このアルゴリズムでは、システムの挙動を特徴付けるために、別々の時間スケールを使用します。
l 短期：ギアの粗さ、シーイングなどによる高頻度なエラーに対応。
l 中期：残留する周期的な誤差が対象で、通常、ウォーム周期以下の間隔で発生する。
l 長期：定常的なドリフトと、駆動系の複数のギアの相互作用によって発生する低周波（より長い時間間隔）の高調波に対して対応します。
短期的な動作は、システム内の予測不可能なノイズを識別するために使用されます。これは、予測可能なコンポーネントを識別するために本質的に除外されます。 ほとんどのマウントでは、中期コンポーネントが最も重要になります。 ベストプラクティスに従っている場合は、マウントに定期的なエラー修正がプログラムされていることになります (その機能が利用可能であると仮定します)。こうすることで、PHD2が行うべき作業が減り、マウント内のPEC補正は通常永久に保存されます。 この方法は、装置をセットアップするたびに周期的な誤差の挙動を測定して推論するよりも望ましい方法です。 とはいえ、マウント内のPECは決して完璧ではなく、PECが有効であっても残留する繰り返し誤差を目にすることがよくあります。追跡誤差は、マウントのウォーム周期の高調波（整数分の1）でない周波数で発生することが多く、ほとんどのPEC実装では対処できません。また、マウントの機械的な負荷に依存している場合や、PEC がプログラムされた後にマウントの動作が変化した場合、残留周期誤差が発生することがあります。 PPECアルゴリズムは、ウォーム周期に依存せず、常にマウントの現在の挙動を新たに分析するため、これらのエラーを特定および削減するのに極めて効果的です。
PPECアルゴリズムは、ドリフトエラーも検出し、積極的に補正します。 ドリフトは一般的にどのガイドアルゴリズムでもうまく処理されますが、補正は常にいくらかの誤差で遅れます。 分光、測光、彗星追跡などの用途では、これが問題になる場合があり、その場合はPPECがより良い結果をもたらすかもしれません。
PPEC は学習プロセスを採用しているため、マウントをモデル化して完全に効果を発揮するには、通常、約 2 ワーム期間かかります。 このトレーニング期間中、アルゴリズムは「ヒステリシス」アルゴリズムのように動作するため、通常、内部モデルの構築中にパフォーマンスが低下することはありません。 代わりに、モデルが改良され、アルゴリズムがヒステリシスモードから予測モードにシームレスに移行するにつれて、追跡が着実に改善される可能性があります。 この改善は通常、中期的なマウント動作が完全にモデル化される前でも見られます。
PPECモデルは暗黙のうちに歯車列の状態に結びつけられているため、マウントがかなりの距離だけ旋回した場合は再学習が必要です。同じ理由で、異なるガイド作業間で保持することができないため、従来のPECが重要なのです。 しかし、PPECモデルは、ディザリング中や、フォーカシングなどのためにガイディングを一時停止している間も、そのまま維持されます。最も一般的な使用例、つまり同じターゲットを何時間も撮影し、定期的にディザリングを行う場合、PPECモデルは有効です。 いずれにせよ、学習プロセスと1つのモードから他のモードへの移行は自動的に処理されるので、特に注意する必要はありません。
アルゴリズムの詳細
トレーニング期間が完了すると、PPEC アルゴリズムは 2 つの要素を使用してガイド補正を計算します。 1 つは反応的で、最新の露出でのガイド星の変位に基づいています。 2 つ目は、トレーニング期間中に構築されたガウス過程モデルからの出力に基づく予測です。 これらの各項には個別のゲインまたは積極性係数が含まれているため、最終的なガイドパルス量は次の合計になります。
ガイド補正 = (予測量 * 予測ゲイン) + (最近の変位 * 反応ゲイン)
「予測ゲイン」および「反応ゲイン」パラメータは、「詳細設定」 ダイアログで公開されます。これらのパラメータの既定値は、ほとんどのマウントで適切に機能するはずです。これらのパラメーターの選択を誤ると、ガイドが確実に悪化する可能性があるため、変更については慎重に行う必要があります。 ガイド補正の計算における 2 つのコンポーネントはベクトル量であることに注意してください。これらのコンポーネントは、反対の東西の極性を持つ場合があります。そのため、2 つのゲイン値の合計が 100% 未満でなければならないという制限はありませんが、過剰補正を避けるように注意してください。
トレーニング期間中、アルゴリズムは観測されたガイド星の動きの周期的なエラーを特定する必要があります。 最初の試行では、マウントのワーム期間を 「期間の長さ」 の開始点として使用できます。これはアルゴリズムに良い出発点を与えますが、マウントの周期的なエラーカーブが明確になるまで、最初は 「自動調整期間」 オプションにチェックを入れたままにしておく必要があります。これはアルゴリズムが見つけた周期的な誤差をよりよく制御するために、必要に応じて周期を調整するように指示します。 アルゴリズムを複数回実行し、その結果に満足したら、「自動調整期間」 オプションのチェックを外して、PPECアルゴリズムが最も重要な周波数に焦点を当てたままであることを確認することができます。同様に、非調和周波数で繰り返し発生する追跡エラーを持つマウントがある場合、このオプションをオフにすることもおそらく良いアイデアでしょう。 もちろん、これを知るには、PHD ログビューアツールの一部である、ネイティブトラッキングパフォーマンスのFFT分析が必要です。
「モデルを保持 (% 周期) 」 パラメータは、PPECアルゴリズムがリセットされる前に、マウントがガイド無しで追跡できる時間を指定します。これは、現在の周期長に対するパーセンテージとして計算されます。 これは、オートフォーカスのように、マウントが恒星数で追尾し続けているが、ガイドが行われていないような状況で有用であります。 また、スルーイングによる赤経ポインティング位置の西向きの変更にも適用されます。初期設定の40％を上方修正する場合は、注意が必要です。 ガイド無しで長時間動作させると、PPECモデルの精度が落ちるので、その場合はリセットが最適です。 この現象が発生するポイントは、マウントと現在のシーイング条件によって異なるため、このパラメータを調整する場合は、実験が必要な場合があります。
「最小移動検知量」 パラメータは、アルゴリズムの反応成分のみに影響します。 測定された星の変位がこの量より小さい場合、反応性コンポーネントはゼロに設定されます。 しかし、アルゴリズムの予測コンポーネントはまだ計算され、適用されます。