Gaia Data Release 1 Documentation release 0

There are also a few tasks which perform trend analyses of the PSF
/LSF image moments variations over weekly,
monthly and
/or longer interval times which can be selected by the operators in near real time.
The AIM system has also an internal automatic validation
/qualification of the processing steps results, but manual
inspection is needed for some particular outputs as, for example, the outputs coming from the comparison tasks
with the main pipeline outputs.
Each day a report is automatically produced collecting plots and statistics about RDP, Calibration, instrument
health monitoring and diagnostics. The daily reports are thousands pages and only for internal use. When needed,
a condensed report about the findings of potential problems is reported to the Payload Experts group. This way,
the AIM team supports the DPAC cyclic processing systems by guaranteeing a high quality level of the science
data. No data produced by the Astrometric Instrument Model software enters the first Gaia data release.
2.5.2.4
Basic Angle Monitoring (BAM) diagnostics
The BAM instrument is basically an interferometer devoted to the monitoring of the Lines-Of-Sight (LOS) of each
telescope. The instrument measures and monitors the variation of the Base Angle value between the two telescopes
looking at the phase changes of the fringes.
The AVU
/BAM system monitors on a daily basis the BAM instrument and the basic angle variation (BAV) inde-
pendently from IDT (see Section 2.4.2.1) and FL (see Section 2.5.2.2), to provide periodic and trend analysis on
short and long time scales, and to finally provide calibrated BAV measurements, as well as a model of the temporal
variations of the basic angle.
It is a fundamental component of the technical and scientific verification of the overall Gaia astrometric data
processing, and is developed within the context of the Astrometric Verification Unit (AVU). Deployment and
execution of the operational system is done at the Torino DPC which constitutes one of six DPCs within the Gaia
DPAC.
The input data to AVU
/BAM (coming from DPCE) correspond to a central region of the fringe envelope for each
line of sight. For Release Gaia DR1 the central region corresponds to a matrix of 1000 x 80 samples (ALong x
ACross scan). Each of the 80 AC samples is onboard binned (4 physical pixel each sample). BAM CCDs are the
same kind of RP CCDs, and have a pixel size of 10 µm by 30 µm, (AL x AC).
The system, besides producing the fundamental BAM measurements (e.g. time series of the phase variation),
processes the elementary signal and provides an interpretation in terms of a physical model, to allow early detection
of unexpected behaviour of the system (e.g. trends and other systematic e
ffects). An important function performed
by the BAM is to provide ways to identify and quantify the underlying causes in case the specific passive stability
of the basic angle should be violated in orbit. The AVU
/BAM pipeline performs two different kinds of analyses:
the first is based on daily runs, the second is focused on overall statistics on a weekly
/monthly basis.
The most important output is the Basic Angle Variation (BAV) estimate. In principle it is the di
fferential variation
of the two LOS. The pipeline provides the BAV estimate through three di
fferent algorithms (described in Riva et al.
(2014); Riva & et al. (2017))
The first one, named Raw Data Processing (RDP) (similar to the IDT approach), provides the BAV as a di
fference
of the variation of the two LOS. Each LOS estimate is performed through a cross correlation of each BAM image
with a template made by the mean of first 100 images of each run. The second algorithm, named Gaiometro, is the
1D direct cross correlation between the two LOS. The third one is a 2D version of the direct measurement of BAV
Gaiometro 2D. Indeed the first two use images binned across scan.
141

---

The four independent results (three AVU
/BAM plus IDT) agree quite well in the general character and shape of the
6-hour basic-angle oscillations, while the derived amplitudes di
ffer at the level of 5 percent. It is as yet unknown
which of the four methods (and of the implied detailed signal models fitted to the BAM fringe patterns) gives the
most faithful representation of the relevant variations in the basic angle of the astrometric instrument.
In addition to producing time series of the fringe phase variations, AVU
/BAM also makes measurements of other
basic quantities characteristic of the BAM instrument, like fringe period, fringe flux and fringe contrast. Their
temporal variations are also monitored and analysed to support the BAV interpretation.
The Fringe Flux is calculated as the raw pixel sum of each frame. The second one is the Fringe Period x, that is
given by
x
=
f
λ
b
(2.47)
with, f is the focal length, λ is the wavelength and b is the baseline. This quantity gives a fast overlook to these
three properties of the BAM instrument. The Fringe Contrast is basically related to the visibility of the fringes.
AVU
/BAM provides also an independent calibration of quantities like BAV. An initial internal calibration of BAV
measurements has been activated since December 2014.
AVU
/BAM crew produces a periodic report with a summary of the evaluated quantities and the events found in
each time interval. Most important events are directly (manually) checked with FL scientists and Payload Experts
groups.
The AVU
/BAM outputs are made available to the other relevant DUs in CU3 (AGIS, GSR, FL). No data produced
by the AVU
/BAM software enters the first Gaia data release.
2.5.3
Monitoring of cyclic pre-processing
Author(s): Javier Casta ˜
neda
The cyclic pre-processing scientific performance is assured by specific test campaigns carried out regularly by the
DPCB team in close collaboration with all the IDU contributors. For these tests, detailed analysis over the obtained
results are done — even including the execution of reduced iterations with other systems.
As already commented in previous sections, IDU processes a huge amount of data and produces similarly a huge
amount of output. The continuous and progressive check on the quality of these results is not a desirable feature.
The analysis of every calibration and parameter produced by IDU (as it is done for the test campaigns) is not
practically possible — it would have almost the same computational cost as the processing itself. For this reason,
IDU integrates a modular system able to assure the quality of the results up to a reasonable limit.
First of all, IDU tasks includes several built-in consistency checks over the input and output data. These are really
basic checks for:
• verifying the consistency of the configuration parameters including their tracking along the full pro-
cessing pipeline.
• verifying the consistency of the input data, so corrupted data or inconsistent input data combinations
do not enter the pipeline and are not propagated to subsequent tasks.
• accounting for the number of outputs with respect to the inputs, so data lost is detected and properly
handled – in general forcing a task failure.
142

---