Nous proposons ici un aperçu du traitement de données dans le cadre de l'étude du Fond Diffus Cosmologique (FDC). Une introduction au FDC et à son intérêt scientifique se trouve ici. La question de la séparation de composantes est également adressée ici.

Traitement du signal est un terme générique qui regroupe l'ensemble des opérations appliquées aux données pour en extraire le contenu scientifique. Dans le contexte de l'étude du FDC, il se conçoit en plusieurs étapes (bien que celles-ci ne soient, en pratique, pas aussi distinctes qu'elles n'apparaissent ici) :

1. Traitement des données dans le domaine temporel
2. Projection des données sur des cartes
3. Estimation des spectres de puissance angulaire
4. Extraction des informations cosmologiques contenues dans les spectres de puissance

La première étape consiste à soustraire les artéfacts dans le domaine temporel tels que les changements de niveaux dans la chaîne de détection, le bruit télégraphique, les rayons cosmiques, la déconvolution des constantes de temps... La transformée de Fourier et la décomposition en ondelettes ainsi que l'ensemble des tests statistiques applicables à des données mono-dimensionnelles sont utilisés.

Les données enregistrées par un détecteur au cours du temps sont appelées 'timelines'. La deuxième étape transforme les timelines (1 dimension) de tous les détecteurs en cartes (2 dimensions). Le pointage, c'est-à-dire la connaissance de la direction d'observation de chaque détecteur à un instant donné est nécessaire pour savoir à quel pixel adresser un échantillon. Si l'on note d(t) les timelines, s(p) le signal du ciel au pixel p, A(t,p) le pointage et n(t) le bruit, alors d(t) = A(t,p)s(p) + n(t). La fabrication des cartes consiste à inverser ce système pour trouver un estimateur de s(p). Plusieurs techniques existent pour cela, mais toutes font face aux mêmes difficultés : la taille des timelines (millions d'échantillons), la taille des cartes (milliers de pixels) qui conduisent donc à des matrices de grande taille (million de lignes, milliers de colonnes) et la caractérisation de la matrice de covariance du bruit. Des super-calculateurs ainsi que des algorithmes massivement parallèles sont souvent nécessaires à ce stade.

L'essentiel de l'information scientifique présente dans le FDC est accessible à partir de ses spectres de puissance angulaire, c'est-à-dire la projection des cartes sur la base des harmoniques sphériques. C'est l'analogue du calcul du spectre de puissance à partir d'une transformée de Fourier mais sur la sphère. En plus de la séparation des composantes, cette étape requiert la définition de masques sur les cartes (et donc de la correction de leurs effets par la suite comme la corrélation des différents modes individuels et la conversion d'un état de polarisation dans l'autre). Chaque opération effectuée durant les 2 premières étapes affecte la fraction de signal du FDC présente dans les données et doit être prise en compte lors de l'estimation des spectres de puissance angulaires pour bien caractériser la fonction de transfert du pipeline de traitement de données.