低频射电望远镜阵列宽视场成像技术研究

低频射电望远镜阵列宽视场成像正面临着一系列难点问题,其中最关键的问题是非共面基线效应.它的存在使得忽略w项将导致最终图像出现畸变,且随着视场的增大而加重.综述并剖析了几种w项改正算法及其技术原理,并分析了它们的计算成本和计算复杂度,进而分析比较了它们的优缺点.以平方公里阵(Square Kilometre Array,SKA)射电望远镜第1阶段低频阵列为研究对象,选取faceting和w-projection成像算法进行了仿真实验.与传统的二维傅立叶变换成像算法进行对比,分析了它们的成像质量和正确性,结果表明这两种算法在宽视场成像方面均明显优于二维傅立叶变换方法.还具体分析了分面(facet)的数目对faceting成像质量和运行时间的影响,以及w步数对w-projection成像质量和运行时间的影响,表明facet数目和w步数的选择必须合理.最后,分析了数据量大小对这两种成像算法运行时间的影响,表明这两种算法在进行海量数据处理前,需要作算法优化改进.研究结果为后续进一步综合分析宽视场成像技术以及这些技术的实用性研究提供了有价值的参考.     

基于Dask并行加速的射电干涉成像网格化方法实现

快速傅里叶变换(Fast Fourier Transform,FFT)比傅里叶变换有更好的算法性能,是射电干涉成像的基础算法,但因为天线阵列的不规则采样,需使用网格化算法将可见度数据重采样到规则的网格上才能应用。基于卷积的网格化计算具有密集型和迭代型的特点,特别是处理海量可见度数据的情况下,高性能的网格化计算对整个成像过程加速尤为重要。为了缓解数据处理的压力,在现有处理整块数据和支持多核计算的算法基础上,拓展应用Dask并行计算框架,不仅将数据分块并分配到多线程上,提高数值计算效率,而且动态的分布式任务调度策略优化了网格化的实时处理。实验结果表明,多核中央处理器利用率显著提高,即使增加数据量,也能进一步提高网格化算法的性能。分布式任务调度能够将单(多)测量集的网格化弹性缩放到单(多)机系统,充分发挥集群的规模化优势。     

uv-faceting成像并行算法研究

uv-faceting成像是目前广泛使用的大视场成像技术之一,将被考虑应用于平方公里阵列(Square Kilometre Array, SKA)第1阶段(简称SKA1)低频阵列的数据处理当中.由于SKA1产生的原始数据规模空前巨大,直接使用uv-faceting成像进行数据处理效率将会非常低.为此,提出了基于MPI (Message Passing Interface)+OpenMP (Open MultiProcessing)的uv-faceting成像算法和基于MPI+CUDA (Compute Uni?ed Device Architecture)的uv-facteing成像算法,对该算法中最耗时的数据读取和栅格化(gridding)这两个步骤进行并行优化.验证性结果显示提出的两种算法得到的结果与当前主流的数据处理软件(Common Astronomy Software Applications, CASA)得到的结果基本相同,表明提出的两种算法基本正确.对准确率和总运行时间的分析表明,无论在正确率还是运行速度上MPI+CUDA的方法比MPI+OpenMP的方法更优.性能测试结果表明提出的算法有效且具有一定的可拓展性.     

面向宇宙再电离探测的基本数据处理方法

宇宙再电离时期(epoch of reionization, Eo R)的探测是SKA的重要科学目标之一,也是目前许多SKA探路者阵列的首要科学目标。由于宇宙再电离信号非常微弱,因此在数据处理的过程中存在许多难点,如高精度校准、大视场高动态成像等。对默奇森宽场阵列(Murchison Widefield Array, MWA)、低频阵列(Low Frequency Array, LOFAR)、21CMA阵列(21 Centimeter Array, 21CMA)等SKA低频先导干涉阵列的基本数据处理方法进行了综述,如干扰的识别与去除、数据校准、可视度研究以及成像研究等,并对数据处理时用到的一些常用技术与软件作了相应的介绍与总结。     

基于分布式执行框架的低频射电干涉阵列成像管线优化

平方公里阵列(Square Kilometre Array,SKA)项目是建设全球最大射电望远镜的国际合作项目,其灵敏度和测量速度将比当前所有的射电望远镜都要高出一个数量级.连续谱巡天是SKA的主要观测模式之一,基于连续谱成像建立巡天区域的标准星图,将能为后续天文科学研究奠定重要基础.银河系与河外星系全天默奇森宽场阵列拓展巡天(GaLactic and Extragalactic All-sky Murchison Widefield Array survey eXtended,GLEAM-X)是2018—2020年利用SKA先导望远镜默奇森宽场阵列(Murchison Wide-field Array,MWA)二期拓展阵列开展的新的射电连续谱巡天项目,观测期间积累了大量的低频巡天观测数据.海量观测数据的自动化、大批量处理是SKA望远镜项目所面临的的最大挑战和难题之一,基于分布式执行框架的成像管线优化经验将有助于解决海量数据处理问题.详细介绍了GLEAM-X成像管线并对其进行整合和改进,在中国SKA区域中心原型机(China SKA Regional Centre Prototype,...     

基于OMR的2．16米望远镜积分视场单元方案

基于积分视场单元的三维成像光谱技术日趋成熟,并且与传统的狭缝光谱仪相比有许多明显的优势。2．16m望远镜的OMR光谱仪是采用平面光栅分光的低色散卡焦光谱仪器,可以考虑对其进行积分视场单元的升级优化。在不改变OMR光谱仪自身结构,不影响现有功能的同时,利用“微透镜阵列＋光纤束”的技术可以实现积分视场单元与OMR光谱仪的耦合。设计了两种方案,给出了升级积分视场单元后的空间分辨率和视场。     

一种固定选图数的实时幸运成像算法

幸运成像技术是一种从大量短曝光图像中选取少量幸运好图进行配准、叠加的高分辨率图像恢复技术,能够有效减小大气湍流对图像质量的影响,但传统的基于中央处理器(Central Processing Unit,CPU)的幸运成像算法难以实现实时化。利用现场可编程门阵列(Field Programmable Gate Array,FPGA)的并行性和灵活性优势,提出了一种新的基于现场可编程门阵列的幸运成像算法,并构建了一个现场可编程门阵列实验系统。该算法采用一种固定选图数且无需排序的图像选择策略和一种以行列坐标为基准的图像配准策略,能够有效节省算法处理时间和硬件资源,达到实时幸运成像的目的。实时幸运成像算法能够以简洁的方式在中小规模的现场可编程门阵列上实现,所得高分辨率图像与基于传统中央处理器算法处理的结果完全相同。实验表明,对于2000帧128×128像素的输入图像进行幸运成像,本算法的运行速度比本实验室之前提出的算法快27倍,比传统的基于CPU+MATLAB幸运成像算法速度快150多倍,处理帧率可达197帧/秒。该算法及其现场可编程门阵列实现技术可以用于构建真正实时的幸运成像系统。     

基于NGAS的多点观测数据存储与同步方法

平方千米阵列(Square Kilometre Array, SKA)望远镜建成后将具有超高的灵敏度、超快的巡天速度以及宽视场,进而产生超海量的观测数据。SKA天文台与各国区域数据中心间的海量数据同步传输是当前SKA建设中的一个难点。SKA先导项目使用的下一代归档存储系统(Next Generation Archive System, NGAS)在应用测试中存在效率低下,性能不足等问题。提出了一种基于ZeroMQ的数据存储与同步方法,通过采用更加高效的异步消息机制实现同步传输数据,回避了NGAS原有的采用HTTP协议的局限。实验结果表明,新方法在平均数据归档存储效率方面比原有方法快了近40倍,能够基本满足10 GB带宽的全速传输需要,取得了较好的使用效果。     

基于现场可编程门阵列的幸运成像算法的实现

幸运成像技术是用于消除天文图像中大气湍流影响的高分辨率图像重建技术,传统的基于中央处理器的幸运成像算法难于实时化。利用现场可编程门阵列并行处理的优势,设计了一种基于现场可编程门阵列的幸运成像算法并构建了一个实验系统。该系统用现场可编程门阵列完成了选图、配准、叠加的全部幸运成像算法流程,所得高分辨率图像与基于传统中央处理器算法处理的结果完全相同,但幸运成像算法的处理速度比传统中央处理器的处理速度快19倍。该算法在现场可编程门阵列上的实现,为幸运成像技术的实时或准实时化提供了一种可行的方案。     

恒星大气物理参量的非参数估计方法

恒星大气物理参量（有效温度、表面重力、化学丰度）是导致恒星光谱差异的主要因素．恒星大气物理参量的自动测量是LAMOST等大规模巡天望远镜所产生的海量天体光谱数据自动处理中一个重要研究内容．针对测量大样本的恒星光谱数据估计每个恒星的大气物理参量，提出了一种基于变窗宽核函数的估计算法：变窗宽算法是对固定窗宽算法的改进，分为3个步骤：（1）将历史恒星光谱数据进行PCA处理，得到光谱的低维特征数据；（2）利用特征数据与其物理参数的对应关系，建立一种变窗宽的非参数估计模型；（3）利用该估计模型，直接计算待测恒星光谱的3个物理参量（有效温度、表面重力、金属丰度）．实验结果表明：该方法与固定窗宽估计模型以及在其他文献中报道的方法相比，具有较高的估计精度和鲁棒性．     

基于RASCIL的W-projection和W-stacking并行算法实测研究

在射电干涉阵的大视场成像中,W-projection和W-stacking是两类主要成像方法,本文对这两种成像方法进行了并行实测研究。首先分析了两种成像方法的基本原理框架,在此基础上对两种成像方法并行实现的关键因素进行讨论和分析。利用已经校准的射电干涉阵观测数据对两种成像方法基于射电天文模拟、校准和成像库(Radio Astronomy Simulation, Calibration, and Imaging Library, RASCIL)分别进行并行策略研究和并行计算实验。通过对并行计算时间、并行效率和并行资源配置模式的分析,得到了两种成像方法基于RASCIL(https://gitlab.com/ska-telescope/external/rascil)的并行计算性能,结果表明,两种成像方法都适合采用Strong Scaling的并行资源配置模式进行并行计算,基于RASCIL的W-stacking并行计算还有比较大的性能提升空间。     

丽江2.4米望远镜双视场终端的控制与图像采集

为充分利用丽江2.4 m望远镜有限的卡焦接口,提高观测效率,研制了一个双视场天文观测终端,在2.4 m望远镜上实现不同视场和图像比例尺等参数进行快速测光和高分辨成像等天文观测,以满足不同的观测需求。针对该终端对滤光片轮精度和大视场光路与小视场光路切换的精度要求,以及对电子倍增电荷耦合器件(Electron-Multiplying Charge-Coupled Device, EMCCD)相机图像采集的速度要求,采用三层电机闭环控制以及多线程并发执行等技术,实现了该终端中滤光片轮、大视场光路与小视场光路切换的精确控制,以及EMCCD相机图像的快速采集与存储。最后在实验室进行了详细测试,结果表明,所设计的控制与图像采集系统能满足各项性能指标的要求。     

最大熵与MP-CLEAN方法对扩展源图像重建的比较

在射电综合成像领域,通常需要用退卷积的方法补全频域稀疏的采样。由于扩展源的频域信息更为丰富,要补全这些信息相对于点源来说更难,因此扩展源的图像重建是射电综合成像领域的一大难点。为了探索射电干涉扩展源图像重建方法的特点,将最大熵与一种加速的CLEAN方法(文中称之为Multi-Point CLEAN,MP-CLEAN)对扩展源的干涉阵模拟数据的图像重建进行了比较。通过比较,发现对于同样的观测数据,两种方法都能较好地重建图像,但MP-CLEAN方法的旁瓣祛除效果与重建效果优于最大熵方法,而且在模拟数据重建中MP-CLEAN方法的总体速度比最大熵快3倍以上。最后,在讨论部分通过研究两种方法中参数的选择对重建结果的影响,发现最大熵方法比MP-CLEAN方法对参数选择的依赖性弱,这表明最大熵方法有更好的鲁棒性。     

基于Python的SKA-RASCIL中的天线增益校准实现

天线增益校准是射电天文观测数据处理过程中的一个关键步骤。分析了经典的天线增益校准算法Antsol的基本原理,并基于Python对Antsol算法进行了高性能实现,所完成的程序代码已经集成到平方公里阵列(Square Kilometre Array,SKA)的射电天文模拟校准成像软件(Radio Astronomy Simulation,Calibration and Imaging Library,RASCIL)中,不仅为当前平方公里阵列数据处理提供了支撑,也为未来数据处理的性能优化提供算法参考。     

差分CLEAN算法在编码板成像中的应用

编码板多用于硬X射线及更高能量波段的天文成像.采用交叉相关算法对编码板图像进行重建时会产生鬼像,成像质量不高.采用CLEAN算法可以有效消除鬼像,但该算法仍然无法抑制由不等间隔采样和数据缺失引入的误差.采用差分CLEAN算法对编码板图像进行重建.该算法直接在探测器数据空间进行处理,由模型数据推算出探测器上各点的数值,无需对数据进行插值等操作,能够规避上述问题,提高成像质量.选用理想点源数据加入了泊松噪声和人造坏数据点进行了模拟重建,结果显示差分CLEAN算法能够得到比CLEAN算法更低的噪声水平和更接近真实值的点源强度.IBIS是INTEGRAL卫星上的主要编码板成像设备,目前已经有大量损坏的探测器单元.用差分CLEAN算法对IBIS望远镜的数据进行了处理,与INTEGRAL标准处理软件OSA采用的CLEAN算法相比也得到了噪声水平更低的结果.     

国家重点研发计划“SKA前期数据处理系统建设和相关科学预研”简介

在继承平方公里阵列(Square Kilometre Array,SKA)望远镜的中国低频探路者——"宇宙第一缕曙光"探测项目21CMA在十年间所积累的经验和广泛国际合作的基础上,计划小规模改造现有设备,迅速掌握数字多波束合成、高动态大视场成像、前景去除等SKA低频成像的关键核心技术。同时,与SKA低频阵(SKA-low)先导设备MWA(Murchison Widefield Array)开展深层次合作,预选未来用于SKA1-low宇宙再电离深度成像的观测候选区域,为最终利用SKA第一阶段(SKA1)低频阵列,对选定观测候选区域进行深度定点观测做好充分准备,最终实现SKA1既定的首要科学目标。该项目还将建设中国SKA区域中心数据处理原型样机,并以21CMA和MWA实测数据为基础,完成低频射电干涉成像的数据处理流程,为建设中国SKA区域数据中心打下基础。     

基于大视场反卷积的天文图像叠加方法

地基望远镜在成像过程中,由于受大气湍流、望远镜静态像差、跟踪误差、指向误差及视场变化的影响,不同视场区域的PSF (Point Spread Function)具有差异;同时,不同望远镜获取的图像PSF也存在差异.将多个望远镜获取的星象直接叠加至相同的区域后,图像质量受像质最差的望远镜限制,最终观测分辨率和灵敏度均会受到影响.通过图像复原,可以提高图像质量,进而提高叠加效果.根据该思路提出了1种基于PSF分区的迭代图像复原方法:该方法首先通过SOM (Self-organizing Maps)对PSF进行聚类分析,利用同类别PSF的平均PSF进行反卷积,再将反卷积结果按PSF聚类结果分割为不同大小的子图,最后将子图进行拼接.图像复原在提高图像质量的同时,降低了PSF不一致性对图像叠加带来的影响.将几个望远镜在同一时刻获取的图像经反卷积处理之后利用图像配准算法进行矫正并叠加,可获得高信噪比图像.对实际望远镜获取的数据处理后的结果表明:图像在进行复原和叠加过程中,星象目标信噪比不断提升,提高了成像系统对暗星的探测能力.     

MUSER可见度数据积分方法与实现

射电观测是研究太阳活动的重要探测手段。我国明安图射电频谱日像仪(Mingant U Sp Ectral Radioheliograph,MUSER)主要用于研究太阳爆发活动初始能量释放区的物理过程,其观测将在太阳射电成像开辟一个新的窗口。成像处理是数据处理的重要组成部分,如何提高成像质量是当前数据处理的研究重点。首先介绍了射电干涉成像的基本理论,随后分析了对观测得到的可见度数据积分的必要性,细致讨论了短时段可见度数据叠加求平均和长时段UV覆盖叠加两种积分方法,并给出了完整的实现。通过实现代码与实验验证,两种积分均可以有效提高信噪比,图像质量明显提高。     

GWAC海量星表数据处理的数据库系统选型研究

为应对我国的宽视场地基广角相机阵在大数据管理和实时处理上带来的挑战,提出一种基于列存储数据库Monet DB的时序数据处理与管理系统设计方案。本方案充分利用Monet DB兼具数据处理和管理于一体的数据库平台特点,通过将交叉认证等核心数据处理算法内嵌于数据库中,从而实现将"计算带到数据中"的设计理念。同时,对本方案开展了多项关键技术的研究与测试:TPC-H基准性能测试;大数据加载能力测试及优化研究;基于Monet DB的Zone算法实现与测试;可定制函数开发功能的测试。初步的预研结果表明,列存储切实可行,同时对本设计方案作详细的介绍。提出的基于列存储Monet DB数据库设计的海量星表数据处理应用方案,是高效的数据处理与管理为一体的天文数据库解决方案。     

基于FPGA的频域幸运成像算法

幸运成像技术是一种事后图像恢复技术,能够有效减小大气湍流对图像质量的影响.传统的频域幸运成像算法的效果优于空域算法,主要由图像预处理、数据选择和数据叠加3部分组成.提出了一种基于现场可编程门阵列(Field-Programmable Gate Array,FPGA)的频域幸运成像算法,并在现场可编程门阵列上构建了频域幸...