基于自适应滤波的干扰消除方法研究

射电天文信号非常微弱,电磁环境对射电望远镜观测至关重要,通常可以利用地形、建立无线电宁静区、进行电磁屏蔽与防护等手段来减小电磁干扰.然而,仍有一些干扰难以屏蔽.故提出了一种基于自适应滤波的干扰消除方法,可用于复杂噪声环境中天文信号的提取.该方法借助自适应横向滤波器,采用最小均方(Least Mean Square, LMS)误差算法,以系统误差和收敛性为评判标准,通过改变步长与阶数对滤波效果进行优化,仿真结果显示该滤波器能在保证算法收敛的前提下有效提取信号.为了检验该算法的有效性,选取了新疆天文台南山26 m射电望远镜和Parkes 64 m射电望远镜记录的观测数据,采用设计的滤波器分别对不同的实测数据进行测试,验证了该滤波器的有效性.理论分析与实验结果一致表明该方法能有效消除天文观测中的干扰信号,具有一定的实用性.     

快速射电暴观测数据干扰缓解方法研究

从海量的天文观测数据中快速搜寻罕见的快速射电暴(Fast Radio Burst, FRB)事件, 干扰缓解是其中一项关键而具有挑战的工作. 射频干扰(Radio Frequency Interference, RFI)会淹没真实的天文事件, 还会导致搜寻管线输出大量的假阳性候选体. 由于干扰来源及其种类的复杂性, 目前并没有一种通用的方法可以解决这个问题. 为了降低干扰对FRB观测搜寻的影响, 分析和研究了南山26m射电望远镜L波段观测数据中的干扰情况, 针对主要的窄带干扰和宽带干扰建立了3层次的干扰缓解处理流程, 从而有效缓解了观测数据的干扰污染情况. 将该流程嵌入到FRB色散动态谱搜寻(Dispersed Dynamic Spectra Search, DDSS)管线中, 实验结果表明, 搜寻管线的检测率和检测精度得到了进一步的提高. 该方法为FRB观测数据干扰缓解处理提供了有价值的参考.     

射频干扰检测的SumThreshold算法

射频干扰(Radio Frequency Interference, RFI)是射电目标搜寻和精确分析研究的关键影响因素,因此RFI检测是相关数据处理中的一个重要环节.已有RFI检测方法可分为成分分解法、阈值分析法、机器学习类方法.从应用广泛性和可解释性方面考虑,阈值分析法最具代表性,特别是SumThreshold是近年备受关注的一个RFI检测方法.从SumThreshold方法的原理、算法设计、优化要点、适用性等方面进行介绍和探讨,以供同行参考.     

基于机器学习的日冕仪图像分类方法研究

日冕物质抛射(Coronal Mass Ejection, CME)的检测是建立CME事件库和实现对CME在行星际传播的预报的重要前提. 通过Visual Geometry Group (VGG) 16卷积神经网络方法对日冕仪图像进行自动分类. 基于大角度光谱日冕仪(Large Angle and Spectrometric Coronagraph Experiment, LASCO) C2的白光日冕仪图像, 根据是否观测到CME对图像进行标记. 将标记分类的数据集用于VGG模型的训练, 该模型在测试集分类的准确率达到92.5%. 根据检测得到的标签结果, 结合时空连续性规则, 消除了误判区域, 有效分类出CME图像序列. 与Coordinated Data Analysis Workshops (CDAW)人工事件库比较, 分类出的CME图像序列能够较完整地包含CME事件, 且对弱CME结构有较高的检测灵敏度. 未来先进天基太阳天文台(Advanced Space-based Solar Observatory, ASO-S)卫星的莱曼阿尔法太阳望远镜将搭载有白光日冕仪(Solar Corona Imager, SCI), 使用此分类方法将该仪器产生的日冕图像按有无CME分类. 含CME标签的图像将推送给中国的各空间天气预报中心, 对CME进行预警.     

基于EfficientNet的星系形态分类研究

星系的结构和形态能够反映星系自身的物理性质,其形态的分类是后续分析研究的一个重要环节.EfficientNet模型使用复合系数对深度网络模型的深度、宽度、输入图像分辨率进行更加结构化的统一缩放,是一种新的深度网络优化扩展方法.将该模型应用于星系数据形态的分类研究中,结果表明基于EfficientNetB5模型的平均准确率、精确率、召回率以及F1分数(精确率与召回率的调和平均数)都在96.6%以上,与残差网络(Residual network, ResNet)中ResNet-26模型的分类结果相比有较大的提升.实验结果证明EfficientNet的深度网络优化扩展方法可行且有效,可应用于星系的形态分类.     

基于FPN-ViT的星系形态分类研究

随着人工智能技术的发展, 利用深度学习方法进行星系形态分类研究取得了较大进展, 但在分类精度、自动化及其星系的空间特征表示上仍然存在不足之处. Vision Transformer (ViT)模型目前在星系形态分类上具有较好的鲁棒性, 但是在处理多尺度图像时存在一定的局限性, 因此提出将特征金字塔(Feature Pyramid Networks, FPN)引入ViT模型(FPN-ViT)中进行星系形态的分类研究中. 结果表明: 基于FPN-ViT模型进行星系形态分类的平均准确率、精确率、召回率以及F1分数等各项评估指标均在95%以上, 与传统的ViT模型相比各项指标均有一定程度的提升. 同时, 在原始星系图像中加入不同程度的高斯噪声和椒盐噪声, 验证FPN-ViT模型对低信噪比数据也能获得较好的分类性能. 此外, 为了对模型进行综合评估, 采用t分布随机邻接嵌入(t-distributed Stohastic Neighbor Embedding, t-SNE)算法对分类结果进行了可视化分析, 能够更加直接地看出FPN-ViT模型对于星系形态分类的效果. 因此, 将FPN网络应用于ViT模型对星系形态的分类研究中是一种全新尝试, 对后续研究具有重要意义.     

德令哈13.7m望远镜接收机抗射频干扰研究

在天文观测中,射频干扰会造成假谱,降低数据的可靠性和有效性.射频干扰消减旨在减少干扰信号对射电天文观测的影响,包含器件方面的技术革新和数据处理领域的方法研究.针对德令哈13.7 m望远镜接收机中频部分引入的射频干扰,通过优化中频器件的抗射频干扰能力,提高了接收机的整体抗射频干扰能力,以主动消除方法来减少射频干扰耦合到接收机内部.分析了接收机干扰的传输路径,提出了器件射频干扰的直接耦合系数和器件射频干扰的系统耦合系数的概念,为定位干扰敏感器件并量化干扰引入比重提供了基础.经过抗射频干扰优化后,接收机抗干扰能力改善30 dB左右,望远镜的天文观测效率提高10%以上.     

天文选址的夜间云量处理方法

云量是影响天文台址质量最重要的因素之一,对夜间云量的检测和处理尤为重要.采用地面云量相机对全天云量进行监测,所拍摄的图像需要有效的方法进行处理以量化云量.夜间云量图像受月光的影响严重,因此将夜间的云量图像分为有月夜和无月夜两类进行处理.针对无月夜情况,给出了夜间云量的处理过程.对图像中的亮星进行定位和测光,确定星等差.以晴夜图像中亮星的星等差为参照,将星等差低于阈值条件的亮星概率作为晴夜的概率标准.选取了3类图像对该方法进行测试并确定云量,分析了阈值条件对结果的影响.最后,讨论了该方法的适用范围和不确定性.     

基于图像相减和随机森林的AST3巡天暂现源及变源搜寻方法

AST3-2 (Antarctic Survey Telescopes)光学巡天望远镜位于南极大陆最高点冰穹A,其产生的大量观测数据对数据处理的效率提出了较高要求.同时南极通信不便,数据回传有诸多困难,有必要在南极本地实现自动处理AST3-2观测数据,进行变源和暂现源观测的数据处理,但是受到低功耗计算机的限制,数据的快速自动处理的实现存在诸多困难.将已有的图像相减方案同机器学习算法相结合,并利用AST3-2 2016年观测数据作为测试样本,发展一套的暂现源及变源的筛选方法成为可行的选择.该筛选方法使用图像相减法初步筛选出可能的变源,再用主成分分析法抽取候选源的特征,并选择随机森林作为机器学习分类器,在测试中对正样本的召回率达到了97%,验证了这种方法的可行性,并最终在2016年观测数据中探测出一批变星候选体.     

基于SE-Inception-v3的星系形态分类模型

随着天文探测技术的快速发展, 海量的星系图像数据不断产生, 能够及时高效地对星系图像进行形态分类对研究星系的形成与演化至关重要. 针对传统的星系形态分类模型特征选择困难、分类速度慢、准确率受限等难题, 提出一种以Inception-v3神经网络为主干结构, 融合压缩激励(Squeeze and Excitation Network, SE)通道注意力机制的星系形态分类模型. 该模型在斯隆数字巡天(Sloan Digital Sky Survey, SDSS)样本的测试集准确率高达99.37%. 旋涡星系、圆形星系、中间星系、雪茄状星系与侧向星系的F1值分别为99.33%、99.58%、99.33%、99.41%与99.16%. 该模型与Inception-v3、MobileNet (Mobile Neural Network)和ResNet (Residual Neural Network)网络模型相比, SE-Inception-v3宽度和深度优势表现出更强的特征提取能力, 可以高效识别不同形态的星系, 为未来大型巡天计划的大规模星系形态分类问题提供了一种新方法.     

Study of Radio Frequency Interference Mitigation Method Based on Wavelet Transform

In radio astronomy observations, radio frequency interference (RFI) is mixed into the telescope receiving system in various forms. The existence of RFI brings misjudgment to the observation or reduces the observational signal-to-noise ratio. In recent years, the domestic and overseas radio astronomy has developed rapidly. Large-scale radio telescopes and telescope arrays at home and abroad have been constructed successively. Observation sensitivity is greatly improved, and the influence of RFI is particularly prominent. With the development of science and technology and the intensification of human activities, the RFI has become increasingly serious and irreversible. We propose to use the two-dimensional discrete wavelet transform method to analyze the data of radio astronomy observations, and to perform wavelet transform on the time-frequency sequence output by the telescope system. According to the wavelet coefficients, the every component in the original signal is separated, and the corresponding threshold value is obtained by the statistics on each component. Each component is compared with the threshold to identify the interference component, and to mark it for removal. This method is used to process the actual observation data. The results show that this method can well mark and eliminate the interference signal, and improve the observational signal-to-noise ratio.     

射电望远镜远场区域强干扰源规避方法研究

随着频率使用率的提高, 射电天文台址地面或空间存在强电磁干扰致使望远镜接收机系统处于非线性状态. 为减少强电磁干扰的影响、提高天文观测效率, 提出了一种基于望远镜远场区域的强干扰源规避方法. 首先, 通过仿真分析确定的射电望远镜远场方向图, 结合望远镜与干扰源之间的位置关系, 分析了强电磁干扰到达射电望远镜焦点处的功率响应, 并依据接收机第2阶中频放大器性能参数, 确定射电望远镜处于非饱和状态的规避角度计算方法. 其次, 采用该方法计算分析了民航飞机对射电望远镜的影响, 若民航飞机上有主动发射的干扰源, 且不经过反射等传播现象, 当射电望远镜主波束轴偏开一定方向后, 可有效降低对射电望远镜的干扰强度.     

Wavelet Analysis of Space Solar Telescope Images

The scientific satellite SST (Space Solar Telescope) is an important research project strongly supported by the Chinese Academy of Sciences. Every day, SST acquires 50 GB of data (after processing) but only 10GB can be transmitted to the ground because of limited time of satellite passage and limited channel volume. Therefore, the data must be compressed before transmission. Wavelets analysis is a new technique developed over the last 10 years, with great potential of application. We start with a brief introduction to the essential principles of wavelet analysis, and then describe the main idea of embedded zerotree wavelet coding, used for compressing the SST images. The results show that this coding is adequate for the job.     

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,...     

Detection of Faint Asteroids Based on Image Shifting and Stacking Method

In order to improve the ability to find the faint and small celestial bodies in the solar system, a method of shifting and stacking images which improves the detection efficiency of faint moving objects is applied to process the sequential optical images. This method determines the existence of moving objects by using the method of false position to pre-estimate the apparent velocities of moving objects, then determines iteratively the accurate positions of moving objects based on the SNR (Signal-to-Noise Ratio) and elongation of stellar image. Using the sequential images of the China Near Earth Object Survey Telescope (CNEOST), we carry out an experiment and succeed in detecting asteroids fainter than 21 magnitude which are invisible on a single image. Thus, the feasibility of this method is verified.     

Wavelet domain Bayesian denoising of string signal in the cosmic microwave background

An algorithm is proposed for denoising the signal induced by cosmic strings in the cosmic microwave background. A Bayesian approach is taken, based on modelling the string signal in the wavelet domain with generalized Gaussian distributions. Good performance of the algorithm is demonstrated by simulated experiments at arcminute resolution under noise conditions including primary and secondary cosmic microwave background anisotropies, as well as instrumental noise.