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.     

基于深层残差网络的脉冲星候选体分类方法研究

随着下一代射电天文望远镜的不断改进和发展,脉冲星巡天观测将发现数百万个脉冲星候选体,这给脉冲星的识别和新脉冲星的发现带来了巨大挑战,迅速发展的人工智能技术可用于脉冲星识别.使用Parkes望远镜的脉冲星数据集(The High Time Resolution Universe Survey,HTRUS),设计了一个14层深的残差网络(Residual Network,ResNet)进行脉冲星候选体分类.在HTRUS数据样本中,存在非脉冲星候选体(负样本)的数目远远大于脉冲星候选体(正样本)数目的样本非均衡问题,容易产生模型误判.通过使用过采样技术对训练集中的正样本进行数据增强,并调整正负样本的比例,解决了正负样本非均衡问题.训练过程中,使用5折交叉验证来调节超参数,最终构建出模型.测试结果表明,该模型能够取得较高的精确度(Precision)和召回率(Recall),分别为98%和100%,F1分数(F1-score)能够达到99%,每个样本检测完成只需要7 ms,为未来脉冲星大数据分析提供了一个可行的办法.     

基于卷积神经网络的恒星光谱型和光度型的分类模型

恒星光谱分类是天文学中一个重要的研究问题.对于已经采集到的海量高维恒星光谱数据的分类,采用模式匹配方法对光谱型分类较为成功,但其缺点在于标准恒星模版之间的差异性在匹配实际观测数据中不能体现出来,尤其是当需要进行光谱型和光度型的二元分类时模版匹配法往往会失败.而采用谱线特征测量的光度型分类强烈地依赖谱线拟合的准确性.为了解决二元分类的问题,介绍了一种基于卷积神经网络的恒星光谱型和光度型分类模型(Classification model of Stellar Spectral type and Luminosity type based on Convolution Neural Network, CSSL CNN).这一模型使用卷积神经网络来提取光谱的特征,通过注意力模块学习到了重要的光谱特征,借助池化操作降低了光谱的维度并压缩了模型参数的数量,使用全连接层来学习特征并对恒星光谱进行分类.实验中使用了大天区面积多目标光纤光谱天文望远镜(Large Sky Area Multi-Object Fiber Spectroscopy Telescope, LAMOST)公开数据集Data Release 5 (DR5,用了其中71282条恒星光谱数据,每条光谱包含了3000多维的特征)对该模型的性能进行验证与评估.实验结果表明,基于卷积神经网络的模型在恒星的光谱型分类上准确率达到92.04%,而基于深度神经网络的模型(Celestial bodies Spectral Classification Model, CSC Model)只有87.54%的准确率; CSSL CNN在恒星的光谱型和光度型二元分类上准确率达到83.91%,而模式匹配方法MKCLASS仅有38.38%的准确率且效率较低.     

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,...     

快速射电暴的数据统计

快速射电暴于2007年首次在脉冲星巡天的历史数据中被发现,是一种在射电波段观测到的具有色散量的单个强脉冲,其特征为持续时间仅为若干毫秒,峰值流量密度可达到央斯基量级。类似于射电脉冲星的单个脉冲,但其色散显著超过同一视线方向上银河系内星际介质的预期最大值。对截止2018年6月帕克斯望远镜、绿岸望远镜、阿雷西博射电望远镜、UTMOST望远镜和ASKAP望远镜已探测到的52例快速射电暴进行了观测量统计分析,根据模型扣除银河系星际介质导致的色散量后,快速射电暴平均色散量为584.5 pc·cm^-3,暗示着快速射电暴来自河外。通过最佳拟合估算红移幂律分布谱dN/dF_obs=4.14±1.30×F■sky^-1·day^-1。根据分析结果预计,FAST望远镜使用19波束接收机后,其多科学目标同时巡天在经过一年时间内能发现大约10个快速射电暴,将有效地扩大样本数量,为快速射电暴研究提供重要信息。     

快速射电暴寄主星系色散量的估计

定位快速射电暴(Fast Radio Burst, FRB)以及确认其寄主星系至今仍是一个具有挑战性的难题,截至2021年4月已确认13个快速射电暴的寄主星系,其中只有3个重复暴,其余都是非重复暴.快速射电暴的寄主星系对快速射电暴起源的探索起着非常重要的作用,约束着快速射电暴前身星模型.对这些已确认寄主星系的FRB进行研究,发现FRB寄主星系对色散量(Dispersion Measure, DM)的贡献在一定范围内波动(0–240 pc·cm-3),并且寄主星系对DM的贡献与寄主星系的性质(恒星形成率、金属丰度)也可能具有关联性.寄主星系恒星形成率、金属丰度与色散量的统计关系对FRB邻近环境的研究有着重要意义.     

一个耀变体样本在射电波段的Jurkevich周期分析

利用欧文斯谷射电天文台(Owens Valley Radio Observatory, OVRO) 15 GHz的观测数据,通过Jurkevich理论分析了78个耀变体样本的光变曲线,结果表明,射电源显示了显著的光变周期,范围为0.83–2.55 yr.另外,通过估算射电源光变的调制指数,发现蝎虎天体的调制指数较平谱射电类星体有更大的高斯分布峰值.     

基于深度学习的太阳F_10.7辐射通量的短期预报研究

F_10.7太阳辐射通量作为输入参数被广泛运用于大气经验模型、电离层模型等空间环境模型,其预报精度直接影响航天器轨道预报精度.采用时间序列法统计了太阳辐射通量F10.7指数和太阳黑子数(SSN)的关系,给出了两者之间的线性关系,在此基础上提出了一种基于长短时记忆神经网络(Long and Short Term Memory,LSTM)的预报方法,方法结合了54 d太阳辐射通量指数和SSN历史数据来对F_10.7进行未来7 d短期预报,并与其他预报方法的预报结果进行了比较,结果表明:(1)所建短期预报7 d方法模型的性能优于美国空间天气预报中心(Space Weather Prediction Center, SWPC)的方法,预测值和观测值的相关系数(CC)达到0.96,同时其均方根误差约为11.62个太阳辐射通量单位(sfu),预报结果的均方根误差(RMSE)低于SWPC,下降约11%;(2)对预测的23、24周太阳活动年结果统计表明,太阳活动高年的第7 d F10.7指数预报平均绝对百分比误差(MAPE)最优可达12.9%以内,低年最优可达2...     

大样本“变脸”活动星系核多频射电巡天观测结果的统计研究

光学波段的“变脸”AGN (changing-look Active Galactic Nucleus, CL AGN)是光谱类型发生变化AGN的统称.近年来,越来越多观测证据表明这类现象与中央超大质量黑洞吸积活动有关.而黑洞吸积率的变化可能会引起喷流的增强或者减弱,进而导致射电波段观测性质的变化.在已发表的文献中,收集了74个光学波段证认的“变脸”AGN、90个“变脸”AGN的候选体.基于这个目前最大并且选源方式多样化的非完备样本,探讨了“变脸”AGN在射电波段的观测性质.从澳大利亚平方公里阵先导设备(Australian Square Kilometre Array (SKA) Pathfinder, ASKAP)和美国甚大阵甚大阵(Very Large Array, VLA)的4大射电巡天观测中,发现了51个“变脸”AGN (含21个候选体)在0.9–3 GHz存在射电波段的对应体,样本的射电探测率约为41%,与一般AGN的射电探测率无显著区别.此外,分析了这些源的射电谱指数,发现在1.4 GHz和3 GHz频段“变脸”AGN相对于一般射电源有较平的射电谱.该统计结果或可解释为“...     

快速射电暴光学对应体在中国未来大视场望远镜中的可探测性分析

快速射电暴是近年来发展最快的天文学科之一. 理论上, 快速射电暴可能存在毫秒到小时时标的光学\lk对应体. 快速射电暴光学对应体有可能在中国未来大视场望远镜中探测到, 例如: 中国空间站工程巡天望远\lk镜(China Space Station Telescope, CSST)、中国科学技术大学和紫金山天文台合作的2.5m大视场巡天望远镜(Wide Field Survey Telescope, WFST)和地球2.0 (Earth 2.0, ET)等. 快速射电暴光学对应体通常分为毫秒时标光学对应体、小时时标光学对应体和光学余辉. 前两者可产生于快速射电暴的高能外延或是快速射电暴的射电辐射与高能电子的逆康普顿散射, 探测率与光学-射电流量比$\eta_\nu$关系密切. 对于毫秒时标光学对应体, 最理想情况下WFST、CSST和ET的探测率可以达到每年上百个. 当$\eta_\nu$~10^-3时, WFST、CSST的年探测率仅 为1个的量级, ET的年探测率为19.5个. 对于小时时标光学对应体, 最理想情况下超新星遗迹的年龄为5年且$\eta_\nu$约为10^-6时, 年探测率可到100以上. FRB 200428的X射线对应体表明, 快速射电暴可能产生相对论性外流并且与星际介质相互作用产生光学余辉. 结合快速射电暴的能量、在宇宙中的分布以及标准余辉模型, 可以对快速射电暴余辉的可探测性进行研究. 当总能量-射电能量比与FRB 200428类似(ζ = 10⁵)时, CSST、WFST和ET的 年探测率分别为1.3、1.0和67个.     

Stellar Spectral Classification using Principal Component Analysis and Artificial Neural Networks

A fast and robust method of classifying a library of optical stellar spectra for O to M type stars is presented. The method employs, as tools: (1) principal component analysis (PCA) for reducing the dimensionality of the data and (2) multilayer back propagation network (MBPN) based artificial neural network (ANN) scheme to automate the process of classification. We are able to reduce the dimensionality of the original spectral data to very few components by using PCA and are able to successfully reconstruct the original spectra. A number of NN architectures are used to classify the library of test spectra. Performance of ANN with this reduced dimension shows that the library can be classified to accuracies similar to those achieved by Gulati et al. but with less computational load. Furthermore, the data compression is so efficient that the NN scheme successfully classifies to the desired accuracy for a wide range of architectures. The procedure will greatly improve our capabilities in handling and analysing large spectral data bases of the future.     

Automated Stellar Classification for Large Surveys with EKF and RBF Neural Networks

An automated classification technique for large size stellar surveys is proposed. It uses the extended Kalman filter as a feature selector and pre-classifier of the data, and the radial basis function neural networks for the classification. Experiments with real data have shown that the correct classification rate can reach as high as 93%, which is quite satisfactory. When different system models are selected for the extended Kalman filter, the classification results are relatively stable. It is shown that for this particular case the result using extended Kalman filter is better than using principal component analysis.     

Research on Pulsar Candidate Identification Method Based on Deep Residual Neural Network

As the next-generation radio astronomical telescopes continuously improve and develop, the pulsar survey will produce millions of pulsar candidates, which pose considerable challenges for pulsar identification and classification. The rapidly evolving artificial intelligence (AI) techniques are being used for pulsar identification and discovery of new pulsars. Using the pulsar data set observed with the Parkes telescope, namely the High Time Resolution Universe Survey (HTRUS), a 14-layer deep residual network has been designed (called the Residual Network, ResNet) for pulsar candidate classifications. In the HTRUS sample data, the number of non-pulsar candidates (i.e., negative samples) is much larger than that of pulsar candidates (i.e., positive samples). The imbalance between the positive and negative samples is prone to result in model misjudgement. By using the over-sampling technique to enhance the data of positive samples in the training set and adjusting the ratio of positive and negative samples, we have solved this imbalance problem. In the training process, the hyperparameters are adjusted by means of 5-fold cross validation to build the model. The test results indicate that the model can achieve a high precision (98%) and recall (100%), the F1-score can reach 99%, and that the implementation of each sample test needs only 7 ms, it has provided a feasible approach for the future big-data analysis of pulsars.     

Radio emission at 1.4 GHz from luminous compact galaxies

We analyse the properties of the 1.4 GHz continuum emission in 52 star‐forming compact luminous galaxies (LCGs). The fluxes of the 1.4 GHz thermal (free‐free) component are derived from the extinction‐ and aperture‐corrected fluxes of the Hα emission line. The fraction of the thermal 1.4 GHz emission is shown tobe in the range of 2–52 % with a median value of about 15–17 %, and its distribution is close to a log‐normal one. Both the thermal and non‐thermal radio continuum luminosities are shown to be proportional to the masses of the young stellar population of the LCGs. We discuss the approximation of the ratio of the 1.4 GHz luminosity‐to‐the mass of the young stellar population as a function of starburst age. The derived approximation is shown to be similar but less clearly defined compared to ones obtained previously for LCGs from their Hα and UV continuum luminosities. (© 2015 WILEY‐VCH Verlag GmbH & Co. KGaA, Weinheim)