基于高斯过程的日长变化预报

由于日长(length-of-day,LOD)变化具有复杂的时变特性,传统线性模型如最小二乘外推模型、时间序列分析模型等的预报效果往往不甚理想,所以将一种新型的机器学习算法—高斯过程(Gaussian processes,GP)方法用于LOD变化预报,并将预报结果同利用反向传播神经网络(back propagation neural networks,BPNN)和广义回归神经网络(general regression neural networks,GRNN)的预报结果以及地球定向参数预报比较竞赛(Earth Orientation Parameters Prediction Comparison Campaign,EOP PCC)的预报结果进行对比.结果表明,GP用于LOD变化预报是高效可行的.     

多任务Lasso回归法在恒星光谱物理参量估计中的应用

多任务学习方法在机器学习、计算机视觉、人工智能领域已得到广泛关注,利用任务间的相关性,将多个任务同时学习的效果优于每个任务单独学习的情况.采用多任务Lasso回归法(Multi-task Lasso Regression)用于恒星光谱物理参量的估计,不仅可以获取不同物理参量间的共同的特征信息,而且也可以很好地保留不同物理参量的特有的补充信息.使用恒星大气模拟模型合成光谱库ELODIE中的光谱数据和美国大型巡天项目Sloan发布的SDSS实测光谱数据进行实验,模型估算精度优于相关文献中的方法,特别是对重力加速度(lg g)和化学丰度([Fe/H])的估计.实验中通过改变光谱的分辨率,施加不同信噪比(SNR)的噪声,来说明模型的稳定性强.结果表明,模型精度受光谱分辨率和噪声的影响,但噪声对其影响更大,可见,多任务Lasso回归法不仅操作简便,稳定性强,而且也提高了模型的整体预测精度.     

CDFS天区中喑蓝星系的测光红移研究

从COMBO-17数字巡天数据里,选择了CDFS(Chandra Deep Field South)天区中1231个测光红移在0.1～0.3之间的暗蓝星系作为样本,研究了这些星系分别在只有光学波段和光学加近红外波段数据情况下做测光红移得到的红移分布,以及这些星系在静止参考系下的能谱分布(Spectral Energy Distributions,SEDs)特征.结果表明有183个星系在利用光学加近红外波段数据做测光红移时得到的红移大于1.2,它们的误差为0.046,提高测光的信噪比也有利于区分这类被光学波段误认为低红移的星系.这些暗蓝星系中高红移星系的观测近红外流量相对于光学流量有上升的趋势,而低红移星系的观测近红外流量相对于光学流量有下降的趋势.     

GALILEO搜救定位处理的分布式数据融合方法

对遇险目标搜索救援的支持是GALILEO全球卫星导航系统的一项重要民用服务.文章介绍了GALILEO搜索救援子系统(SAR)定位的基本原理.在GALILEO SAR中测量量为时间信号与频率信号,文章详细地给出了两种测量信号的定位方法.基于多传感器信息融合技术,对搜索救援系统中不同测量信号进行综合状态估计.在仿真计算中,采用带噪声的模拟测量数据进行定位,数值计算的结果显示基于多传感器数据融合方法的综合状态估计是可靠的.     

65 m射电望远镜背架结构日照温度效应实验研究

借助精密工程测量手段,对65 m天线背架的日照温度效应进行了实验研究.在天线背架设计坐标系下分析实验数据,建立了日照温度变形模型,得出背架结构沿X方向变形系数为Kx=1.30×10-5,沿Z方向变形系数为Kz=-0.44×10-5,沿Y方向变形偏向太阳照射一侧.根据实验数据建立的背架变形模型,模拟分析了65 m天线背架日照温度变形对面形精度的影响,得出环境温度变化1℃带来的面形精度(均方根值rms)影响分量约为0.09 mm.实验结果为65 m天线主动面调节提供了很有价值的参考数据.     

基于特征向量算法的Loran—C天波延迟估计的研究

提出了一种基于特征向量算法来估计Loran-C接收机天波延迟的信号处理新技术,为设计具有自适应调节最佳采样点的Loran-C接收机打下良好的基础.建立了基于频谱相除技术的信号模型,简要介绍了特征向量的谱估计算法.研究了此算法估计天波延迟的准确性,并与IFFT技术作了对比.仿真结果显示.特征向量算法比IFFT具有更高的分辨率和尖锐的波峰.最后,通过实测数据的实验验证了这些结论.     

电离层延时对低轨卫星频率传递的影响分析

利用低轨卫星,对受干扰区域的卫星导航接收机进行频率传递,是提升其性能的一种有效手段.而电离层延时误差是影响传递效果的重要因素.对基于低轨卫星的频率传递应用背景进行了介绍,分析了其基本原理,并着重分析了电离层延时的存在对频率传递的影响,提出利用站间差历元差的方法对电离层延时进行修正.最后,通过仿真对理论分析进行了验证.结果表明,通过站间差历元差的手段,对当前电离层变化值进行求解与预测,可以将电离层延时误差的变化控制在一定范围,满足频率传递的要求.     

星地无线电双向时间比对模型及试验分析

星地时间同步是卫星导航系统的一个关键技术,是实现卫星导航定位的基础.针对星地时间同步问题,讨论了一种星地无线电双向时间比对方法,详细推导了该方法中星地上下行伪距的归算模型,给出了星地钟差的实用计算模型.该方法通过上下行伪距求差.消除了对流层延迟,卫星星历误差和地面站站址坐标误差等共有误差影响,与信号频率有关的电离层延迟也被很大程度地削弱,从而大大提高了时间比对精度.最后,利用实测数据进行了试验分析,结果表明:星地无线电双向时间比对精度能够达到约0.34ns,验证了理论方法和模型的正确性.     

火星电离层无线电掩星探测仿真研究

对中俄联合火星星-星电离层掩星技术体制进行了分析和介绍,采用三维射线追踪方法对电离层掩星事件的电波观测值进行了模拟计算,并利用模拟的掩星观测数据进行了电子密度廓线反演,结果说明仿真算法可靠.利用仿真的方法,分别对掩星电波相位观测误差和卫星轨道误差等带来的反演误差进行了个例计算和分析,结果得到:5%周的相位测量误差对白天电离层掩星探测结果的影响可以忽略,而夜间电子密度测量的绝对误差小于4×108 m-3;卫星轨道误差对掩星的主要影响是导致电离层高度抬升或下降.结果表明,中俄联合火星电离层掩星探测技术体制先进,可望获得高精度的电子密度廓线;其技术体制也可以用于月球电离层环境的探测.     

电荷守恒与CCD孔径测光

Lick天文台的CCD控制器是一类新型控制器,它能够在同一CCD系统内实现MPP(Multi—pinned phase)和通常工作模式间的转换．自2002年起中国至少有4架 CCD照相机使用这类控制器．此控制器的弱点是溢出发生在非线性前,而且远在饱和以前．虽然这对亮的面光源观测不利,并且它妨碍了使用亮星构建点扩散函数(psf)．但是由于电荷守恒原理,对亮的点源(恒星)的孔径测光依然可行．观测证明了此结论．     

Application of General Regression Neural Network to the Prediction of LOD Change

Traditional methods for predicting the change in length of day (LOD change) are mainly based on some linear models, such as the least square model and autoregression model, etc. However, the LOD change comprises complicated non-linear factors and the prediction effect of the linear models is always not so ideal. Thus, a kind of non-linear neural network — general regression neural network (GRNN) model is tried to make the prediction of the LOD change and the result is compared with the predicted results obtained by taking advantage of the BP (back propagation) neural network model and other models. The comparison result shows that the application of the GRNN to the prediction of the LOD change is highly effective and feasible.     

An Artificial Neural Network approach to classify SDSS stellar spectra

We present a combined method to classify stellar spectra of the seventh data release (DR7) of the SDSS via an Artificial Neural Network (ANN), derive radial velocities and to estimate distances from an isochrone fitting technique. In total, we used 29 182 spectra of stars falling in the effective temperature range between 10000 and 5500 K, including white dwarfs. The targets were selected on the basis of SDSS colours. We compare our results not only with the SEGUE Stellar Parameter Pipeline output, but also with already published values and find excellent agreement. With new and extensive data sets from all‐sky ground based as well as satellite missions, our approach will become very important and efficient to analyse these information (© 2011 WILEY‐VCH Verlag GmbH & Co. KGaA, Weinheim)     

遗传算法优化的BP神经网络卫星钟差预报

针对BP (Back Propagation)神经网络模型预测卫星钟差中权值和阈值的最优化问题, 提出了基于遗传算法优化的BP神经网络卫星钟差短期预报模型, 给出了遗传算法优化BP神经网络的基本思想、具体方法和实施步骤. 为验证该优化模型的有效性和可行性, 利用北斗卫星导航系统(BeiDou navigation satellite system, BDS)卫星钟差数据进行钟差预报精度分析, 并将其与灰色模型(GM(1,1))和BP神经网络模型预报的结果比较分析. 结果表明: 该模型在短期钟差预报中具有较好的精度, 优于GM(1,1)模型和BP神经网络模型.     

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.     

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.     

High level interfaces to the Robonet‐1.0 Homogeneous Telescope Network

We describe the current high level interfaces used for communicating with the Robonet‐1.0 Homogeneous Telescope Network. This is a network of three telescopes, the Liverpool Telescope and the Faulkes Telescopes (North and South). We describe our use of RTML and web‐services to enable control of the network by intelligent agents. (© 2006 WILEY‐VCH Verlag GmbH & Co. KGaA, Weinheim)     

An RTML transport implementation on the Liverpool Telescope

The Liverpool Telescope is a 2.0m fully robotic telescope based on the Canary island of LaPalma. In this paper I describe the Java(TM) implementation of a method to transport RTML (Remote Telescope Markup Language) between a Node Agent (Web Services endpoint) embedded at the telescope and a remote Agent. The advantages and disadvantages of the method are discussed, along with the suitability of the protocol for HTN standardisation. (© 2008 WILEY‐VCH Verlag GmbH & Co. KGaA, Weinheim)