近期,广州大学国家天文科学数据中心大湾区分中心、南非罗德斯大学SKA团队、中国科学院云南天文台团队和昆明理工大学的孙浩民、邓辉、王锋、梅盈、许婷婷、Oleg Smirnov、邓林华和卫守林等人,开展了基于深度学习方法的射频干扰识别研究 ...
本研究基于深度神经网络对SKA1-LOW的仿真数据以及SKA先导阵列LOFAR、MeerKAT观测数据中的射频干扰(RFI)进行识别,并将识别结果与当前主流的RFI识别算法AOflagger进行对比。
结果表明:本研究中提出的深度神经网络对RFI的识别效果总体上与AOFlagger相当,并在一定情况下比现有算法有所改进。
本研究提出了一种鲁棒的基于卷积神经网络(CNN)的RFI识别方法。
网络结构
该网络用在真实的LOFAR、MeerKAT数据上经过训练得到的模型对真实数据中的RFI的识别结果与当前主流的RFI识别软件AOflagger以及tircolour (MeerKAT望远镜的RFI ...