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。
然而来自通信技术以及其他人类活动所产生的射频干扰(RFI)严重影响了射电天文观测数据质量的同时也大大降低了望远镜的灵敏度。因此在射电数据处理中,对观测数据中的RFI进行识别标记是一项重要的工作。
模拟方法生成受到干扰的SKA1-LOW模拟观测数据,并使用以部分模拟数据训练得到的卷积神经网络(图1)来对其余三个受到不同强度、形态干扰的数据集进行测试,测试结果表面:本文提出的模型对SKA1-LOW的仿真数据中 ...