電波天文学におけるRFI検出と除去のための自己学習ニューラルネットワークアプローチ【JST・京大機械翻訳】

Saliwanchik Benjamin R. B.; Slosar Anze

プレプリント

J-GLOBAL ID：202202205631917750 整理番号：22P0322828

電波天文学におけるRFI検出と除去のための自己学習ニューラルネットワークアプローチ【JST・京大機械翻訳】

A Self-Learning Neural Network Approach for RFI Detection and Removal in Radio Astronomy

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年03月30日プレプリントサーバーでの情報更新日： 2022年10月05日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

典型的な無線天文学実験の信号処理チェーンにおける生ディジタル化信号からのラジオ周波数干渉(RFI)の検出と除去のための新しいニューラルネットワーク(NN)法を提案した。この方法の主な利点は,訓練セットを必要としないことである。代わりに,この方法は天文源から来る関心の真の信号が熱であり,従って圧縮できないGaussランダム過程として記述されるという事実に依存する。変分符号器/デコーダネットワークを用いてデータストリーム中の圧縮性情報を見出し,最も少ない自由度でほとんどの分散を説明できる。バリオンマッピングeXperiment(BMX)プロトタイプから,トイ問題と保存リングバッファのセットで実証した。RFIサブトラクションは模擬時間ストリームの洗浄に有効であるが,NNによるRFI洗浄時間ストリーム出力のパワースペクトルは付加的雑音と整合する余分な信号に悩まされ,RFI電力が信号よりも1桁大きいときでさえ,それは一般に,バンド全体の約パーセントレベルおよび汚染スペクトルチャネルにおける10%以下であることを見出した。この方法の利点と限界,および将来の無線実験のフロントエンドにおける可能な実装を論じた。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, 【Automatic Indexing@JST】

天文学・天体物理学一般 , 雑音一般 , 光通信方式・機器

, , ,

前のページに戻る