一种脉冲星搜索方法:结合二维自相关轮廓图与深度卷积神经网络
天体物理仪器与方法
2021-09-08 v1
摘要
在脉冲星天文学中,从大量脉冲星候选体中探测有效脉冲星信号是重要研究课题。从空间 X 射线脉冲星信号出发,提出利用 X 射线信号自相关函数的历元折叠并扩展周期轴时域信息的二维自相关轮廓图(2D-APM)特征建模方法。关于周期轴时间分辨率的统一设定准则可在无任何先验信息下处理脉冲星信号。相比传统轮廓,该模型具有强抗噪能力、更丰富的信息与一致的特征。以双高斯分量模拟新特征,揭示该模型特征分布与轮廓双峰间距密切相关。接着,构建名为 Inception-ResNet 的深度卷积神经网络(DCNN)。依据峰分离顺序与到达光子数,基于泊松过程模拟 30 个数据集构建训练集,并选取 Rossi X 射线计时探测器(RXTE)对 PSRs B0531+21、B0540-69 与 B1509-58 的观测数据生成测试集。训练集与测试集数量分别为 30,000 与 5,400。在达到收敛稳定后,超过 99 的脉冲星信号被识别,且超过 99 的干扰被成功剔除,验证了网络与特征模型的高度吻合及所提方法在脉冲星搜索中的高潜力。
引用
@article{arxiv.2103.01431,
title = {A Method for Pulsar Searching: Combining a Two-dimensional Autocorrelation Profile Map and a Deep Convolutional Neural Network},
author = {Longqi Wang and Jing Jin and Lu Liu and Yi Shen},
journal= {arXiv preprint arXiv:2103.01431},
year = {2021}
}
备注
24 pages, 14 figures, Journal