基于深度学习消除中性氢强度映射巡天前景减除中的主瓣效应
天体物理仪器与方法
2022-07-28 v2 广义相对论与量子宇宙学
高能物理 - 唯象学
摘要
在中性氢（HI）强度映射（IM）巡天中，宇宙学信号上的前景污染极其严重，且射电望远镜自身引起的系统效应进一步加剧了前景减除的困难。在本工作中，我们研究深度学习方法（此处具体为 3D U-Net 算法）在考虑望远镜主瓣引起的系统效应时，是否能在前景减除中发挥关键作用。我们考虑两种束模型，即作为简单情形的高斯束模型和作为复杂情形的余弦束模型。传统的主成分分析（PCA）方法被用作对比，且更重要的是，用作 U-Net 方法的预处理步骤以减小天图动态范围。我们发现，在高斯束情形下，PCA 方法能有效清除前景。然而，PCA 方法无法处理余弦束引起的系统效应，而额外的 U-Net 方法能显著改善结果。为展示 PCA 和 U-Net 方法恢复 HI 信号的效果，我们还在进行前景减除后推导了 HI 角功率谱以及 HI 二维功率谱。研究发现，在高斯束情形下，使用 U-Net 与原始 HI 图的一致性比使用 PCA 好 ，而在余弦束情形下，使用 U-Net 的一致性比使用 PCA 好 。因此，基于 U-Net 的前景减除能有效消除望远镜主瓣效应，并为未来 HI IM 实验恢复 HI 功率谱提供新思路。
引用
@article{arxiv.2204.02780,
title = {Eliminating Primary Beam Effect in Foreground Subtraction of Neutral Hydrogen Intensity Mapping Survey with Deep Learning},
author = {Shulei Ni and Yichao Li and Li-Yang Gao and Xin Zhang},
journal= {arXiv preprint arXiv:2204.02780},
year = {2022}
}
备注
19 pages, 13 figures