基于 FAST 数据的脉冲器中准周期性微脉冲的识别——卷积神经网络方法
高能天体物理现象
2025-12-23 v1
摘要
准周期性微脉冲（QMP）是脉冲器单个脉冲中呈现的准周期性微观结构特征，其研究对于理解脉冲器辐射机制至关重要。手动识别大规模脉冲器单脉冲数据集效率极低。为此，我们提出了双阶段残差网络（DSR），通过联合分析单个脉冲轮廓及其振幅分布轮廓（ADP），后者定义为微观结构残差自相关函数导数功率谱。该模型在2019年PSR B1933+16的数据（10,486个单脉冲）上训练，在2020年手动标注的PSR B1933+16数据（9,657个单脉冲）上测试。DSR在测试集上实现96.10%的召回率和95.85%的精确率。该方法为大规模、可重复的QMP识别提供了自动化流程，为深入探讨其物理机制奠定了基础。
引用
@article{arxiv.2512.19235,
title = {Identifying Quasi-Periodic Micropulses in Pulsars with FAST Using Convolutional Neural Networks},
author = {Shidong Wang and Hui Liu and Ru-Shuang Zhao and Baoqiang Lao and Yong-Kun Zhang and Y. F. Xiao and Pei Wang and Di Li and R. W. Tian and Z. F. Tu and Q. Zhou and Z. J. Zhang and Qijun Zhi and Shijun Dang and Kun Yang},
journal= {arXiv preprint arXiv:2512.19235},
year = {2025}
}