学习在无观测下检测射电天文中的射频干扰
天体物理仪器与方法
2022-10-12 v2
摘要
射频干扰（RFI）会破坏天文测量，从而影响射电望远镜的性能。为解决此问题，已有研究提出有监督分割模型作为 RFI 检测的候选方案。然而，由于标注代价高昂导致大型标注数据集不可用，使得这些方案无法使用。为解决这些缺陷，我们关注逆问题：仅在无污染发射上训练模型，从而学会从所有已知天文信号与系统噪声中判别 RFI。我们使用最近邻隐变量（NLN）——一种利用生成式自编码模型隐空间中重构与到最近邻的隐距离进行新颖性检测的算法。无污染区域通过使用弱标签形式的 RFI 标志（由经典 RFI 标记方法生成）来选取，这些标志可从大多数射电天文数据档案中免费获得。我们在两个独立数据集上评估性能，一个由 HERA 望远镜模拟生成，另一个由 LOFAR 望远镜的真实观测组成。此外，我们提供了一个小型专家标注的 LOFAR 数据集（即强标签）用于评估我们的及其他方法。性能使用 AUROC、AUPRC 及固定阈值下的最大 F1 分数衡量。对于模拟数据，我们在 HERA 数据集上以约 1% 的 AUROC 与 3% 的 AUPRC 优于当前最先进水平。此外，对于 LOFAR 数据集，我们的算法在 AUROC 与 AUPRC 上均提升 4%，代价是 F1 分数性能下降，且无需任何人工标注。
引用
@article{arxiv.2207.00351,
title = {Learning to detect RFI in radio astronomy without seeing it},
author = {Michael Mesarcik and Albert-Jan Boonstra and Elena Ranguelova and Rob V. van Nieuwpoort},
journal= {arXiv preprint arXiv:2207.00351},
year = {2022}
}