机器学习辅助的 CREDO 实验噪声滤波与信号分类
仪器与探测器
2021-10-04 v1 信号处理
摘要
宇宙射线极端分布式天文台（CREDO）收集的智能手机数据量远超人工分析能力。因此，亟需高效手段来剔除非宇宙射线噪声并识别可归因于广延空气簇射的信号。为解决这些问题，我们讨论了一种基于卷积神经网络（CNN）的伪影剔除方法，以及基于常见统计分类器及其集成扩展的互补粒子识别方法。这些方法基于监督学习，因此我们需要提供 CREDO 数据集的代表性子集用于训练和验证。据此方法，我们选取了超过 2300 张图像并由 5 名评判者手动标注。图像被分为点状、径迹、蠕虫（统称为信号）和伪影类。随后进行预处理，包括 RGB 通道亮度求和（灰度化）和自适应阈值背景去除。为剔除伪影，我们提出了二分类 CNN 分类器，能够区分伪影与信号。该分类器以 Daubechies 小波变换图像作为输入数据。在宇宙射线信号分类方面，我们考虑了已知的特征基分类器。作为特征描述符，我们使用了 Zernike 矩及与图像总亮度相关的附加特征。在伪影剔除问题上，我们获得了 99% 的准确率。对于四分类信号分类，性能最优的分类器达到了 88% 的识别率。
引用
@article{arxiv.2110.00297,
title = {Machine learning aided noise filtration and signal classification for CREDO experiment},
author = {Łukasz Bibrzycki and David Alvarez-Castillo and Olaf Bar and Dariusz Gora and Piotr Homola and Péter Kovács and Michał Niedźwiecki and Marcin Piekarczyk and Krzysztof Rzecki and Jaroslaw Stasielak and Sławomir Stuglik and Oleksandr Sushchov and Arman Tursunov},
journal= {arXiv preprint arXiv:2110.00297},
year = {2021}
}
备注
9 pages,4 figurek, ICRC 2021 contribution