基于含噪合成频谱图数据的 SETI 窄带信号定位
天体物理仪器与方法
2020-10-07 v2
摘要
如今，地外文明搜索（SETI）高度依赖于我们在射电望远镜观测中探测有趣候选信号（或技术特征）并将其与人类射频干扰（RFI）区分开的能力。当前的信号搜索流水线在强度随时间与频率变化的频谱图（可视为图像）中寻找信号，但在识别单帧中多个信号时表现不佳。当暗弱信号与明亮、高信噪比（SNR）信号同帧时，这一点尤为明显。在本工作中，我们采用卷积神经网络（CNN）作为一种计算高效的方法，用于在类似由绿岸望远镜的突破聆听计划所采集数据的合成观测中定位信号。我们生成了两个合成数据集：第一个含恰好一个处于不同 SNR 水平的信号，第二个含恰好两个信号，其中之一为 RFI。我们发现，带有步幅卷积并使用多种图像归一化作为输入的残差 CNN，优于仅在单一归一化输入上训练、带最大池化的更基础 CNN。在更高 SNR 水平下以较小训练子集训练各模型，可显著提升模型性能，在 25 dB SNR 下均方根误差至少降低为原来的 1/3。尽管各模型均产生具有显著误差的离群值，这些结果表明使用 CNN 分析信号位置大有前景，尤其在拥挤着多个信号的图像帧中。
引用
@article{arxiv.2006.04362,
title = {Narrow-Band Signal Localization for SETI on Noisy Synthetic Spectrogram Data},
author = {Bryan Brzycki and Andrew P. V. Siemion and Steve Croft and Daniel Czech and David DeBoer and Julia DeMarines and Jamie Drew and Vishal Gajjar and Howard Isaacson and Brian Lacki and Matthew Lebofsky and David H. E. MacMahon and Imke de Pater and Danny C. Price and S. Pete Worden},
journal= {arXiv preprint arXiv:2006.04362},
year = {2020}
}
备注
12 pages, 10 figures, 1 table, submitted to PASP