基于信噪比的射电天文数据新颖检测
天体物理仪器与方法
2024-03-13 v2 机器学习
摘要
我们介绍了 SigNova，这是一个用于检测流式数据中异常值的半监督框架。虽然我们的初始示例侧重于检测射电天文学中数字化信号中的射频干扰（RFI），但需要注意的是，SigNova 的适用性扩展到任何类型的流式数据。该框架包含三个主要组件。首先，我们使用签名变换从观测序列中提取一组规范的概括统计量。这使我们能够将可变长的可见性样本表示为有限维的特征向量。其次，计算每个特征向量的新颖得分，将其计算为其在无 RFI 训练集中最近邻的马氏距离。通过对这些得分进行阈值处理，我们识别出偏离无 RFI 可见性样本预期行为的观测范围，而无需依赖严格的分布性假设。最后，我们将这个异常检测器与 Pysegments 分段算法集成，以局部化任何受 RFI 污染的连续观测。该方法为射电干扰检测提供了一个引人注目的替代方案，不同于常用的窗口技术。重要的是，我们算法的复杂度取决于 RFI 模式，而非观测窗口的大小。我们展示了 SigNova 在时频可见性数据中改进检测各种类型 RFI（如宽带和窄带）的效果。我们在 Murchison Widefield Array（MWA）望远镜和仿真数据以及 Hydrogen Epoch of Reionization Array（HERA）上进行了验证。
引用
@article{arxiv.2402.14892,
title = {Novelty Detection on Radio Astronomy Data using Signatures},
author = {Paola Arrubarrena and Maud Lemercier and Bojan Nikolic and Terry Lyons and Thomas Cass},
journal= {arXiv preprint arXiv:2402.14892},
year = {2024}
}