使用深度神经网络恢复强度映射调查中的受污染数据
信号处理
2025-06-10 v1
摘要
21 cm 强度映射（IM）是检测局部宇宙之外大尺度结构信息的有前景的方法。IM 观测的最大挑战之一是前景去除程序。本文尝试使用深度神经网络（DNN）对 IM 实验中的受污染数据进行恢复。为考察此类数据恢复的影响，我们分别比较在使用多项式拟合、奇异值分解和独立成分分析进行前景去除后，恢复前后数据的均方根（RMS）。我们发现，DNN 基于的管道在降低大量受污染数据集的 RMS 水平方面表现良好。此外，我们考察了恢复对 CRIME 生成的模拟数据中大尺度 21 cm 信号的影响。仿真结果表明，经恢复后的数据的角功率谱曲线更接近真实值。我们的工作表明，DNN 基于的数据恢复方法在信噪比方面显著优于传统方法，为 IM 观测提供了极佳的潜力。
引用
@article{arxiv.2506.06386,
title = {Restoration of contaminated data in an Intensity Mapping survey using deep neural networks},
author = {Lin-Cheng Li and Jia-Yu Lin and Yuan-Gen Wang and Lister Staveley-Smith},
journal= {arXiv preprint arXiv:2506.06386},
year = {2025}
}