III 型太阳射电暴的检测与分类：一种深度学习方法
太阳与恒星天体物理
2021-05-31 v1 天体物理仪器与方法
计算机视觉与模式识别
摘要
太阳射电暴（SRBs）通常在动态频谱中观测到，根据其在频率和时间上的形状与范围分为五类主要谱型，标记为 I 至 V 型。由于其表征复杂，太阳射电物理中的一个挑战是此类射电暴的自动检测与分类。近年来，由于 LOFAR（LOw-Frequency ARray，低频阵列）等先进射电望远镜产生的大数据率，SRBs 的分类变得至关重要。当前最先进的算法采用 Hough 或 Radon 变换作为在图像中检测预定义参数形状的手段。这些算法根据所分类射电暴类型的不同，准确率最高可达 84%。其他技术包括依赖于恒虚警率（Constant-False-Alarm-Rate）检测的方法，本质上是在动态频谱中通过去噪与自适应阈值检测射电暴。它适用于多种不同类型的射电暴，准确率最高达 70%。在本研究中，我们引入一种名为 You Only Look Once v2（YOLOv2）的方法用于太阳射电暴分类。通过 III 型模拟方法，我们可以训练该算法以实时分类真实的 III 型太阳射电暴，准确率为……
引用
@article{arxiv.2105.13387,
title = {Type III solar radio burst detection and classification: A deep learning approach},
author = {Jeremiah Scully and Ronan Flynn and Eoin Carley and Peter Gallagher and Mark Daly},
journal= {arXiv preprint arXiv:2105.13387},
year = {2021}
}
备注
6 pages, 6 figures, Irish Signals & Systems Conference 2021 (pre-print)