【摘 要】
：
随着射电观测技术的进步,尤其是SKA阵列的建设,将使得对宇宙再电离的直接观测成像成为现实。但是,在探测宇宙再电离的过程中,由于干涉阵列复杂的仪器效应尤其是极化效应,将会对Eo R信号和各前景信号（银河系同步辐射、银河系自由-自由辐射、河外点源以及星系团射电晕）的准确识别和扣除带来巨大的干扰。并且,SKA阵列观测会产生海量的射电天文观测数据,面对这些海量的观测数据,传统的射电天文图像处理方法将显得举
论文部分内容阅读
随着射电观测技术的进步,尤其是SKA阵列的建设,将使得对宇宙再电离的直接观测成像成为现实。但是,在探测宇宙再电离的过程中,由于干涉阵列复杂的仪器效应尤其是极化效应,将会对Eo R信号和各前景信号（银河系同步辐射、银河系自由-自由辐射、河外点源以及星系团射电晕）的准确识别和扣除带来巨大的干扰。并且,SKA阵列观测会产生海量的射电天文观测数据,面对这些海量的观测数据,传统的射电天文图像处理方法将显得举步维艰。因此,本文从实际出发对低频SKA极化效应展开研究,首先构建低频SKA极化天图与二维功率谱,分析极化效应对宇宙再电离探测的重要影响。然后,提出深度学习算法对受极化效应影响的低频SKA天图进行极化消除。在对低频SKA极化效应的分析中,首先通过几类开源软件模拟Eo R信号和各前景信号,并引入低频SKA观测得到极化天图,然后对这些天图进行叠加和切片操作,进而构建出低频SKA极化二维功率谱,最后基于上述天图和二维功率谱对极化效应的影响展开具体分析。在对上述天图和二维功率谱的分析中,发现了极化效应对天图成分的准确识别与扣除以及二维功率谱中前景楔形形状影响非常大。因此,有针对性的进行极化效应的消除,对于宇宙黎明和再电离探测实验变得至关重要。根据前一阶段得到的低频SKA极化天图,通过深度学习算法进行极化消除实验。在相关深度学习方法和思路的启示下,本文提出了基于深度学习的ISECNN网络。通过开展基于深度学习的极化消除实验,发现本文提出的ISE-CNN网络对Eo R信号、银河系同步辐射、银河系自由-自由辐射以及河外点源水平极化的消除均具有非常好的效果,其相关的图像评价指标也比传统的Dn CNN网络要好,这也证明了ISE＿CNN网络对于Eo R信号和各前景信号的水平极化效应消除的适用性。
其他文献
本文简要概述Ni-Co合金材料的发展和材料缺陷的研究,详细介绍了分子动力学模拟方法和材料模拟的多种分析方法。本研究模拟了液态Ni-Co合金的快速凝固过程及拉伸过程,并采用平均原子能量、最大标准团簇分析法及位错提取算法等分析方法,深入探讨体系的微观结构演变机理及材料性能。首先,通过分子动力学方法模拟了Ni48Co52和Ni47Co53合金体系的快速凝固结晶过程,旨在研究两种Ni-Co合金体系内不同H
温度、湿度以及气压的多参数校准检测对于精密的仪器设备的校准十分重要,通常情况下,很多比较精密的仪器都需要在高精度的温度、湿度以及气压环境下进行参数校准。因此,当前市面上有很多用于控制温湿度和气压对精密仪器进行性能检测的标准器,但是这些传统的标准器设备受限于条件限制,基本都是大型仪器设备,只能固定放置在实验室环境进行工作,而不适合携带到工业现场进行现场应用。这就限制了多参数标准器的使用场景,例如在工
工人是否佩戴安全帽是工人在建筑施工场地穿戴规范中较为重要的一项。目前,对于安全帽的检测,主要集中在工人进出施工场地的时刻,不能保证工人正在施工时依然能正确佩戴安全帽;另一方面,对同一个目标重复识别的问题,会导致算法运行的时间复杂度提高、实时性降低、影响算法的准确度等问题。根据以上问题,本文设计并实现了一套基于视频的安全帽检测与跟踪系统。论文的主要研究内容有以下几个方面:（一）提出的系统主要分为目标
随着我国汽车数量的不断增加,城市道路交通堵塞现象日趋严重。智能交通系统应运而生并迅速发展,其中,交通标志识别是自动驾驶汽车的一个重要环节,它可以为驾驶员和自动驾驶人员提供足够的路面信息,从而减少驾驶员对外界环境的监控,提高汽车的安全性能。道路交通警示牌容易遭受自然场景中光线、气候、腐蚀变色、物理遮挡和拍摄角度改变等诸多因素的影响,这对道路交通标志检测提出了高度的技术需求。本文研究了基于DCNN的交
随着摩尔定律预测的器件尺寸和制造成本接近极限,开发新型且有直接应用前景的自旋器件至关重要。而具有同时调控自旋和电荷两种电子自由度特性的稀磁半导体（Diluted Magnetic Semiconductor,DMS）在其中不可或缺。故而,探索开发新型的稀磁半导体是一项有意义的工作。基于此,本论文利用第一性原理计算并研究了磁性元素、稀土元素、不同Mn浓度掺杂对Ca2Ge基DMS的电子结构和磁学性质的
社区检测或社区发现因社区网络结构的复杂性、多样性、动态性等特性,使得社区结构研究变得较为困难,其已成为复杂网络研究的重要科技问题之一。如何探究社区检测算法,快速、有效地将社区网络划分为社团内节点连接强度大、社团间连接强度小的系列子网络,提升社区检测的准确度,是社区检测研究关注的重要研究内容。为此,针对静态重叠社区检测、符号社区检测和动态社区检测问题,在建立社区检测优化模型基础上,借助果蝇视觉系统的
随着硬件技术的突飞猛进,使得越来越多的深度学习项目可以落地实现,诸如各式各样的机器人、无人驾驶等。其中,双目测距系统凭借其价格低廉、部署简单等优点应用十分广泛,是机器视觉研究中的一项重要核心技术,本文的研究目标是搭建一套高效的双目测距系统,具体工作如下:1.在双目测距系统中的检测部分。以YOLOV3为基准,对其检测头做出优化,将分类、回归、物体概率三个任务解耦,通过平行分支来实现;同时本文尝试探索
工业数据随着智能制造,企业数据化进程,形成了巨大的规模,由于各制造企业之间有着不同的数据采集、处理以及存储方式,使得海量数据来源复杂、结构各异;工业数据呈现出结构化、半结构化及非结构化特点,导致各企业系统之间信息沟通相互孤立;数据空间可以有效解决对多源异构数据高效管理问题,因此数据空间在工业领域成为了专家学者研究的热点。数据关联技术是构建工业数据空间的关键技术,近年来,大量的研究者采用图模型以及相
加壳技术是一种用于逃避静态检测方法的软件保护技术,加壳器（packer）是加壳技术的实现方式。被加壳器保护的软件被称为有壳软件,没有被加壳器保护的软件被称为无壳软件。有壳恶意软件是难以被基于无壳恶意软件的静态检测方法有效识别的,因此,在恶意软件检测过程中,有必要实现对有壳软件的有效识别,以便选择针对性的破解方法,提高对有壳恶意软件的识别精度。恶意软件开发人员为了提升恶意软件的破解成本,会使用独有/
当前,数据增长越来越快,企业难以从海量数据中分析出有价值的信息,为企业制定商业战略提供信息支撑;大量企业开始使用大数据分析应用平台来进行基于数据分析的决策,从而提高企业产品和服务的质量。一些企业数据种类繁多,分析人员需要使用平台处理大量的数据分析任务,而这些任务的并发度高,易导致平台出现各种性能问题,由于大数据分析应用平台的功能架构复杂,造成性能分析难度大,需要花费大量的时间查找和定位性能问题。如