基于深度学习的低频SKA带宽涂污效应矫正方法

针对低频SKA成像中的带宽涂污问题,本文提出了一种基于深度卷积神经网络的带宽涂污效应矫正方法。所提方法设计了一个带宽涂污效应的矫正模型,该模型通过其中的残差学习机制对低频SKA观测信号中的河外点源信号携带的带宽涂污效应进行特征提取,进而提高了对带宽涂污效应的矫正效果。首先需要对河外点源信号进行带宽涂污效应图像模拟,并对模拟图像进行电磁干扰噪声添加、归一化操作,再利用矫正模型中批归一化与卷积相整合的结构,进而提取图像深层次的噪声特征,最后利用残差学习技术,减轻神经网络负荷的同时完成图像重构。实验结果表明,该深度学习方法可以在强带宽涂污效应下达到良好的矫正效果,同时具有良好的鲁棒性,以及可移植性。