期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于深度学习的低频SKA带宽涂污效应矫正方法 被引量:1
1
作者 卫星奇 张利 +4 位作者 吴康宁 卢梅 王蓓 贺春林 潘伟 《软件工程与应用》 2022年第1期72-80,共9页
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... 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。 展开更多
关键词 深度学习 卷积神经网络 射电天文成像 带宽涂污效应 多频合成成像
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部