2019 年 5 月英国皇家天文学会月刊发表了一项研究提出了一种基于深度卷积神经网络CNN的 RFI检测技术。这一技术采用了一种“全卷积网络”模型可对射电望远镜采集的数据进行实时分析并精准识别和标记干扰信号。图 展示了深度卷积神经网络检测 RFI 的效果。可以看到该网络能够有效地分辨出真实信号与干扰信号。图:用深度神经网络检测射频干扰。黄色区域正确检测出的干扰白色区域误判的干扰误认为存在干扰红色区域未被检测出的干扰。图片来源Kerrigan et al. 2019.
人工智能应用- 天文学家的助手：06. 检测射电频率干扰
2019 年 5 月英国皇家天文学会月刊发表了一项研究提出了一种基于深度卷积神经网络CNN的 RFI检测技术。这一技术采用了一种“全卷积网络”模型可对射电望远镜采集的数据进行实时分析并精准识别和标记干扰信号。图 展示了深度卷积神经网络检测 RFI 的效果。可以看到该网络能够有效地分辨出真实信号与干扰信号。图:用深度神经网络检测射频干扰。黄色区域正确检测出的干扰白色区域误判的干扰误认为存在干扰红色区域未被检测出的干扰。图片来源Kerrigan et al. 2019.
