論文の概要: Removing Radio Frequency Interference from Auroral Kilometric Radiation
with Stacked Autoencoders
- arxiv url: http://arxiv.org/abs/2210.12931v2
- Date: Tue, 25 Oct 2022 13:11:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-26 10:40:13.248540
- Title: Removing Radio Frequency Interference from Auroral Kilometric Radiation
with Stacked Autoencoders
- Title（参考訳）: 積み重ねオートエンコーダを用いたオーロラキロメトリー放射の周波数干渉除去
- Authors: Allen Chang, Mary Knapp, James LaBelle, John Swoboda, Ryan Volz,
Philip J. Erickson
- Abstract要約: 南ポール駅で収集した分光図を識別するために,合成スペクトログラムで訓練したオーロラ放射用デノナイジングオートエンコーダ(DAARE)を提案する。
DAAREは合成されたAKR観測で42.2のピーク信号-雑音比(PSNR)と0.981の構造的類似性(SSIM)を達成し、最先端のフィルタリングやデノイングネットワークと比較してPSNRを3.9倍、SSIMを0.064倍改善した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Radio frequency data in astronomy enable scientists to analyze astrophysical
phenomena. However, these data can be corrupted by a host of radio frequency
interference (RFI) sources that limit the ability to observe underlying natural
processes. In this study, we extended recent work in image processing to remove
RFI from time-frequency spectrograms containing auroral kilometric radiation
(AKR), a coherent radio emission originating from the Earth's auroral zones
that is used to study astrophysical plasmas. We present a Denoising Autoencoder
for Auroral Radio Emissions (DAARE) trained with synthetic spectrograms to
denoise AKR spectrograms collected at the South Pole Station. DAARE achieved
42.2 peak-signal-to-noise ratio (PSNR) and 0.981 structural similarity (SSIM)
on synthesized AKR observations, improving PSNR by 3.9 and SSIM by 0.064
compared to state-of-the-art filtering and denoising networks. Qualitative
comparisons demonstrate DAARE's denoising capability to effectively remove RFI
from real AKR observations, despite being trained completely on a dataset of
simulated AKR. The framework for simulating AKR, training DAARE, and employing
DAARE can be accessed at https://github.com/Cylumn/daare.
- Abstract（参考訳）: 天文学における電波データにより、科学者は天体現象を解析できる。
しかし、これらのデータは、根底にある自然過程を観測する能力を制限する無線周波数干渉(RFI)源によって破壊される可能性がある。
本研究では,地球のオーロラ帯から放射されるコヒーレント放射であるオーロラ線放射(AKR)を含む時間周波数スペクトルからRFIを除去するための画像処理の最近の研究を拡張した。
南ポール駅で収集したAKRスペクトログラムを識別するために,合成スペクトログラムで訓練したオーロラ放射用デノナイジングオートエンコーダ(DAARE)を提案する。
DAAREは合成されたAKR観測で42.2のピーク信号-雑音比(PSNR)と0.981の構造的類似性(SSIM)を達成し、最先端のフィルタリングやデノイングネットワークと比較してPSNRを3.9倍、SSIMを0.064倍改善した。
質的な比較は、シミュレーションされたAKRのデータセットで完全にトレーニングされているにもかかわらず、DAAREが実際のAKR観測からRFIを効果的に除去する機能を示している。
AKRをシミュレートし、DAAREをトレーニングし、DAAREを使用するためのフレームワークはhttps://github.com/Cylumn/daare.comでアクセスできる。
関連論文リスト
- RF Challenge: The Data-Driven Radio Frequency Signal Separation Challenge [66.33067693672696]
本稿では、新しいデータ駆動手法を用いて、高周波信号における干渉拒否の重大な問題に対処する。
まず、干渉除去アルゴリズムの開発と解析の基礎となる洞察に富んだ信号モデルを提案する。
第2に,さまざまなRF信号とコードテンプレートを備えた公開データセットであるRF Challengeを紹介する。
第3に,UNetやWaveNetなどのアーキテクチャにおいて,新しいAIに基づく拒絶アルゴリズムを提案し,その性能を8種類の信号混合タイプで評価する。
論文 参考訳（メタデータ） (2024-09-13T13:53:41Z) - Supervised Radio Frequency Interference Detection with SNNs [25.08630315149258]
電波干渉(Radio Frequency Interference、RFI)は、電波望遠鏡によって観測される観測を妨害し、地球や天体から発生する電波天文学において重要な課題である。
電波天文学観測の動的・時間的性質を考えると、スパイキングニューラルネットワーク(SNN)は有望なアプローチとして出現する。
SNN推論のための電波可視データの符号化について,レート,レイテンシ,デルタ変調,ステップフォワードアルゴリズムの3つのバリエーションを考慮した6つの符号化方式について検討した。
論文 参考訳（メタデータ） (2024-06-10T07:49:51Z) - RFI-DRUnet: Restoring dynamic spectra corrupted by radio frequency
interference -- Application to pulsar observations [9.304820505959519]
電波干渉(RFI)は、電波天文学において永続的な関心事である。
本研究は、共同検出と修復のためのRFI緩和に取り組むことを提案する。
論文 参考訳（メタデータ） (2024-02-21T15:19:09Z) - Fast and Accurate Cooperative Radio Map Estimation Enabled by GAN [63.90647197249949]
6G時代には、無線リソースのリアルタイムモニタリングと管理が、多様な無線アプリケーションをサポートするように求められている。
本稿では,GAN(Generative Adversarial Network)による協調的無線地図推定手法を提案する。
論文 参考訳（メタデータ） (2024-02-05T05:01:28Z) - Realistic Noise Synthesis with Diffusion Models [68.48859665320828]
Deep Image Denoisingモデルは、しばしば高品質なパフォーマンスのために大量のトレーニングデータに依存します。
本稿では,拡散モデル,すなわちRealistic Noise Synthesize Diffusor(RNSD)を用いて現実的な雑音を合成する新しい手法を提案する。
RNSDは、より現実的なノイズや空間的相関を複数の周波数で生成できるような、ガイド付きマルチスケールコンテンツを組み込むことができる。
論文 参考訳（メタデータ） (2023-05-23T12:56:01Z) - Synthetic Wave-Geometric Impulse Responses for Improved Speech
Dereverberation [69.1351513309953]
室内インパルス応答 (RIR) の低周波成分を正確にシミュレートすることが, 良好な脱ヴァーベレーションを実現する上で重要であることを示す。
本研究では, ハイブリッド合成RIRで訓練された音声残響モデルが, 従来の幾何線トレーシング法により学習されたRIRで訓練されたモデルよりも優れていたことを示す。
論文 参考訳（メタデータ） (2022-12-10T20:15:23Z) - Unsupervised Spectral Unmixing For Telluric Correction Using A Neural
Network Autoencoder [58.720142291102135]
本研究では,HARPS-N線速度スペクトルから高精度の太陽スペクトルを抽出するニューラルネットワークオートエンコーダ手法を提案する。
論文 参考訳（メタデータ） (2021-11-17T12:54:48Z) - Convolutional Deep Denoising Autoencoders for Radio Astronomical Images [0.0]
我々は、最先端の電波望遠鏡の合成画像に、畳み込み復号化オートエンコーダ(Convolutional Denoising Autoencoder)と呼ばれる機械学習技術を適用した。
我々のオートエンコーダは、器用感度の限界でかすかな物体を識別し、抽出する複雑な画像を効果的に識別することができる。
論文 参考訳（メタデータ） (2021-10-16T17:08:30Z) - Deep Spectrum Cartography: Completing Radio Map Tensors Using Learned
Neural Models [44.609368050610044]
ディープニューラルネットワーク(DNN)は、データから基盤構造を“学習”することができる。
本研究では,エミッタラジオマップの解離に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2021-05-01T07:04:09Z) - Conditioning Trick for Training Stable GANs [70.15099665710336]
本稿では,GANトレーニング中の不安定性問題に対応するため,ジェネレータネットワークに正規性から逸脱する条件付け手法を提案する。
我々は、生成元をシュア分解のスペクトル領域で計算された実サンプルの正規化関数から逸脱するように強制する。
論文 参考訳（メタデータ） (2020-10-12T16:50:22Z) - CNN-based InSAR Denoising and Coherence Metric [4.051689818086047]
ノイズは衛星で受信されたマイクロ波反射を破損させ、信号のラップされた位相を汚染する。
畳み込みニューラルネットワーク(CNN)を導入し,InSAR画像復調フィルタの学習を行う。
オートエンコーダCNNアーキテクチャのInSAR画像復調フィルタへの応用について述べる。
論文 参考訳（メタデータ） (2020-01-20T03:20:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。