-
题名基于U-Net和KAN的FAST射频干扰检测方法
- 1
-
-
作者
李宏伟
于徐红
张思聪
游善平
张彬
何兵
-
机构
贵州师范大学贵州省先进计算全省重点实验室
贵州师范大学网络空间安全学院
-
出处
《自动化应用》
2025年第8期135-138,共4页
-
基金
国家自然科学基金资助项目(U183110134)
中国科学院天文大科学研究中心FAST重大成果培育项目(FAST[2019sr04])。
-
文摘
射电干扰是影响射电天文观测的重要因素之一。针对500m口径球面射电望远镜(FAST)高灵敏度易受RFI影响的现状及传统多层感知机(MLPs)高计算成本与不可解释性的问题,构建了RFI区域时频域图像识别神经网络系统KEU-Net,通过将通道注意力机制模块ECA和基于深度可分离卷积改进的U-Net进行融合,并应用Kolmogorov-Arnold网络(KANs)替换深层MLPs,在有效提高RFI检测精度的同时降低了参数量。实验基于FAST早期观测数据,结果表明,KEU-Net的RFI识别召回率、交并比、F1分数分别为85.94%、80.29%、89.07%,显著优于主流模型,且参数量仅为9.2M;最后通过消融实验验证了KAN层对于性能提升的关键作用。ECU-Net提高了RFI识别的准确性,并降低了计算资源的需求。
-
关键词
射频干扰
keu-net
Kolmogorov-Arnold网络
U-Net
深度学习
通道注意力机制
脉冲星
-
Keywords
radio frequency interference
keu-net
KANs
U-Net
deep learning
channel attention mechanism
pulsars
-
分类号
TN911
[电子电信—通信与信息系统]
-
