Timing Solution and Single-pulse Properties for Eight Rotating Radio Transients
旋转无线电瞬变（RRAT），松散地定义为仅通过其单个脉冲被发现的对象，是具有广泛发射特性的散在散射体。对于它们中的许多，我们必须测量它们的周期，并根据它们的单个脉冲的定时来确定定时解决方案，而一些不那么零星的RRAT可以通过使用折叠技术来定时，就像我们对其他脉冲所做的那样。在这里，基于Parkes和Green Bank望远镜（GBT）的观测，我们介绍了我们对8个RRAT的研究结果，包括它们的时间衍生的旋转参数，位置和色散测量（DM），以及RRAT和正常恒星的自旋下降特性的比较。使用24 RRAT的数据，我们发现，它们的周期导数一般大于正常的类星体，独立于任何内在的相关性与周期，表明RRAT的高度零星的发射可能与内在较大的磁场。我们进行了Lomb $-$ Scargle测试，以寻找长时间尺度的RRAT脉冲检测时间的周期性。检测到所有靶标的周期性，PSR J1623 $-$ 0841的显著候选物约为3.4 h，PSR J1839 $-$ 0141的显著候选物约为0.7 h。我们还分析了它们的单脉冲幅度分布，发现对数正态分布提供了最佳拟合，就像大多数脉冲的情况一样。然而，一些RRAT表现出幂律尾，就像发射巨脉冲的双星一样。这一点，连同对弱脉冲检测的选择效应的考虑，意味着RRAT脉冲通常表示正常强度分布的尾部。
2017-08-31 astro-ph.HE astro-ph.IM
Uncovering low-level Fermi/GBM emission using orbital background subtraction
费米号上的第二个仪器是伽马射线暴监测器（GBM），它是一个全天监测器，由14个闪烁探测器组成。在分析诸如伽马射线暴（GRB）和太阳耀斑（SF）等瞬态事件时，背景通常被建模为多项式（0-4阶）。然而，对于长事件，背景可能变化得比用简单的多项式所能解释的更多。在这些情况下，需要更准确地了解GBM的背景速率。在这里，我们提出了一种替代的方法，既确定背景和区分低水平的排放从仪器背景。
2011-11-16 astro-ph.HE astro-ph.IM
TRANSLIENT: Detecting Transients Resulting from Point Source Motion or Astrometric Errors
本文提出Translient检测器，通过假设检验区分点源运动与静止，优于标准图像相减，可减少瞬变检测误报，并在LAST数据上验证。
2024-03-14 astro-ph.IM
Tutorial on running median subtraction filter with application to searches for exotic field transients in multi-messenger astronomy
本文以教程形式系统研究运行中位数减法滤波器（RMSF）在保留高斯脉冲和瞬态振荡信号方面的性能，证明其能去除缓变基线且不改变白噪声统计特性，并评估其在多信使天文学中提取奇异低质量场瞬变信号的应用价值。
2025-04-25 astro-ph.IM physics.data-an
Image Subtraction in Fourier Space
图像相减是时域天文学中瞬态探测的基本方法。对于地面光学望远镜拍摄的成像数据，点扩散函数（PSF）、光度缩放和天空背景通常随时间和整个视场而变化。图像减法算法需要匹配这些变化，以检测通量变化。一个算法，可以完全并行化是非常可取的未来时域调查。在这里，我们展示了用于图像差分的扫视快速傅里叶变换（SFFT）算法。SFFT采用$δ$ -函数基进行核分解，图像相减在傅立叶空间进行。这带来了一个显着的改善，约一个数量级的计算性能相比，其他公布的图像减法代码。SFFT可以适应宽视场成像数据的空间变化，包括PSF，光度缩放和天空背景。然而，$δ$函数基的灵活性也可能使其更容易过拟合。该算法已经在各种望远镜拍摄的真实天文数据中进行了广泛的测试。此外，SFFT代码允许PSF和天空背景的空间变化由样条函数拟合。
2022-05-25 astro-ph.HE astro-ph.IM
Transformer-Based Neural Network for Transient Detection without Image Subtraction
Department of Physics and Astronomy, University of Pennsylvania（物理与天文学系，宾夕法尼亚大学）；Department of Physics and Astronomy, University of Delaware（物理与天文学系，德克萨斯大学）；University of Delaware, Joseph R. Biden, Jr. School of Public Policy and Administration（德克萨斯大学乔伊斯·拜登初级公共政策与行政学校）；University of Delaware, Data Science Institute（德克萨斯大学数据科学研究所）
本文提出一种基于Transformer的神经网络，通过直接比较搜索图像与模板图像实现无需图像差分的真实/虚假暂现源分类，在DES数据上达到97.4%准确率，并验证了对非中心输入图像的鲁棒性，提升了超新星探测的准确性与效率。
2025-08-22 astro-ph.IM cs.CV
Co-addition and Subtraction of Undersampled Images
Department of Particle Physics and Astrophysics（粒子物理与天体物理系）；Weizmann Institute of Science（魏兹曼科学研究所）
针对天文成像调查中欠采样图像相加与相减方式不佳的问题，提出LUTRA方法，以最优方式执行相关过程，提升性能，便于测量且提供超分辨率结果，在公开数据上验证其性能比当前方法高1.25倍并开源实现。
2026-07-21 astro-ph.HE astro-ph.IM cs.CV
Localization of transient gravitational wave sources: beyond triangulation
快速、准确地定位引力波瞬变事件已被证明是成功的电磁跟踪的关键。在以前的论文中，我们已经表明，定位估计可以通过三角测量的基础上在检测器站点的定时信息。在实践中，详细的参数估计例程使用附加信息，并且提供比单独基于定时信息更好的定位。在本文中，我们扩展了基于时间的本地化近似，将观测到的信号与两个引力波偏振的一致性，和一个天体物理动机的源分布。这两种方法都对源定位提供了显着的改进，允许将许多源限制在单个天空区域，其面积比仅通过定时信息预测的面积小40%。此外，我们表明，绝大多数的源将被重建为圆偏振，或等效地，从正面上无法区分。
2017-12-13 astro-ph.IM gr-qc
Wavelet Denoising of Radio Observations of Rotating Radio Transients (RRATs): Improved Timing Parameters for Eight RRATs
旋转无线电瞬变（RRAT）是偶尔发射的电磁波，只能通过搜索单个脉冲来检测。虽然超过100 RRAT已被检测到，只有一小部分（约20\%）有相位连接的时间解决方案，这是至关重要的，以确定它们如何与其他中子星人口。检测更多的脉冲以获得解决方案是理解其物理性质的关键。射电望远镜收集的天文信号包含来自许多来源的噪声，使得微弱脉冲的检测变得困难。在执行单脉冲搜索之前对原始时间序列应用去噪方法通常会导致对它们的到达时间（TOA）的更准确估计。针对RRAT脉冲和噪声的特点，提出了一种基于小波数据分析的图像去噪方法。假设RRAT的自旋周期是已知的，我们估计的频谱成分的组成RRAT脉冲。这使我们能够抑制噪声，这有助于其他频率。我们应用小波去噪方法，包括选择性小波重构和小波收缩去分散的时间序列的8个RRAT与现有的定时解决方案。经小波去噪后，大部分脉冲信号的信噪比都有提高。与传统的方法相比，我们测量12%至69%以上的TOA的八个RRAT。八种RRAT的新定时解决方案显示出大多数参数的估计误差小16%至90%。因此，我们得出结论，小波分析是一个有效的工具，去噪RRATs信号。
2017-12-12 astro-ph.IM
What's the Difference? The potential for Convolutional Neural Networks for transient detection without template subtraction
University of Delaware（特拉华大学）；Universidad Nacional de Colombia（哥伦比亚国立大学）；Vera C. Rubin Observatory（薇拉·C·鲁宾天文台）；University of Pennsylvania（宾夕法尼亚大学）
本研究探索卷积神经网络在无需模板减法图像的瞬变天体“真-假”分类中的潜力，证实仅用模板与搜索图像可构建>90%准确率的模型，有望大幅降低巡天项目的瞬变检测计算成本。
2023-08-25 astro-ph.IM cs.CV
The GMRT High Resolution Southern Sky Survey for pulsars and transients -- V: Localisation of two millisecond pulsars
新发现的毫秒双星（MSP）的时间跟踪受到与发现相关的较大位置不确定性（几十弧分）的阻碍。在本文中，我们提出了定位的两个MSP，发现的GMRT高分辨率南天（GHRSS）的调查，高达弧秒精度使用33 MHz的离线相干解色散门控相关器。该门控相关器是早期16 MHz设计的升级版本。这一新的发展与一个因素的两个增强的观察带宽提供了更好的灵敏度在图像域中，导致更精确的定位。借助于精确的位置，我们用灵敏的相控阵（PA）波束从300 MHz升级到1460 MHz，跟踪这两个MSP。在PA模式下对这两个MSP进行更灵敏的观测，可以得到精确的（$\sim$ $μs$）到达时间，DM不确定度在$10^{-4}-10^{-5}$ $pc\,cm^{-3}$范围内。我们还报告的配置文件的演变超过300 $-$ 1460 MHz的两个MSP。最后，我们讨论了这些MSP的脉冲星定时阵列实验，旨在检测低频引力波的适用性。
2023-02-26 astro-ph.HE astro-ph.IM
Finding Fast Transients in Real Time Using Novel Light Curve Analysis Algorithm
目前的数据采集率的天文瞬态调查和承诺显着更高的利率在未来十年内，有必要开发新的方法来分析天文数据集，并及时发现感兴趣的对象。更深、更广、更快（Deeper，Wider，Faster）计划是一项调查，重点是识别快速演变的瞬变，如快速射电暴、伽马射线暴和超新星冲击爆发。它采用多频率同时覆盖天空的同一部分，覆盖范围超过几个数量级。利用安装在4米布兰科望远镜上的暗能量相机，天文学家每分钟捕捉20秒的g波段曝光，典型的视宁度约为1”，空气质量约为1.5。这些光学数据是与整个电磁波谱（从无线电到伽马射线）以及宇宙射线观测同时收集的。在本文中，我们提出了一种新的实时光变曲线分析算法，旨在检测瞬态的光学数据，该算法的功能独立于，或结合，图像减法。我们提出了一个快速瞬变检测我们的算法，以及假阳性分析的样本。我们的算法是可定制的，可以调整到不同的时间尺度和通量范围内演变的瞬态敏感。
2021-12-06 astro-ph.IM
Machine Learning on Difference Image Analysis: A comparison of methods for transient detection
我们提出了几个差异图像分析（DIA）技术的比较，结合机器学习（ML）算法，适用于识别光学瞬态与引力波事件。每种技术都是基于精确度、召回率及其调和平均值F1的评分指标进行评估的，这些指标是在DIA结果上作为独立技术进行测量的，也是在应用ML算法后的结果中进行测量的，是在模拟和真实数据上进行瞬态源注入的。这种模拟涵盖了广泛的仪器配置，以及各种场景的观测条件下，通过探索一个多维的相关参数集，使我们能够提取一般的结论，有关的瞬态天体物理事件的识别。最新的减影技术，特别是Zackay等人（2016）发表的方法，在一个名为properimage的开源Python包中实现，适用于许多其他天文图像分析。这与我们描述的ML库一起提供了有效的瞬态检测软件管道。在这里，我们研究了不同的ML技术的效果，和相对特征的重要性分类的瞬时候选人，并提出了一个最佳的组合策略。这构成了管道的基本要素，可应用于GW源的电磁对应物的搜索。
2019-08-08 astro-ph.IM
O'TRAIN: a robust and flexible Real/Bogus classifier for the study of the optical transient sky
在过去的十年里，研究宇宙中高能瞬态现象的科学兴趣大大增加。现在，已经出现了多个地面调查项目，以更高的图像节奏连续监测光学（和多信使）瞬变天空，并在每晚覆盖更大的天空部分。这些新颖的方法导致全球警报率大幅增加，需要谨慎处理，特别是通过尽可能降低误报率。因此，以前为窄视场仪器设计的标准瞬态检测管道现在必须集成更复杂的工具，以处理数量和多样性不断增加的警报和假警报。深度机器学习算法现在已经证明了它们在识别图像模式方面的效率。我们探索这种方法，以提供一个强大而灵活的算法，可以包括在任何类型的瞬态检测流水线。我们建立了一个卷积神经网络（CNN）算法，以便对不同类型的光学望远镜提供的瞬时候选切口（减法残差）执行真/假分类任务。训练涉及对剪切物的人工监督标记，该剪切物已被分成两个平衡的数据集，具有\textit{True}和\textit{False}点状源候选者。我们在两个不同的瞬态检测管道产生的候选人上测试了我们的CNN模型。我们表明，我们的CNN算法可以成功地训练具有非常不同的像素尺度的图像的大的多样性。在四个不同望远镜的光学图像上进行测试，并利用两个不同的瞬态检测管道，我们的CNN模型提供了强大的真实/虚假分类性能，准确率从93%到98%。
2021-12-19 astro-ph.IM
Testing the Simultaneity of Forbush Decreases with Algorithm-Selected Forbush Event Catalogue
对X射线光子、γ射线爆发、日冕物质抛射（CMEs）、地平增强（GLEs）和福布什衰减（FDs）等瞬变事件的精确探测和精确计时，经常引起天体物理学研究的前沿问题。在自动化FD事件选择的尝试中，开发了快速傅立叶变换以及在统计计算软件R中实现的FD检测算法的组合，并且最近用于计算幅度和FD事件定时。在本研究中实现的R-FD代码包括几个不同的计算。一些子程序检测宇宙射线（CR）数据中小的和大的瞬态强度降低（最小值/凹坑）以及增加（最大值/峰值）。其他人计算事件的幅度，时间和编目的事件确定。由于当前工作的重点是CR通量（FD）的减少，因此禁用了识别增加的子例程。在马加丹中子监测器（NM），230（奥卢NM）和224（Inuvick NM）的总229个FD被确定为日平均数据，而4032（马加丹），4144（奥卢）和4055（Inuvick）被检测到的小时平均数据。确定为同时在三个站的FD分别为99日和261小时CR平均值。
2021-11-09 astro-ph.IM astro-ph.SR physics.space-ph
