Signal recognition and background suppression by matched filters and neural networks for Tunka-Rex
Institute of Applied Physics ISU（伊尔库茨克国立大学应用物理研究所）；Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院）；University of Zürich（苏黎世大学）；Vrije Universiteit Brussel（布鲁塞尔自由大学）；Skobeltsyn Institute of Nuclear Physics MSU（莫斯科国立大学斯科别利岑核物理研究所）
D. Shipilov, P. A. Bezyazeekov, N. M. Budnev, D. Chernykh, O. Fedorov, O. A. Gress, A. Haungs, R. Hiller, T. Huege, Y. Kazarina, M. Kleifges, E. E. Korosteleva,… 展开作者
D. Shipilov, P. A. Bezyazeekov, N. M. Budnev, D. Chernykh, O. Fedorov, O. A. Gress, A. Haungs, R. Hiller, T. Huege, Y. Kazarina, M. Kleifges, E. E. Korosteleva, D. Kostunin, L. A. Kuzmichev, V. Lenok, N. Lubsandorzhiev, T. Marshalkina, R. Monkhoev, E. Osipova, A. Pakhorukov, L. Pankov, V. V. Prosin, F. G. Schröder, A. Zagorodnikov
通卡无线电分机（通卡-雷克斯）是一个数字天线阵列，测量宇宙射线空气簇射在30-80兆赫频带内的无线电发射。Tunka-Rex与西伯利亚的TAIGA实验位于同一地点，由63个天线组成，其中57个位于约1 km \textsuperscript{2}的密集仪器区。在目前的工作中，我们讨论了改进的信号重建适用于通卡雷克斯。在第一阶段，我们实现了匹配滤波使用平均信号作为模板。仿真研究表明，匹配滤波可以降低信号检测阈值，提高信号纯度。然而，匹配滤波的最大性能仅在白噪声的情况下才能实现，而实际上噪声由于不同的原因而不是完全随机的。为了识别噪声的隐藏特征并对其进行处理，我们决定使用具有自动编码器架构的卷积神经网络。将记录的轨迹作为输入，自动编码器返回去噪轨迹，即删除所有与信号无关的幅度。比较了标准信号重构方法、匹配滤波方法和自动编码方法，讨论了神经网络在降低宇宙线探测数字天线阵阈值方面的应用前景。
英文摘要：
The Tunka Radio Extension (Tunka-Rex) is a digital antenna array, which measures the radio emission of the cosmic-ray air-showers in the frequency band of 30-80 MHz. Tunka-Rex is co-located with TAIGA experiment in Siberia and consists of 63 antennas, 57 of them are in a densely instrumented area of about 1 km\textsuperscript{2}. In the present work we discuss the improvements of the signal reconstruction applied for the Tunka-Rex. At the first stage we implemented matched filtering using averaged signals as template. The simulation study has shown that matched filtering allows one to decrease the threshold of signal detection and increase its purity. However, the maximum performance of matched filtering is achievable only in case of white noise, while in reality the noise is not fully random due to different reasons. To recognize hidden features of the noise and treat them, we decided to use convolutional neural network with autoencoder architecture. Taking the recorded trace as an input, the autoencoder returns denoised trace, i.e. removes all signal-unrelated amplitudes. We present the comparison between standard method of signal reconstruction, matched filtering and autoencoder, and discuss the prospects of application of neural networks for lowering the threshold of digital antenna arrays for cosmic-ray detection.
The Tunka Radio Extension (Tunka-Rex): Radio Measurements of Cosmic Rays in Siberia (PISA 2015)
通卡天文台位于俄罗斯西伯利亚贝加尔湖附近。其主要探测器Tunka-133是一组光电倍增管，用于测量能量范围约为$10^{16}-10^{18}\,$ eV的宇宙射线引发的空气簇射的切伦科夫光。在过去几年中，通卡场址已进行了几次扩建，例如，一个名为Tunka-Grande的闪烁体阵列，一个名为HiSCORE的复杂空气切伦科夫探测器原型，以及无线电扩展Tunka-Rex。通卡-雷克斯于2012年10月开始运行，目前有44个天线，分布在约$3\,$ km $^2$的区域，测量通卡-133和通卡-格兰德探测到的相同空气阵雨的无线电发射。Tunka-Rex是一个技术演示器，无线电技术可以提供现有空气簇射阵列的经济扩展。主要的科学目标是与空气切伦科夫测量的交叉校准。通过这种交叉校准，可以确定初级宇宙线粒子能量和质量重建的精度。最后，通卡-雷克斯可以用于能量接近$1\,$ EeV的宇宙射线物理，其中标准的通卡-133分析受到统计学的限制。与空气切伦科夫测量相比，无线电测量不限于黑暗，晴朗的夜晚，可以提供更大的曝光量。
Detector efficiency and exposure of Tunka-Rex for cosmic-ray air showers
通卡-雷克斯（Tunka Radio Extension）是位于西伯利亚的宇宙射线探测天线阵列。以前用Tunka-Rex对宇宙射线的研究表明，在确定初级粒子的能量方面具有很高的精度，并有可能重建簇射极大值的深度。下一步是重建宇宙射线的质量组成和能谱。在这项任务中出现的主要问题之一是估计仪器的探测效率和观测的曝光。探测效率取决于初级宇宙射线的性质，如能量和到达方向，也取决于仪器的许多参数：阵列密度、接收天线的效率、信号探测阈值、数据采集接受度和触发特性。此外，探测器的结构也会随着时间的变化而变化。在测量期间，检测器的某些部分可能提供损坏的数据或有时不工作。所有这些特征都应该被考虑用于估计检测效率。对于每个能量和到达方向，我们估计的检测概率和有效面积的仪器。为了估计簇射的检测概率，我们使用一个简单的蒙特卡罗模型，该模型预测无线电发射的足迹大小作为主要能量和到达方向的函数（考虑到地球磁场的几何形状）。结合这些方法，我们计算每次运行的事件统计和暴露。这是第一次对不规则大规模射电阵列的曝光进行精确研究，同时考虑到探测的最重要特征，这将用于通卡-雷克斯测量初级宇宙射线光谱。
