Enhanced Bayesian RFI Mitigation and Transient Flagging Using Likelihood Reweighting
针对射电天文瞬态射频干扰难检测、大数据集下校正耗时久的问题，提出基于似然重加权的贝叶斯抑制方法，大幅提升计算速度，实现阈值自动拟合避免过校正，还可作为高信噪比下的瞬态探测器。
2023-10-03 astro-ph.IM
$χ^2$ from Redundant Calibration as a Tool in the Detection of Faint Radio-frequency Interference
针对21 cm再电离研究中的射频干扰检测难题，提出利用冗余校准的$χ^2$指标作为新方法，有效检测到现有算法无法发现的微弱长持续数字电视干扰，与现有算法形成互补。
2024-08-26 astro-ph.IM
Trajectory Based RFI Subtraction and Calibration for Radio Interferometry
针对射电干涉测量中校准与RFI去除分开进行的问题，提出联合建模RFI轨迹与校准参数的tabascal算法，在模拟MeerKAT数据上测试，提升了校准精度并减少数据损失，适用于卫星等轨迹RFI场景。
2023-06-28 astro-ph.CO astro-ph.IM physics.data-an
Deep residual detection of radio frequency interference for FAST
射频干扰（RFI）的检测与消除是500米口径球面射电望远镜（FAST）数据处理流程中的关键环节。由于其高灵敏度和大数据速率，FAST需要比其同行更准确和有效的RFI标记方法。在过去的几十年中，已经提出了基于人工智能（AI）的方法，例如使用卷积神经网络（CNN）的代码，以更可靠和有效地识别RFI。然而，使用这种方法对FAST数据进行RFI标记通常被证明是错误的，需要进一步的手动检查。此外，网络建设以及为有效的RFI标记准备训练数据集也带来了显著的额外工作量。因此，快速部署和调整人工智能方法用于不同的观察是不切实际的，以实现现有的算法。为了克服这些问题，我们提出了一个称为RFI-Net的模型。RFI-Net无需任何处理即可输入原始数据，自动检测RFI，生成相应的掩模，而无需对原始数据进行任何更改。使用模拟天文数据的RFI-Net实验表明，我们的模型在精度和召回率方面都优于现有的方法。此外，与其他模型相比，我们的方法可以用更少的训练数据获得相同的相对精度，从而减少了准备训练数据集所需的精力和时间。此外，与其他CNN代码相比，RFI-Net的训练过程可以加速，过拟合被最小化。利用FAST和Bleien天文台的观测数据对RFI-Net的性能进行了评估。我们的研究结果证明了RFI-Net能够准确识别具有细粒度，高精度掩模的RFI，无需进一步修改。
2020-01-18 astro-ph.IM eess.IV
Altitude Estimation of Radio Frequency Interference Sources via Interferometric Near Field Corrections
本研究提出利用近场校正估计射频干扰发射体高度的方法，通过MWA观测数据验证，成功将干扰源识别为飞机，为从单纯标记转向减去或剥离RFI以保留更多数据提供了可能。
2025-02-13 astro-ph.IM
Exploring the consequences of chromatic data excision in 21-cm Epoch of Reionization power spectrum observations
我们探讨彩色RFI标志如何影响21厘米功率谱测量。我们特别研究比分析分辨率更粗糙的标志。我们发现，这样的RFI标志产生多余的功率在EoR窗口中的剩余RFI的方式大致相同。我们使用快速全息反卷积（FHD）模拟来解释这是由于在阵列的干涉采样功能的色中断。我们还将这些模拟与具有交错观察噪声的误差传播功率谱（$\varepsilon$ ppsilon）结合使用，以表明在不修改当前标记策略或实施极其准确和完整的前景减法的情况下，21-cm EoR实验将无法进行重大检测。作为一种缓解策略，我们发现，通过在检测到RFI时标记整个分析波段来完全规避色结构，这是一种简单的实现方法，并且非常成功。这就需要一种具有低误报率的检测策略，以防止过多的数据丢失。
2022-01-11 astro-ph.CO astro-ph.IM
Cyclic Imaging for All-Sky Interference Forecasting with Array Radio Telescopes
射频干扰（RFI）正在威胁着现代射电天文学。减轻其对天文数据影响的经典方法包括通过称为标记和消隐的过程丢弃损坏的时间和频率数据样本。我们建议利用RFI信号的循环平稳特性来可靠地检测和预测它们在阵列射电望远镜视场内的位置，并动态地安排天文观测，以最大限度地减少RFI数据损坏的概率。
2020-07-26 astro-ph.IM eess.SP
Radio-Frequency Interference at the McGill Arctic Research Station
红移21厘米观测的感兴趣的频率受到地面射频干扰（RFI）的严重影响。我们确定麦吉尔北极研究站（MARS）作为一个新的射频干扰安静的网站，并报告其射频干扰占用使用122小时的数据与原型天线站开发的阵列的长基线天线从次南极进行无线电观测。使用一个RFI标记过程中定制的MARS数据，我们发现一个整体的RFI占用率为1.8%，平均超过20-125 MHz。特别地，发现FM广播频带（88-108 MHz）具有至多1.6%的RFI占用率。这些数据是在北极夏季采集的，当时电离层条件退化，研究基地活跃，导致RFI增加。因此，此处引用的结果代表火星大气研究所的最高水平射频干扰环境。
2020-12-11 astro-ph.IM
Simulating Spectral Kurtosis Mitigation Against Realistic RFI Signals
我们调查的有效性的统计射频干扰（RFI）缓解技术频谱峰度（SK）在面对模拟现实的RFI信号。SK估计单个通道中M个功率值的集合的峰度，并提供能够区分人造RFI和感兴趣的非相干天文信号的检测度量。我们测试SK的能力，标志信号与各种代表性的调制类型，数据速率，占空比和载波频率。我们用各种累积长度M标记并实现多尺度SK，其组合来自相邻时频箱的信息以减轻单尺度\SK中的弱点。我们发现，高数据速率产生明显旁瓣发射的信号以及有效占空比为50%且信噪比较弱的信号更难标记。具有至少一个额外信道的多尺度SK可以检测中心信道和边带干扰，只要bin信道宽度在频率上比RFI宽，则标记大于90%。
2022-07-15 astro-ph.IM
A FPGA-based Fast Converging Digital Adaptive Filter for Real-time RFI Mitigation on Ground Based Radio Telescopes
射频干扰（RFI）是射电天文学界日益关注的问题。单碟望远镜特别容易受到RFI的影响。已经开发了几种方法来应对RF污染的环境，其中包括标记、切除和实时消隐。所有这些方法都会产生一定程度的数据丢失，或者需要对天文信号进行假设。我们报告的实时，数字自适应滤波器的开发实现在一个现场可编程门阵列（FPGA）能够处理4096个频谱通道在1 GHz的瞬时带宽。该滤波器能够消除各种干扰信号，并快速适应RFI源的变化，最大限度地减少数据丢失，而无需对天文或干扰信号特性进行任何假设。收敛速度（下降到1%）被测量为208.1 us的宽带噪声类RFI信号和125.5 us的多载波RFI信号记录在FAST射电望远镜。
2018-05-16 astro-ph.IM
An interference detection strategy for Apertif based on AOFlagger 3
上下文1.1.5 GHz是Westerbork综合射电望远镜的一个多波束接收器系统，与各种无线电服务重叠，导致天文信号受到射频干扰的污染。目标。我们分析的方法，以减轻反相干扰，并设计了一个自动化的检测程序，其成像模式。使用这种方法，我们提出了长期RFI检测结果超过300个观测。方法.我们的方法是基于AOFlagger检测方法。我们引入了几个新功能，包括在SumThreshold和尺度不变秩运算符步骤中处理无效数据范围（例如由阴影引起）的方法;预校准带通校准;自相关标记;和HI标记避免。这些方法在一个新的框架中实现，该框架使用Lua语言进行脚本编写，这是AOFlagger版本3中的新内容。结果我们的方法完全自动地去除RFI，并且对于这些数据的进一步校准和（连续）成像是足够鲁棒和有效的。对304个观测值的分析显示，由于RFI的大范围传播，平均有11.1%的数据丢失。我们观察到14.6%的自相关RFI。在计算方面，AOFlagger在单个计算节点上实现了370 MB/s的吞吐量。与已发表的机器学习结果相比，该方法快了一到两个数量级。
2023-01-04 astro-ph.IM
Deep Learning improves identification of Radio Frequency Interference
射频干扰（RFI）的标记是射电天文学中日益重要的挑战。我们提出了R-Net，这是一种深度卷积ResNet架构，它在所有指标（包括AUC，F1-score和MCC）上的性能都显著优于现有算法（包括默认的MeerKAT RFI标记器和深度U-Net架构）。我们证明了这种改进的鲁棒性单碟和干涉模拟，并使用迁移学习，对真实数据。在$80\%$召回率方面，我们的R-Net模型的精确度比当前的MeerKAT标记器高出约$90\%$，并且在没有额外性能成本的情况下具有高35%的F1分数。我们进一步强调了迁移学习的有效性，该模型最初是在模拟的MeerKAT数据上训练的，并在真实的、人类标记的KAT-7数据上进行了微调。尽管两个望远镜阵列的性质存在很大差异，但该模型的AUC为0.91，而没有迁移学习的最佳模型的AUC仅为0.67。我们考虑在我们的模型中使用的相位信息，但发现，没有校准的相位增加了几乎没有额外的信息相对于振幅数据。我们的研究结果强烈表明，在真实数据的迁移学习的推动下，模拟的深度学习可能会在射电天文学数据的RFI标记的未来中发挥关键作用。
2020-10-12 astro-ph.IM
Radio Frequency Interference Mitigation
射电天文学观测设施正在不断改进和发展，以实现更好的能力，包括提高记录数据的时间和频率分辨率，并增加接收和记录带宽。由于国际电信联盟分配给射电天文学的频谱资源有限，这导致射电观测仪器不可避免地受到不良的射频干扰（RFI）信号的影响，这些信号主要来自地球上的人类活动，并且随着时间的推移而变得越来越强。射频干扰降低了天文数据的质量，甚至导致数据丢失。RFIs对科学成果的影响越来越难以管理。在本文中，我们激发了RFI缓解的需求，并回顾了RFI的特点，缓解技术和策略。介绍了一些具有代表性的天文台、望远镜和阵列所采取的减缓措施。我们还讨论了四类RFI缓解策略的优点和缺点，适用于连接的因果阶段：预防，预检测，前相关和后相关。正确识别和标记RFI是减少数据丢失和提高数据质量的关键，也是开发RFI缓解技术的最终目标。这可以通过一种涉及分阶段组合所讨论的技术的策略来实现。高速数字信号处理和高性能计算的最新进展允许在实时和离线模式下执行从大型望远镜或阵列生成的大数据量的RFI切除，从而有助于所提出的策略。
2017-11-06 astro-ph.IM
Correlated Radio Frequency Interference Monitor for Radio Telescopes
McGill University（麦吉尔大学）；Trottier Space Institute at McGill, McGill University（麦吉尔大学特罗蒂尔太空研究所）；t0.technology（t0.科技有限公司）；Dunlap Institute for Astronomy & Astrophysics, University of Toronto（多伦多大学邓普天文学与天体物理研究所）；David A. Dunlap Department of Astronomy & Astrophysics, University of Toronto（多伦多大学大卫·A·邓普普天文学与天体物理学系）；CERCA/ISO, Department of Physics, Case Western Reserve University（凯斯西储大学物理系CERCA/ISO）
针对CHORD望远镜面临的RFI污染问题，本文提出一种地平线指向天线的实时互相关监测原型，可提供精细时间尺度标记，其技术也适用于其他射电望远镜。
2026-10-16 astro-ph.IM
Millisecond Cadence Radio Frequency Interference Filters
针对射电观测中RFI降低信号灵敏度、产生假阳性的问题，研究评估了三种单域滤波器及一种新型复合滤波器的性能，验证其能提升脉冲检测率并减少RFI候选体数量。
2025-10-02 astro-ph.IM
Two procedures to flag radio frequency interference in the UV plane
提出了两种算法来识别和标记无线电干涉成像数据中的射频干扰。第一种算法利用可见度平面中UV单元内的vibrium的冗余来识别损坏的数据，同时根据所观察到的噪声随径向UV距离的减少来改变检测阈值。在第二种算法中，我们提出了一种方案，以检测微弱RFI的可见性时间通道平面的基线。由于不准确地减去最强的源而导致的波纹的存在，降低了在残留的病毒中识别RFI的功效。这可能是由于几个原因，包括初级射束不对称和其他方向相关校准误差。我们通过在相关的傅立叶平面中剪切相应的峰来消除这些波纹。RFI在无波纹时间通道平面中被检测到，但在原始的vibrium中被标记。将这两种算法应用于来自GMRT的5个不同的150 MHz数据集，导致整个领域的图像噪声减少20-50%，同时系统学减少，检测到的源的数量相应增加。然而，在比较RFI标记前后的平均通量密度时，我们发现较暗的源（$25σ<$ S $< 100$ mJy）相对于较强的源（S $>$ 100 mJy）的变化为-6%至+1%。我们无法解释这种效应，但它可能与干涉仪已知的CLEAN偏置有关。
2018-05-08 astro-ph.IM
MARS: A Lightweight Morphology-Aware RFI Segmentation Network for Mask-Guided Mitigation in Radio Astronomy
University of Oxford（牛津大学）；National Centre for Radio Astrophysics (NCRA)（国家射电天体物理中心）
本文提出基于GPU的轻量级RFI抑制流程MARS，采用形态感知U-Net网络，通过加入天体信号保留损失提升信号保护效果，在精度、信号保留率和计算速度上均优于现有CPU工具。
2026-08-07 astro-ph.IM
Near-field imaging of local interference in radio interferometric data: Impact on the redshifted 21 cm power spectrum
本文提出匹配滤波和最大后验成像两种近场方法，用于从射电干涉数据中检测和表征局部RFI源，并评估其对21厘米功率谱的影响，代码已开源。
2025-04-11 astro-ph.CO astro-ph.IM
Novelty Detection on Radio Astronomy Data using Signatures
The Alan Turing Institute（艾伦·图灵研究所）；University of Oxford（牛津大学）；University of Cambridge（剑桥大学）；Institute for Advanced Study（高等研究院）
本研究提出半监督框架SigNova，结合签名变换、马氏距离新奇性评分与Pysegments分割算法检测流式数据中的射频干扰，在MWA、HERA等数据上验证了其优于经典加窗技术的检测效果。
2024-03-12 astro-ph.IM cs.LG
RFI-DRUnet: Restoring dynamic spectra corrupted by radio frequency interference -- Application to pulsar observations
CNRS（法国国家科学研究中心）；Institut de Recherche en Informatique de Toulouse (IRIT)（图卢兹计算机科学研究所（IRIT））；Toulouse INP（图卢兹国立综合理工学院）；University of Toulouse（图卢兹大学）；Station de Radioastronomie de Nançay（南赛射电天文台）；Observatoire de Paris（巴黎天文台）；PSL Research University（巴黎文理研究大学）；CNRS/INSU（法国国家科学研究中心/法国国家天文与地球物理研究所）；ENSEEIHT（国立高等电子、电子技术、计算机、水力与电信学院）
本文提出RFI-DRUnet，将射频干扰抑制建模为联合检测与恢复问题，利用深度卷积网络恢复脉冲星动态频谱中被干扰破坏的部分，并通过仿真实验证明恢复后的频谱可用于高精度到达时间估计。
2024-02-21 astro-ph.IM cs.LG eess.IV
Supervised Radio Frequency Interference Detection with SNNs
本文将RFI检测建模为监督式多变量时间序列分割，比较六种SNN编码方案，并用HERA模拟数据训练小型两层全连接SNN，证明latency编码可取得接近现有算法的检测性能。
2024-12-06 astro-ph.IM cs.NE
Forecasting the occupancy of satellite megaconstellations in SKA observations
École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院）；Square Kilometre Array Observatory（平方公里阵列望远镜观测站）
本文预测SKA望远镜在观测过程中暴露于卫星的风险，分析了不同频率范围内的RFI干扰影响，并指出需改进RFI测量和引入新的缓解技术。
2026-04-24 astro-ph.IM
The LOFAR radio environment
目的：本文讨论了利用低频天线阵（LOFAR）进行射电天文学的频谱占用，重点是成像观测。研究方法：我们分析了无线电频率干扰（RFI）的情况下，在两个24小时的调查与荷兰LOFAR站，覆盖30-78兆赫的低波段天线和115-163兆赫的高波段天线。这是LOFAR全频率范围的子集。观测的分辨率为0.76 kHz / 1 s。结果：我们测量的RFI占用率在低和高频率集分别为1.8%和3.2%。这些值被认为是LOFAR无线电环境的代表性值。白天和晚上，无线电环境没有明显差异。我们发现，降低目前的观测时间和频率分辨率的LOFAR的结果略有损失的标记精度。在LOFAR的标称分辨率为0.76 kHz和1 s时，假阳性率约为0.5%。当降低数据频率分辨率时，该速率近似线性地增加。结论：目前，通过使用自动RFI检测策略，LOFAR无线电环境不会对敏感观测造成可感知的问题。这是否仍然适用于数十个夜晚的非常深入的观测还有待观察，但情况看起来很有希望。RFI影响小的原因是LOFAR的高频谱和时间分辨率;精确的检测方法;强滤波器和高接收器线性度;以及天线接近地面。我们讨论了一些策略，可用于一旦低水平RFI开始变得明显。重要的是，LOFAR的频率范围保持不受宽带干扰，例如DAB电台和风车。
2012-10-01 astro-ph.IM
21 cm Power Spectrum Analysis of North Celestial Pole Observations with the Tianlai Dish Pathfinder Array
National Astronomical Observatories, CAS（中国科学院国家天文台）；University of Chinese Academy of Sciences（中国科学院大学）；Northeastern University（东北大学）
利用北天极区域的观测数据，研究TDPA阵列在post-reionization宇宙中21厘米强度测绘技术，通过改进的数据分析框架验证了大规模宇宙结构测量方法。
2026-04-14 astro-ph.CO astro-ph.IM
HI intensity mapping with MeerKAT: Calibration pipeline for multi-dish autocorrelation observations
虽然大多数专门建造的21厘米强度测绘实验是密集的干涉仪阵列，但通用的碟形阵列也应该能够测量宇宙学的21厘米信号。这可以最有效地实现，如果阵列被用作扫描自相关盘的集合，而不是作为干涉仪。作为证明这种观测策略可行性的第一步，我们证明了我们能够成功地校准来自L波段（856-1712 MHz，4096个通道）的64个MeerKAT碟形天线的双偏振自相关数据，并保留了六个晚上的观测数据。我们描述了我们的校准管道，这是基于多级RFI标记，定期注入噪声二极管，以稳定增益漂移和绝对校准的基础上，多分量的天空模型。我们表明，它是足够准确地恢复地图的弥漫性天体发射和点源超过10度x 30度补丁的天空重叠的WiggleZ 11小时字段。重建的地图在每盘地图和外部数据集之间具有良好的一致性，估计的热噪声限制在理论噪声水平的1.4倍（~ 2 mK）。残差图的均方根振幅低于0.1 K，对应于<1%的模型温度。重建的银河系HI强度图与Effelsberg-Bonn HI巡天的结果非常吻合，射电星系4C+03.18的流量恢复到3.6%以内，这表明自相关函数可以被成功地校正为零间距流量，并可能有助于MeerKAT干涉数据的成像。我们的研究结果提供了一个积极的迹象，对使用MeerKAT和未来的SKA测量HI强度映射信号和探测宇宙学的度尺度及以上的可行性。
2021-05-13 astro-ph.CO astro-ph.IM
