TABASCAL: Removing multi-satellite interference from radio interferometry observations
本文证明了基于轨迹的方法 TABASCAL 能够准确地去除 MeerKAT 观测中广泛信号强度范围内的多卫星射频干扰，其实现的图像噪声和点源完整性与未受干扰的数据相当，且显著优于像 AOFLAGGER 这样的传统标记技术。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
射电天文学通过捕捉来自遥远恒星和星系的微弱无线电波“低语”来聆听宇宙。为了清晰地听到这些低语，天文学家使用天线阵列，它们协同工作，就像一只巨大的单眼。然而，这种聆听正变得越来越困难。天空正充斥着来自卫星、移动通信塔和其他技术的各种人造无线电信号所产生的嘈杂声。这些不受欢迎的信号被称为无线电频率干扰，就像是一个大声的喊叫声，淹没了微弱的低语。它们破坏了天文学家研究宇宙所需的精细数据，常常迫使科学家因为数据过于受损而不得不丢弃大量的观测结果。随着轨道上卫星数量的增加，这个问题正成为探索宇宙的主要障碍。
一个研究小组开发了一种名为 TABASCAL 的新方法来解决这个问题。该方法并非简单地丢弃带有噪声的数据，而是在离线数据处理过程中，充当一个复杂的过滤器，能够将人造噪声与宇宙信号分离开来。该团队利用南非 MeerKAT 射电望远镜的详细计算机模拟测试了他们的方法。他们创建了一个场景：望远镜正在观测一片布满微弱恒星的天空，同时有九颗不同的卫星飞过视野，广播着强烈的无线电信号。这些卫星产生的干扰极其强烈，其强度是天文学家想要看到的微弱星光数千倍之多。
研究人员发现，TABASCL 可以成功地从数据中移除干扰，以卓越的清晰度恢复出原始的恒星图像。即使卫星信号极其响亮，该方法也能成功隔离并减去它们，留下干净的宇宙图像。事实上，最终图像的质量几乎与卫星从未出现时所看到的景象完全一致。这比目前的标准技术有了显著改进，因为传统技术在面对强干扰时往往表现不佳。传统方法通常试图识别数据的噪声部分并将其标记为无效，实际上就是将其丢弃。研究人员表明，当干扰很强时，这些传统方法无法移除足够的噪声，导致生成的图像模糊且充满伪影（即看起来像恒星但并非恒星的奇怪图案）。
TABASCAL 的独特之处在于其工作原理。它不仅仅是猜测哪些数据部分是坏的；它利用已知的卫星路径来建模卫星信号在移动过程中应该呈现的精确形态。通过了解精确的轨迹以及信号随移动方式的变化，该系统可以预测干扰并将其从总信号中减去。这使得望远镜能够继续使用所有的数据，而不是丢弃大部分数据。该方法还有一个意外的收获：由于卫星信号非常强烈且具有可预测性，系统可以利用它们来帮助校准望远镜本身，从而修正仪器在计时和对准方面的微小误差。
该团队测试了其方法在各种干扰强度下的表现，从微弱信号到极强信号。在每种情况下，TABASCAL 都优于传统方法。当干扰很强时，传统方法产生的图像噪声水平比新方法高出十到一百倍。新方法在寻找天空中的真实恒星方面也表现得出色得多。虽然在干扰较高时，传统方法会错过许多暗淡的恒星或产生虚假的恒星，但无论卫星信号有多响，TABASCAL 都能找到几乎所有的真实恒星并避免产生假象。研究人员指出，这种方法在干扰源的路径已知时效果最好（例如轨道可追踪的卫星），但该方法的设计足够灵活，也可以处理其他类型的干扰。
这项工作表明，射电天文学家可能无需担心天空中日益增多的卫星。通过使用一种学习如何分离噪声与信号而非仅仅删除噪声的方法，他们即使在无线电环境拥挤的情况下，也能继续进行高质量的观测。模拟结果显示，该方法具有鲁棒性，能够处理多个卫星同时产生的复杂且快速移动的信号。虽然目前的结果来自计算机模拟，但该方法在这些测试中的成功为应用于真实望远镜数据奠定了坚实的基础。如果它在真实观测中的表现能如模拟中一样出色，TABASCAL 可能会成为保护射电天文学未来的标准工具，确保即使在我们的技术变得越来越吵闹时，宇宙的声音依然清晰可闻。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。