CN111414572A - 射电星表与红外星表交叉证认方法、装置及可读存储介质 - Google Patents

射电星表与红外星表交叉证认方法、装置及可读存储介质 Download PDF

Info

Publication number
CN111414572A
CN111414572A CN202010280433.2A CN202010280433A CN111414572A CN 111414572 A CN111414572 A CN 111414572A CN 202010280433 A CN202010280433 A CN 202010280433A CN 111414572 A CN111414572 A CN 111414572A
Authority
CN
China
Prior art keywords
radio
cross
lobe
infrared
candidate radio
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010280433.2A
Other languages
English (en)
Other versions
CN111414572B (zh
Inventor
樊东卫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National Astronomical Observatories of CAS
Original Assignee
National Astronomical Observatories of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by National Astronomical Observatories of CAS filed Critical National Astronomical Observatories of CAS
Priority to CN202010280433.2A priority Critical patent/CN111414572B/zh
Publication of CN111414572A publication Critical patent/CN111414572A/zh
Application granted granted Critical
Publication of CN111414572B publication Critical patent/CN111414572B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Computing Systems (AREA)
  • Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)

Abstract

本发明公开了一种射电星表与红外星表的交叉证认方法、装置及计算机可读存储介质。其中，射电星表与红外星表的交叉证认方法包括：根据候选射电源组合和预设几何模型，获取候选射电源组合的似然值；通过似然值获取与候选射电源组合对应的贝叶斯因子的待证认集合；对待证认集合进行整数线性优化处理，获取交叉证认结果。本发明通过在几何模型中加入角度偏转量参数，使得该几何模型可以适应喷流瓣角度偏离较大的情形。另外，采用整数线性规划方法，实现了对所有数据进行全盘考虑、匹配。因此，本发明可以得到更好的证认结果，确保了交叉证认的大部分数据都更加准确，更好地重现天文学家肉眼分析的结果，减少天文学家工作量，提高了数据分析效率。

Description

射电星表与红外星表交叉证认方法、装置及可读存储介质
技术领域
本发明涉及天体物理技术领域，尤其涉及一种射电星表与红外星表交叉证认方法、装置及计算机可读存储介质。
背景技术
天文学研究已经进入全电磁波段观测时代，产生了海量的不同波段观测数据，覆盖了高能Gama射线、X射线、紫外、可见光、红外、微波、射电等波段。通常，一种设备只能对一个特定波段范围进行观测，但是天体所发出的信号则可能覆盖了所有波段乃至中微子、引力波等其他信息形式。(注，在下文中“目标”、“源”、“天体”指的均是天空中的一个天体)
为了更全面地研究一个或一系列天体，就要尽可能收集它们在不同波段的观测数据。这就需要使用不同的设备进行观测，并使用交叉证认的方式，从现存的多波段的数据中挖掘出相关信息。其中天文星表是较为常用的一类数据。天文星表是观测数据归档的一种方式，即将某些观测数据组织起来形成数据表，其中包含了天体的观测信息。
但是不同的观测设备、观测星表等对于其观测目标的分辨率、精度是不同的，这就容易造成如下问题：在同一坐标系统中的一个观测目标X，设备A认为其是一个观测目标，设备B则会将其识别为多个目标。因而很难精确地对不同精度的观测数据进行融合，为某个目标找到其在其他观测精度数据中的对应数据。另外，比如一个星系在红外波段只有一个观测目标，但是在射电观测数据中，可能会发现它有三个观测目标(例如一个射电核及两个喷流瓣，且这三个目标相距甚远)。即一个目标在红外波段有一条数据，而在射电波段则出现了三条数据，但是它们实际上都来自同一个天体。
通常，对星表交叉证认的研究主要针对的都是点对点证认的情形，即一个目标在不同的星表上都只有一条数据。此时，重点考虑的是它们的位置关系，在同一坐标系统下，位置坐标越接近越有可能是同一天体。但是，上述判断方法在射电星表的交叉证认方面就会失效，因为离一个喷流瓣非常接近的一个红外观测目标有可能本身是独立的、与喷流瓣无关，此时要去找这个喷流瓣的实际来源就需要扩大搜寻范围。由于没有太多可靠的数值计算方法或机器学习方法，这个工作主要还是要靠天文学家肉眼分析完成。
需要进一步说明的是，一个典型的射电星系所发射的射电源包含有一个射电核(简称核)和两个喷流瓣(简称瓣)，这三个源应该在同一条直线上，并且两个喷流瓣与核中心对称。但是由于观测角度不好、喷射能量不强、能量被星际介质吸收以及其它因素的影响，在望远镜观测图像中，有多种情况发生：
(1)这三个源并不都能被观测到，缺少核但是有瓣，或有核没有瓣。
(2)两瓣与核在同一条直线上，但是两瓣与核的距离不同。
(3)两瓣与核不在同一条直线上，并且形成了一定夹角。并且两瓣与核的距离也不相同。
为解决上述问题，现有技术中提出了一种基于几何模型构建红外、射电目标组合，并应用贝叶斯假设推断进行红外、射电交叉证认的方法。该方法虽然较好的复现了天文学家肉眼分析完成的大部分结果，但是由于上述证认方法的几何模型限制了两个喷流瓣只能在一条直线上，无法适应两个喷流瓣角度偏离较大的情形，导致这类目标经计算所得的似然函数分值很低。另外，该方法在最后分析提取交叉证认结果时，使用了简单的贪心策略，该策略只考虑当前贝叶斯因子最大者，没有对周围天体匹配情况进行全盘考虑，导致一些结果与人眼匹配结果不符。换言之，上述证认方法仍然无法有效解决上述情况(3)所提及的问题，直接导致了部分数据证认失败。
发明内容
(一)要解决的技术问题
为解决现有技术中射电星系所发射的射电源的一个射电核和两个喷流瓣不在同一条直线，两瓣与核的距离也不相同的技术问题，确保射电星表与红外星表交叉证认的大部分数据都更加准确，减少天文学家工作量，提高数据分析效率，本发明提供了一种射电星表与红外星表交叉证认方法、装置及计算机可读存储介质。
(二)技术方案
本发明的一个方面提供了一种射电星表与红外星表的交叉证认方法，其中，包括：
根据候选射电源组合和预设几何模型，获取候选射电源组合的似然值；
通过似然值获取与候选射电源组合对应的贝叶斯因子的待证认集合；以及
对待证认集合进行整数线性优化处理，获取交叉证认结果。
根据本发明的实施例，其中，候选射电源组合中的候选射电源为以红外源坐标为中心，在天空中搜索到的与该中心相距一定范围内的射电目标；预设几何模型为包括一个红外源、一个射电核以及两个喷流瓣的直线非对称几何模型；其中，红外源与红外星表中的数据对应，射电核及喷流瓣与射电星表中的数据对应。
根据本发明的实施例，其中，候选射电源组合的似然值满足如下公式：
Figure BDA0002446369730000031
其中，φ为第一喷流瓣相对第二喷流瓣的角度偏转量，p(φ)为一维正态分布概率密度函数，x0为候选射电源组合对应的红外源参数，y0为候选射电源组合对应的射电核参数，y1为第一喷流瓣参数，y2为第二喷流瓣参数，m0为红外源和射电核的实际坐标，m1为第一喷流瓣的实际坐标，m2为第二个喷流瓣的实际坐标，其中
Figure BDA0002446369730000032
Figure BDA0002446369730000033
k为伸缩比例，p(k)为一维正态分布概率密度函数，p(m0)＝1/4π，p(m1|m0)为第一喷流瓣或第二喷流瓣的近似距离分布的瑞利函数，该瑞利函数的输入参数|m1-m0|为m1与m0的距离，Lx0、Ly0、Ly1、Ly2为二维正态分布概率密度函数g，g中的Σx0对应的是x0的测量误差，Σy0、Σy1、Σy2则是相应y0、y1、y2的测量误差。
根据本发明的实施例，其中，候选射电源组合按照核-空-空、核-瓣-空、空-瓣-瓣以及核-瓣-瓣四种组合方式之一进行组合。
根据本发明的实施例，其中，通过似然值获取与候选射电源组合对应的贝叶斯因子的待证认集合，包括：
获取候选射电源组合的似然值对应的贝叶斯因子，贝叶斯因子B满足如下公式：
B＝(4π)(n+1)*p(Core,Lobe,Lobe)
其中，p(Core,Lobe,Lobe)为候选射电源组合的似然值，n为有效射电成分参数的个数；
根据候选射电源组合的贝叶斯因子B获取待证认集合。
根据本发明的实施例，其中，对待证认集合进行整数线性优化处理，获取交叉证认结果，包括：
基于整数线性优化函数库，建立优化模型；
针对每一个贝叶斯因子，在优化模型中新增一个优化变量，优化变量的值为0或1，权重为对应贝叶斯因子的相反数。
根据本发明的实施例，其中，对待证认集合进行整数线性优化处理，获取交叉证认结果，还包括：
依据限制条件获取优化变量的和值，限制条件为包含同一射电核或红外源的变量值之和不大于1；
调用整数线性优化函数库对和值进行实际优化处理，依据实际优化处理结果获取对应的候选射电源组合，即交叉证认结果。
本发明的另一个方面提供了一种射电星表与红外星表的交叉证认装置，用于实现上述的射电星表与红外星表的交叉证认方法。
本发明的又一个方面提供了一种计算机可读存储介质，其上存储有可执行指令，其中，所述可执行指令被处理器执行时实现上述的射电星表与红外星表交叉证认方法。
(三)有益效果
本发明提供了一种射电星表与红外星表交叉证认方法、装置及计算机可读存储介质，其中，包括：根据候选射电源组合和预设几何模型，获取候选射电源组合的似然值；通过似然值获取与候选射电源组合对应的贝叶斯因子的待证认集合；对待证认集合进行整数线性优化处理，获取交叉证认结果。本发明通过在几何模型中加入角度偏转量参数，使得该几何模型可以适应喷流瓣角度偏离较大的情形。另外，采用整数线性规划方法，实现了对所有数据进行全盘考虑、匹配。因此，本发明可以得到更好的证认结果，确保了交叉证认的大部分数据都更加准确，更好地重现天文学家肉眼分析的结果，减少天文学家工作量，提高了数据分析效率。
附图说明
图1是本发明实施例的射电星表与红外星表的交叉证认方法的流程示意图；
图2是本发明实施例的对应预设几何模型的平面坐标示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
为解决现有技术中射电星系所发射的射电源的一个射电核和两个喷流瓣不在同一条直线，两瓣与核的距离也不相同的技术问题，确保射电星表与红外星表交叉证认的大部分数据都更加准确，减少天文学家工作量，提高数据分析效率，本发明提供了一种射电星表与红外星表的交叉证认方法及装置。
本发明的一个方面提供了一种射电星表与红外星表的交叉证认方法，如图1所示，其中，包括：
S110、根据候选射电源组合和预设几何模型，获取候选射电源组合的似然值；
S120、通过似然值获取与候选射电源组合对应的贝叶斯因子的待证认集合；以及
S130、对待证认集合进行整数线性优化处理，获取交叉证认结果。
通过本发明的射电星表与红外星表的交叉证认方法，可以更好地实现对射电星表与红外星表的交叉证认工作，更多地复现了天文学家肉眼证认的结果。为天文学家提供了一种可行的交叉证认方法，使得天文学家可以从繁复的证认工作中解脱出来。另外，可以使得天文学家处理平方公里阵列等大型观测设备所带来的海量观测数据成为可能，从而做出更多有价值的科学成果。
根据本发明的实施例，其中，如图2所示，以红外源为原点，将候选射电源的坐标点投影到该红外源的切平面上时，构成对应预设几何模型的平面坐标系。候选射电源组合中的候选射电源为以红外源坐标为中心，在天空中搜索到的与该中心相距一定范围(例如，2个角分范围，即2/60度)内的射电目标；预设几何模型为包括一个红外源、一个射电核以及两个喷流瓣的直线非对称几何模型，用于对候选射电源进行模型参数化；其中，红外源与红外星表中的数据对应，射电核和喷流瓣与射电星表中的数据对应。
根据本发明的实施例，其中，候选射电源组合按照核-空-空、核-瓣-空、空-瓣-瓣以及核-瓣-瓣四种组合方式之一进行组合。候选射电源可以是与红外源对应的射电核、第一喷流瓣或第二喷流瓣，其数量较多时，候选射电源组合的数量也会相应增大。
具体地，比如“核-瓣-瓣”，即是候选射电源中有三个被选为核和瓣，核为射电核参数，瓣为第一喷流瓣参数和/或第二喷流瓣参数，将其带入上述预设几何模型中可以计算该候选射电源组合的贝叶斯因子。对于3个候选射电源的y0、y1、y2。对应核-瓣-瓣的候选射电源组合可以是y0核-y1瓣-y2瓣，或者y1核-y0瓣-y2瓣等。对于“核-空-空”、“核-瓣-空”、“空-瓣-瓣”的情形，其中出现的“空”为空参数，其在数据处理过程中不代入具体的天体数据，直接将对应的二维正态分布概率密度函数置为1即可。比如“核-瓣-空”的情形，对于3个候选射电源的y0、y1、y2。对应的核-瓣-空候选射电源组合可以是y0核-y1瓣、y1核-y2瓣等。
根据本发明的实施例，其中，将候选射电源组合中的候选射电源引入预设几何模型，则该候选射电源组合的似然值满足如下公式(1)：
Figure BDA0002446369730000071
其中，φ为第一喷流瓣相对第二喷流瓣的角度偏转量，p(φ)为一维正态分布概率密度函数，x0为候选射电源组合对应的红外源参数，y0为候选射电源组合对应的射电核参数，y1为第一喷流瓣参数，y2为第二喷流瓣参数，m0为红外源和射电核的实际坐标，m1为第一喷流瓣的实际坐标，m2为第二个喷流瓣的实际坐标，其中
Figure BDA0002446369730000072
Figure BDA0002446369730000073
k为伸缩比例，p(k)为一维正态分布概率密度函数，p(m0)＝1/4π，p(m1|m0)为第一喷流瓣或第二喷流瓣的近似距离分布的瑞利函数，该瑞利函数的输入参数|m1-m0|为第一喷流瓣m1与红外源和射电核实际坐标m0的之间的距离(即瓣的距离分布使用瑞利函数进行近似)，Lx0、Ly0、Ly1、Ly2为二维正态分布概率密度函数g，g中的Σx0对应的是x0的测量误差，Σy0、Σy1、Σy2则是相应y0、y1、y2的测量误差。通过上述公式(1)可以实现对预设几何模型的参数化，并增加对角度偏转量的积分，使得模型可以适应喷流瓣角度偏离较大的情形。
其中，除了x0外，y0、y1、y2均可以缺失为空参数，只需要在公式将其所属的似然函数置为常数1即可。
另外，第二个喷流瓣的实际坐标m2的推导满足如下公式(2)：
Figure BDA0002446369730000074
其中，m0、m1、m2为矢量，在进行积分计算时m0、m1、m2的值是动态生成并一直在变化的。Lx0、Ly0、Ly1、Ly2的二维正态分布概率密度函数满足如下公式(3)：
Lx0(m0)＝g(x0|m0,Σx0)
Ly0(m0)＝g(y0|m0,Σy0)
Ly1(m0)＝g(y1|m0,Σy1)
Ly2(m0)＝g(y2|m0,Σy2)
本发明针对背景技术所提到的技术问题，在几何模型中加入角度参数，使得模型可以适应喷流瓣角度偏离较大的情形。具体地，是通过在原有的伸缩比例k的基础上增加了φ角度偏转量，使得两个喷流瓣可以不在同一条直线上。
根据本发明的实施例，其中，通过似然值获取与候选射电源组合对应的贝叶斯因子的待证认集合，包括：获取候选射电源组合的似然值对应的贝叶斯因子，贝叶斯因子B满足如下公式(4)：
B＝(4π)(n+1)*p(Core,Lobe,Lobe)
其中，p(Core,Lobe,Lobe)为候选射电源组合的似然值，n为有效射电成分参数的个数。贝叶斯因子B的计算与空参数的数量无关，而只与射电源的有效成分参数有关。因此，空参数的值不需要再作处理。前述的似然值对应的贝叶斯因子计算可以很好的满足上述公式(4)。其中n为有效候选射电源的个数，有效候选射电源的意思为候选射电源的对应参数不得为空参数，比如核-空-空的候选射电源组合，其对应n＝1，“核-瓣-瓣”为n＝3。
根据候选射电源组合的贝叶斯因子获取待证认集合。该待证认集合为对应每一个所述候选射电源组合的贝叶斯因子B的集合。例如，有3个候选射电源组合分别为S1、S2、S3时，其各自对应的贝叶斯因子为B1、B2、B3，则集合{B1,B2,B3}为该待证认集合。
通过以上计算已经包括了所有可能的假设，但是何种假设能够成立，需要进行进一步分析。并且，任何红外或射电源均不可在最终结果中出现超过1次(因为一个红外源或射电源不能同时属于两个天体)。为此，本发明采用整数线性优化对上述贝叶斯因子的待证认集合作进一步地说明。
根据本发明的实施例，其中，对待证认集合进行整数线性优化处理，获取交叉证认结果，包括：
基于整数线性优化函数库，建立优化模型M；其中，整数线性优化函数库为预设的优化函数库，基于该优化函数库，建立变量、限制、优化目标的优化模型M。
针对每一个贝叶斯因子B，在优化模型M中新增一个优化变量x，设置变量x的可选值为0或1，权重为对应贝叶斯因子B的相反数。对每一个贝叶斯因子B(相当于一个组合对应一个假设)，在优化模型M中新增一个整数线性优化变量x，其中，0表示未被选中，1表示被选中。
根据本发明的实施例，其中，对待证认集合进行整数线性优化处理，获取交叉证认结果，还包括：依据限制条件获取优化变量的和值，限制条件为包含同一射电核或红外源的变量值之和不大于1。设置整数线性规划的限制条件为：所有包含同一个射电源或红外源的变量值之和不大于1。换言之，同一个源只能属于一个天体。若同时属于两个天体，则变量值之和将大于1，不符合客观事实。具体地，对于射电源或红外源0，建立一个求和变量S0，遍历所有变量y，当发现该变量y对应的候选射电源组合中包含有0时，则将该变量y加入求和变量S0。遍历结束之后，将s0加入模型M，即限制为其值不大于1。之后，对所有上述变量y进行求和，获得所有变量y的和值，该变量y为优化变量。
调用整数线性优化函数库对和值进行实际优化处理，依据实际优化处理结果获取对应的候选射电源组合，即交叉证认结果。具体地，在实际优化处理过程，首先以和值最小化作为对优化模型M进行优化的目标，
调用整数线性优化函数库进行实际优化计算，获取最小和值。此时，对应最小和值获取实际优化处理结果，其中该实际优化处理结果中所取得的所有值为1的变量所对应候选射电源组合即为交叉证认结果。因此，本发明采用了整数线性规划方法，实现了对所有数据进行全盘考虑、匹配。从而得到了更准确的结果，更好地重现了天文学家肉眼分析的结果。
本发明的另一个方面提供了一种射电星表与红外星表的交叉证认装置，应用于实现上述的射电星表与红外星表的交叉证认方法。
本发明的又一个方面提供了一种计算机可读存储介质，其上存储有可执行指令，其中，所述可执行指令被处理器执行时实现上述的射电星表与红外星表交叉证认方法。
根据本发明的实施例，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的射电星表与红外星表交叉证认方法。
根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上述的ROM和/或RAM和/或ROM和RAM以外的一个或多个存储器。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种射电星表与红外星表的交叉证认方法，其特征在于，包括：
根据候选射电源组合和预设几何模型，获取所述候选射电源组合的似然值；
通过所述似然值获取与所述候选射电源组合对应的贝叶斯因子的待证认集合；以及
对所述待证认集合进行整数线性优化处理，获取交叉证认结果。
2.根据权利要求1所述的交叉证认方法，其特征在于，
所述候选射电源组合中的候选射电源为以红外源坐标为中心，在天空中搜索到的与该中心相距一定范围内的射电目标；
所述预设几何模型为包括一个红外源、一个射电核以及两个喷流瓣的直线非对称几何模型；其中，所述红外源与所述红外星表中的数据对应，所述射电核及喷流瓣与所述射电星表中的数据对应。
3.根据权利要求2所述的交叉证认方法，其特征在于，所述候选射电源组合是按照核-空-空、核-瓣-空、空-瓣-瓣以及核-瓣-瓣四种组合方式之一进行组合。
4.根据权利要求3所述的交叉证认方法，其特征在于，所述候选射电源组合的似然值满足如下公式：
Figure FDA0002446369720000011
其中，φ为第一喷流瓣相对第二喷流瓣的角度偏转量，p(φ)为一维正态分布概率密度函数，x0为所述候选射电源组合对应的红外源参数，y0为所述候选射电源组合对应的射电核参数，y1为所述第一喷流瓣参数，y2为所述第二喷流瓣参数，m0为所述红外源和射电核的实际坐标，m1为所述第一喷流瓣的实际坐标，m2为所述第二个喷流瓣的实际坐标，其中
Figure FDA0002446369720000021
k为伸缩比例，p(k)为一维正态分布概率密度函数，p(m0)＝1/4π，p(m1|m0)为第一喷流瓣或第二喷流瓣的近似距离分布的瑞利函数，该瑞利函数的输入参数|m1-m0|为m1与m0的距离，Lx0、Ly0、Ly1、Ly2为二维正态分布概率密度函数g，g中的∑x0对应的是x0的测量误差，∑y0、∑y1、∑y2则是相应y0、y1、y2的测量误差。
5.根据权利要求1所述的交叉证认方法，其特征在于，所述通过所述似然值获取与所述候选射电源组合对应的贝叶斯因子的待证认集合，包括：
获取所述候选射电源组合的似然值对应的贝叶斯因子，所述贝叶斯因子B满足如下公式：
B＝(4π)(n+1)*p(Core，Lobe，Lobe)
其中，p(Core，Lobe，Lobe)为所述候选射电源组合的似然值，n为有效射电成分参数的个数；
根据所述候选射电源组合的贝叶斯因子B获取所述待证认集合。
6.根据权利要求1所述的交叉证认方法，其特征在于，所述对所述待证认集合进行整数线性优化处理，获取交叉证认结果，包括：
基于整数线性优化函数库，建立优化模型；
针对每一个所述贝叶斯因子，在优化模型中新增一个优化变量，所述优化变量的值为0或1，权重为对应所述贝叶斯因子的相反数。
7.根据权利要求6所述的交叉证认方法，其特征在于，所述对所述待证认集合进行整数线性优化处理，获取交叉证认结果，还包括：
依据限制条件获取所述优化变量的和值，所述限制条件为包含同一射电核或红外源的变量值之和不大于1；
调用所述整数线性优化函数库对所述和值进行实际优化处理，依据所述实际优化处理结果获取对应的候选射电源组合，即交叉证认结果。
8.一种射电星表与红外星表交叉证认装置，用于实现权利要求1-7中任一项所述的射电星表与红外星表交叉证认方法。
9.一种计算机可读存储介质，其上存储有可执行指令，其特征在于，所述可执行指令被处理器执行时实现如权利要求1-7中任一项所述的射电星表与红外星表交叉证认方法。
CN202010280433.2A 2020-04-10 2020-04-10 射电星表与红外星表交叉证认方法、装置及可读存储介质 Active CN111414572B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010280433.2A CN111414572B (zh) 2020-04-10 2020-04-10 射电星表与红外星表交叉证认方法、装置及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010280433.2A CN111414572B (zh) 2020-04-10 2020-04-10 射电星表与红外星表交叉证认方法、装置及可读存储介质

Publications (2)

Publication Number Publication Date
CN111414572A true CN111414572A (zh) 2020-07-14
CN111414572B CN111414572B (zh) 2023-06-13

Family

ID=71495006

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010280433.2A Active CN111414572B (zh) 2020-04-10 2020-04-10 射电星表与红外星表交叉证认方法、装置及可读存储介质

Country Status (1)

Country Link
CN (1) CN111414572B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112067016A (zh) * 2020-08-25 2020-12-11 国家卫星气象中心(国家空间天气监测预警中心) 静止轨道多频太赫兹探测仪电轴标定的射电源选取方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090016470A1 (en) * 2007-07-13 2009-01-15 The Regents Of The University Of California Targeted maximum likelihood estimation
CN102768675A (zh) * 2012-06-13 2012-11-07 天津大学 一种并行天文交叉证认方法
CN109462657A (zh) * 2018-11-28 2019-03-12 中国科学院国家天文台 一种可扩展的远程天文台系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090016470A1 (en) * 2007-07-13 2009-01-15 The Regents Of The University Of California Targeted maximum likelihood estimation
CN102768675A (zh) * 2012-06-13 2012-11-07 天津大学 一种并行天文交叉证认方法
CN109462657A (zh) * 2018-11-28 2019-03-12 中国科学院国家天文台 一种可扩展的远程天文台系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
崔辰州;于策;肖健;何勃亮;李长华;樊东卫;王传军;曹子皇;范玉峰;洪智;李珊珊;米琳莹;裘实;万望辉;王建国;王甲卫;尹树成;郝晋新;薛艳杰;刘梁;陈肖;张海龙;谌俊毅;乔翠兰;苏丽颖;: "大数据时代的天文学研究", 科学通报 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112067016A (zh) * 2020-08-25 2020-12-11 国家卫星气象中心(国家空间天气监测预警中心) 静止轨道多频太赫兹探测仪电轴标定的射电源选取方法
CN112067016B (zh) * 2020-08-25 2022-06-28 国家卫星气象中心(国家空间天气监测预警中心) 静止轨道多频太赫兹探测仪电轴标定的射电源选取方法及装置

Also Published As

Publication number Publication date
CN111414572B (zh) 2023-06-13

Similar Documents

Publication Publication Date Title
KR102068419B1 (ko) 포인트 클라우드 데이터 수집 궤적을 조정하기 위한 방법, 장치 및 컴퓨터 판독 가능한 매체
US8982142B2 (en) Parallel approximation of distance maps
CN114612534B (zh) 一种基于球谐特征的多视飞机整机点云配准方法
McEwen et al. Bayesian analysis of anisotropic cosmologies: Bianchi VII h and WMAP
Wu et al. Iterative closest point registration for fast point feature histogram features of a volume density optimization algorithm
Wang et al. Star Map Recognition and Matching Based on Deep Triangle Model
CN111414572A (zh) 射电星表与红外星表交叉证认方法、装置及可读存储介质
CN113391319B (zh) 一种激光雷达外壳的制造方法及激光雷达外壳
Pfaff et al. The Spherical Grid Filter for Nonlinear Estimation on the Unit Sphere
Zoev et al. Convolutional neural networks of the YOLO class in computer vision systems for mobile robotic complexes
Beaulieu et al. Lens system design and re-engineering with evolutionary algorithms
Song et al. Instrument identification technology based on deep learning
US20170371982A1 (en) Global optimization of networks of locally fitted objects
Alexandrov et al. Asymptotic formulas for the magnification of a gravitational lens system near a fold caustic
Nikolic Acceleration of non-linear minimisation with pytorch
Yu et al. Redundant same sequence point cloud registration
Bass et al. Machine learning in problems involved in processing satellite images
Li et al. Band contour-extraction method based on conformal geometrical algebra for space tumbling targets
Zou et al. Three-dimensional point cloud registration algorithm based on the correlation coefficient
Håkansson et al. Utilization of convolutional neural networks for H I source finding-Team FORSKA-Sweden approach to SKA Data Challenge 2
CN116246003B (zh) 电光调制设备初始对准信息分析系统及方法
Tang et al. Triangle star identification algorithm based on hash map
Pettersson Localization with Time-of-Flight cameras
Alchinov et al. A conceptual applied geographic information system for modeling search autonomous correlation-extreme navigation systems
CN117994445A (zh) 一种基于栅格化的点云融合方法、系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant