基于斩波轮技术的K波段接收机噪声校准研究          下载免费PDF全文

王凯  王洋  陈卯蒸  段雪峰  闫浩  马军  陈晨雨  曹亮 《天文学报》2020,61(1):1

接收机是射电天文中用于探测微弱射电信号的重要接收设备.接收机的强度校准就是将接收机对射电源的响应转换为天文意义上的流量密度.常规方法就是使用经典的冷热负载法,将接收机自身的强度响应转换为一个等效的温度值,之后再据此对射电源做进一步标定.通过搭建基于斩波轮技术的K波段接收机强度校准平台,使用斩波轮法测试K波段常温接收机的噪声温度,并与传统冷热负载法的测试结果进行比对.结果显示,在晴好天气条件下,斩波轮法在30°、90°仰角下噪声温度的最大测试误差为7.5%和8.4%,可以很好地应用于实际噪声温度测试中;但在5°仰角测试中,由于过低仰角引入了地面噪声,使得斩波轮法的测试误差上升至20%–30%之间而无法使用.希望在此基础上进一步开展K波段天空亮温度的理论计算与实测,从而完善斩波轮技术的应用,使之可以满足在不同气象条件下的噪声校准测试需求.  相似文献   

枣庄：逃离“矿竭城衰”陷阱     

杨智峰  刘晓慧 《湖南地质》2014,(7):65-66

打开百度,搜索＂枣庄＂,别称一栏赫然显示＂煤城＂。枣庄人说,这是一个因枣得名,因煤而兴的城市。然而,很少有人知道,中国历史上最大的民族资本企业＂中兴公司＂就诞生于枣庄,与河北的开滦煤矿、辽宁的抚顺煤矿并称为中国的＂三大煤矿＂;中国工业史上的第一支股票也是从此处走进人们的视野。  相似文献   

基于Stacking集成学习的恒星/星系分类研究          下载免费PDF全文

李超  张文辉  李然  王俊义  林基明 《天文学报》2020,61(2):21-111

机器学习在当今诸多领域已经取得了巨大的成功,但是机器学习的预测效果往往依赖于具体问题.集成学习通过综合多个基分类器来预测结果,因此,其适应各种场景的能力较强,分类准确率较高.基于斯隆数字巡天(Sloan Digital Sky Survey,SDSS)计划恒星/星系中最暗源星等集分类正确率低的问题,提出一种基于Stacking集成学习的恒星/星系分类算法.从SDSS-DR7(SDSS Data Release 7)中获取完整的测光数据集,并根据星等值划分为亮源星等集、暗源星等集和最暗源星等集.仅针对分类较为复杂且困难的最暗源星等集展开分类研究.首先,对最暗源星等集使用10折嵌套交叉验证,然后使用支持向量机(Support Vector Machine,SVM)、随机森林(Random Forest,RF)、XGBoost(eXtreme Gradient Boosting)等算法建立基分类器模型;使用梯度提升树(Gradient Boosting Decision Tree,GBDT)作为元分类器模型.最后,使用基于星系的分类正确率等指标,与功能树(Function Tree,FT)、SVM、RF、GBDT、XGBoost、堆叠降噪自编码(Stacked Denoising AutoEncoders,SDAE)、深度置信网络(Deep Belief Network,DBN)、深度感知决策树(Deep Perception Decision Tree,DPDT)等模型进行分类结果对比分析.实验结果表明,Stacking集成学习模型在最暗源星等集分类中要比FT算法的星系分类正确率提高了将近10%.同其他传统的机器学习算法、较强的提升算法、深度学习算法相比,Stacking集成学习模型也有较大的提升.  相似文献