智能信息处理在天文成像上的应用研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第1章 引言 | 第8-12页 |
| 1.1 智能信息处理技术概述 | 第8-9页 |
| 1.2 射电天文技术的发展 | 第9-10页 |
| 1.3 智能信息处理技术在天文成像上的应用和发展 | 第10-11页 |
| 1.4 本文主要研究内容 | 第11-12页 |
| 第2章 射电天文成像技术 | 第12-18页 |
| 2.1 射电窗口 | 第12页 |
| 2.2 射电望远镜基本原理 | 第12-13页 |
| 2.3 射电干涉仪基本原理 | 第13-15页 |
| 2.3.1 几何时延 | 第13-14页 |
| 2.3.2 射电干涉仪模型 | 第14-15页 |
| 2.4 VLBI成像技术 | 第15-18页 |
| 2.4.1 VLBI系统的组成 | 第15页 |
| 2.4.2 VLBI成像流程 | 第15-16页 |
| 2.4.3 VLBI成像原理 | 第16-18页 |
| 第3章 群体智能在射电天文上的应用 | 第18-26页 |
| 3.1 群体智能简介 | 第18-19页 |
| 3.2 群体智能的特点 | 第19页 |
| 3.3 MeerKAT与群体智能 | 第19-20页 |
| 3.4 ALMA与群体智能 | 第20页 |
| 3.5 VLBI与群体智能 | 第20-21页 |
| 3.6 SKA与群体智能 | 第21-26页 |
| 3.6.1 SKA的提出与发展 | 第21-23页 |
| 3.6.2 SKA的科学目标 | 第23-24页 |
| 3.6.3 SKA的先导项目 | 第24页 |
| 3.6.4 SKA的蝶型天线 | 第24-25页 |
| 3.6.5 SKA的技术特点 | 第25-26页 |
| 第4章 射电天文图像复原技术研究 | 第26-34页 |
| 4.1 图像复原的定义 | 第26-27页 |
| 4.2 脏图的产生 | 第27-29页 |
| 4.3 射电天文图像经典去卷积算法 | 第29-32页 |
| 4.3.1 最大熵算法 | 第29-30页 |
| 4.3.2 CLEAN算法 | 第30-32页 |
| 4.4 基于全息技术的射电天文图像复原算法 | 第32-34页 |
| 第5章 射电天文图像盲复原 | 第34-39页 |
| 5.1 射电天文图像盲复原问题概述 | 第34页 |
| 5.2 射电天文图像盲复原主要技术 | 第34-35页 |
| 5.3 射电天文图像盲复原仿真 | 第35-39页 |
| 第6章 基于PSF预估的射电天文图像复原算法 | 第39-50页 |
| 6.1 PSF尺寸预估的重要性 | 第39-40页 |
| 6.2 基于稀疏测度的PSF估计算法 | 第40-41页 |
| 6.3 基于边界测度的PSF尺寸大小估计算法 | 第41-43页 |
| 6.4 射电天文图像复原仿真 | 第43-50页 |
| 第7章 结论 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间所开展的科研项目和发表的学术论文 | 第56页 |
