基于密度分析和聚类提取的快速射电暴检测新方法DANCE

《Monthly Notices of the Royal Astronomical Society》：Detecting FRB by DANCE: a method based on DEnsity ANalysis and Cluster Extraction

本刊编辑推荐：针对传统单脉冲搜索方法对弱窄带FRB信号检测灵敏度不足的问题，研究人员开发了基于密度分析和聚类提取的无监督机器学习工具DANCE。该方法通过二维离散小波变换进行射频干扰抑制，结合DBSCAN聚类算法直接在时频谱中识别FRB信号，仿真显示对SNR>5的信号检测精度达93%，在FRB 20201124A实际观测中成功捕获了传统方法难以发现的弱爆发，为研究FRB辐射机制提供了新的技术手段。

　　

在浩瀚的宇宙中，有一种神秘而强烈的射电瞬变现象——快速射电暴（FRB），它们犹如宇宙中的闪光弹，在毫秒量级的时间内释放出巨大能量。自从2007年首次被发现以来，FRB的起源和辐射机制一直是天文学领域的热点问题。虽然研究普遍认为磁星至少是部分FRB的源头，但关于其精确物理过程仍存在诸多未解之谜。对重复暴的能谱和形态学研究，特别是获取更多爆发样本，对于揭示潜在发射周期性和限制流量分布至关重要。

目前主流的FRB探测方法依赖于单脉冲搜索技术，通过对不同色散测量（DM）值的数据进行去色散处理，并评估积分轮廓的信噪比（SNR）来识别候选信号。然而，这种方法在确保真阳性识别的过程中往往牺牲了检测灵敏度，特别是对于低色散测量的脉冲，容易受到射频干扰（RFI）的影响。虽然机器学习技术为FRB信号识别提供了新思路，但大多数流程仍需要人工目视检查候选体，这在处理海量观测数据时效率较低。

为了解决这些挑战，毛元等人开发了一种名为DANCE的无监督机器学习工具，该方法创新性地通过密度分析和聚类提取直接在原始时频谱中识别FRB信号。DANCE不依赖先前的特征训练，而是利用天体信号在时频平面上占据局部区域且功率水平显著高于周围噪声的特点，通过密度聚类方法在信号密度空间（SDS）中识别高密度区域，从而实现对FRB信号的精确探测。

研究方法上，DANCE采用三个关键步骤：首先使用二维离散小波变换（2D-DWT）进行RFI抑制，通过多分辨率分解时频表示并应用阈值技术消除干扰；接着采用滑动平均算法对重构后的数据进行信号滤波，将功率谱转换为二进制数据集；最后利用DBSCAN聚类算法在信号密度空间中识别密集区域，通过Z-score转换和脉冲宽度双重标准提取真正的FRB信号。

在RFI抑制和去噪环节，研究人员使用FAST观测数据展示了2D-DWT的有效性。该方法通过多级分解将4096×4096的时频数据分解为不同尺度的子带，RFI表现为细节子带（HL、LH和HH）中的局部高幅值系数。通过阈值处理这些系数并进行逆变换，获得了RFI抑制后的数据，这一过程避免了传统方法中数据块删除导致的信号密度偏移问题。

密度分析阶段，研究团队采用四分位距（IQR）滤波方法确定信号阈值，将超过1.5倍IQR（超出信号功率统计的75百分位）的样本标记为阳性信号。为了优化聚类效果，他们引入了无量纲密度参数ρ来替代最小样本数MinPts，即MinPts=[SρN₀]，其中S是由半径Eps确定的聚类单元面积，ρ是SDS中每个像素平均元素数（N₀）的倍数。

聚类提取环节，研究人员通过计算所有识别簇的Z-score来评估簇的显著性，并结合脉冲宽度特征进行二次过滤。这一策略有效区分了FRB信号与RFI或背景噪声产生的簇，其中FRB簇通常具有较高的Z-score和合理的脉冲宽度（<100毫秒），而背景噪声簇则往往覆盖整个观测子带。

仿真实验结果显示，DANCE对SNR≥5的FRB信号召回率和精确度分别达到0.98/0.90（ρ=1.6）和0.93/0.94（ρ=1.8）。在Eps=2、ρ=1.8的参数设置下，对SNR>5的信号检测精度超过93%，表明该方法对弱FRB信号具有出色的检测能力。

在实际观测验证中，研究团队对FRB 20201124A的FAST观测数据进行了系统分析。在处理的17,263个数据集（每个0.2秒）中，DANCE成功确认了652个真实爆发，远超此前该数据集报道的500个爆发。特别值得注意的是，该方法发现了大量SNR远低于3σ的弱爆发，包括孤立弱爆发和与强爆发相伴的关联弱爆发。

讨论部分指出，DANCE的关键参数Eps和ρ决定了识别簇所需的最小空间范围和密度阈值。理论分析表明，在随机分布的SDS中，形成簇的概率P_S,ρ=C_?S?^?Sρρ₀?ρ₀^?Sρρ₀?，其中S～πEps²。增大Eps或ρ可降低噪声引起的聚类概率，但过大的参数值也会抑制弱信号。

研究还探讨了DANCE在非去色散FRB搜索中的应用潜力。结果显示，该方法可在原始时频谱中直接识别强瞬变候选体，无需计算密集的去色散 trials，为快速初步检测提供了可行方案。然而，DBSCAN算法的各向同性距离度量与色散信号各向异性几何结构之间的不匹配，限制了其对弱色散暴的检测灵敏度。

该研究发表于《Monthly Notices of the Royal Astronomical Society》，研究成果对FRB探测技术发展具有重要意义。DANCE方法不仅提高了弱窄带FRB的检测能力，其提供的可视化识别结果也大大降低了人工确认的工作量。通过发现更多弱爆发样本，特别是与前驱或后随成分相关的爆发，为理解FRB辐射机制和 progenitor 模型提供了新的观测约束。未来，结合DANCE的快速初步检测和传统方法的精确验证，可形成高效的FRB探测策略，推动FRB研究进入新的发展阶段。