基于XGBoost的单脉冲信号识别研究

摘要: 脉冲星搜寻是射电天文学领域的重要研究方向，随着大型射电望远镜的不断建设和发展，采集的数据呈指数级增长，如何及时从快速获取的海量数据中准确识别出脉冲星信号成为当前面临的巨大挑战。本文以LOFAR联合阵列巡天项目的观测数据为例，设计了针对单脉冲信号识别的10个特征变量，进一步研究了XGBoost结合包裹式特征选择法在单脉冲信号识别中的应用，并对比分析了GBDT、AdaBoost、随机森林和BP神经网络等模型对单脉冲信号识别的实验效果。实验结果表明，XGBoost结合包裹式特征选择法在单脉冲信号识别方面更具综合优势，其误分类率最低，同时分类结果的精确率、召回率与F1-score值都最高，平均高出其它模型1到2个百分点。从特征选择上来说，有九个特征被选为最优特征。本研究设计的特征变量和识别方法可为我国开展以FAST探测信号为主的脉冲星搜寻提供方法和技术参考。