子午工程DART團隊提出射電干涉成像新算法，為太陽射電觀測性能升級筑牢算法基石

點擊“國家空間科學中心”關注我們吧

近日，由浙江理工大學、中國科學院國家空間科學中心等單位組成的DART研究團隊在射電干涉成像領域取得重要進展，相關成果An Imaging Algorithm Based on Generalized Minimax-concave Penalty in Radio Interferometry發表于國際期刊The Astronomical Journal。該研究提出基于廣義最小最大凹懲罰（GMCP）的射電干涉成像新算法，破解傳統成像方法的精度瓶頸，為稻城圓環陣太陽射電成像望遠鏡（DART）的觀測性能優化提供了核心算法支撐，也為我國太陽爆發物理機制研究、空間天氣精準監測筑牢了更堅實的技術基礎。

作為國家重大科技基礎設施“空間環境地基綜合監測網”（子午工程二期）的標志性裝置，DART望遠鏡坐落于川西高原，由313臺6米口徑拋物面天線組成1公里直徑的圓環陣列，可實現150-450MHz頻段高空間、高時間分辨率的太陽射電觀測，是我國捕捉太陽活動信號、預警空間天氣災害的“國之重器”，持續為太陽物理與空間天氣研究提供著高價值觀測數據。

圖1 稻城圓環陣太陽射電成像望遠鏡

射電干涉成像的核心難題：

殘缺數據下的精度提升困境

由于天線數量和觀測時間的限制，射電干涉陣列測量數據（即可見度函數）只能覆蓋部分空間頻率，這使得從可見度函數還原天空亮度分布是一個病態的反問題，容易出現偽影和誤差。所以，如何從觀測的殘缺數據（即不完整的空間頻率數據）中高精度還原圖像的真實輻射結構，成為制約射電干涉陣列的關鍵技術難題。

為破解這一難題，學界相繼研發出多種射電干涉成像方法，主要分為CLEAN、壓縮感知與深度學習三類，各有優劣，其中壓縮感知方法憑借對稀疏信號的高效重構能力，成為射電干涉成像領域的研究重點。然而，在壓縮感知理論中需要求解的L0范數最小化問題是一個難以求解的組合優化問題，通常用凸優化的L1范數最小化或其加權變體來近似替代，這會帶來一定的偏差并影響成像質量。

算法革新：

GMCP算法實現成像精度的顯著提

針對傳統成像算法的技術痛點，DART研究團隊從稀疏優化問題的本質出發，提出GMCP新算法。GMCP算法的創新之處在于，它巧妙地將非凸稀疏優化問題轉化為鞍點問題，并采用前向-后向分裂算法進行高效求解。這一設計既保留了非凸懲罰函數帶來的增強稀疏性表達能力，有效避免傳統凸優化算法中弱信號被過度壓縮、強信號被低估的問題，又確保算法收斂到全局最優解，平衡了精度與穩定性。

為進一步提升算法在復雜觀測場景下的適配能力，采用最大似然估計器根據觀測數據的實際特征動態調整正則化參數，讓算法能自適應匹配不同噪聲水平、不同輻射結構的射電觀測數據，提升了算法的通用性與抗噪性。此外，從計算效率來看，GMCP算法的單次迭代計算復雜度顯著低于經典的SARA算法，在保證高精度的同時兼顧了計算效率。

基于DART數據的仿真實驗結果表明，GMCP算法重建圖像的信噪比可達32.47dB，在太陽中心亮區強度還原與暗區紋理細節保留方面表現優異，旁瓣偽影得到有效抑制，顯著優于經典的多尺度CLEAN和SARA算法。

圖 2. 太陽中心區域重構結果。從上到下各行分別展示了MS-CLEAN、SARA和GMCP的結果；從左到右各列顯示了重構圖像、誤差圖像和殘余臟圖。

技術積累：

系列成果構建射電干涉成像技術體系

此次GMCP算法的提出，并非團隊的單次技術突破，而是長期深耕射電干涉成像領域、持續技術積累的重要結晶。此前，團隊已圍繞射電干涉成像的稀疏表示、約束建模、高效求解等核心環節開展系統性研究，先后提出小波緊框架、自適應學習稀疏基等新型稀疏字典，以及Lq近端梯度、改進平滑截斷絕對偏差等非凸稀疏正則化方法，相關成果接連發表于The Astronomical Journal、Astronomy & Astrophysics 等國際期刊。

從稀疏表示模型的創新到優化求解算法的升級，團隊已逐步搭建起射電干涉成像領域從數據建模到算法實現的技術路徑體系，此次GMCP算法的研發進一步豐富了非凸稀疏優化的技術路徑，為DART望遠鏡觀測性能的持續升級提供了更多元、更高效的算法選擇，也為射電干涉成像技術的發展提供了新的思路。相關算法的成功研發與應用，不僅讓DART望遠鏡能從觀測數據中更精準、更清晰地還原太陽射電輻射結構，提升對太陽耀斑、日冕物質拋射等劇烈太陽活動的精細結構解析能力，更能為太陽爆發的物理機制研究、空間天氣事件的源頭監測與傳播路徑追蹤提供更精準的觀測數據支撐，助力我國空間天氣預警預報能力的提升。

本研究由浙江理工大學青年教師楊曉城擔任論文第一作者，中國科學院國家空間科學中心閻敬業研究員為論文通訊作者，研究得到了子午工程、太陽活動與空間天氣全國重點實驗室專項基金等項目的資助。

相關論文

[1]Yang Xiaocheng, Wu Gaofeng, Wu Lin, Yan Jingye*, Lv Xuning, Yang Yang, Deng Li, Wei Bo. An Imaging Algorithm Based on Generalized Minimax-concave Penalty in Radio Interferometry[J]. The Astronomical Journal, 2026, 171(4): 220.

[2]Yang Xiaocheng, Zhang Yixin, Wu Lin, Yan Jingye*, Jiang Mingfeng, Zhang Haixiang, Lv Xuning, Yang Yang, Deng Li. A Radio-interferometric Imaging Method Based on Adaptively Learned Sparsifying Basis [J]. The Astronomical Journal, 2026, 171(1): 44.

[3]Yang Xiaocheng, Cheng Huangfeng, Wu Lin, Yan Jingye*, Jiang Mingfeng, Yang Xu. Non-convex sparse regularisation for radio interferometric imaging via smoothly clipped absolute deviation[J]. Astronomy & Astrophysics, 2025, 704: A43.

[4]Yang Xiaocheng, You Xiang, Wu Lin, Yan Jingye*, Liu Feng, Jiang Mingfeng, Zheng Junbao. A Radio-interferometric Imaging Method Based on the Wavelet Tight Frame[J]. The Astronomical Journal, 2025, 169(3): 130.

[5]Yang Xiaocheng, Cheng Huangfeng, Wu Lin, Yan Jingye*, Jiang Mingfeng, Yang Xu. A Lq Proximal Gradient Algorithm for Radio-interferometric Imaging[J]. Publications of the Astronomical Society of the Pacific, 2025, 137: 024502.

歡迎關注我們，轉載授權、投稿事宜請
在文后留言，小編會盡快處理