[发明专利]射电干涉阵列分布式图像重建方法

说明书

本发明公开一种射电干涉阵列分布式图像重建方法，将射电干涉阵列图像重建的逆问题转换为等式约束条件下的凸优化问题，再转换为求解该问题的对偶问题，使用原始对偶算法，每次迭代需要的总计算成本较低，从而降低了该问题的求解复杂性；同时，将数据分割成多份，能够精确快速的分割数据；并使用多计算节点进行计算，方法灵活且具有较高的并行性能，可拓展性强。本发明不需要任何的数据后处理步骤，直接得到重建图像，最终得到的图像的动态范围更大，对延展结构的天体显示更加清晰，相比传统的方法更加高效。

技术领域

本发明涉及射电天文成像技术领域，具体涉及一种射电干涉阵列分布式图像重建方法。

背景技术

射电干涉测量对射电成像起了至关重要的作用，它比单口径射电望远镜有更高的分辨率和灵敏度。然而，射电干涉仪受阵列中天线的数量数非常有限，这极大的限制了最终观测采样测量的数量。因此，由射电望远镜观测的采样测量值重建天体的亮度分布，即图像重建，这相当于解决一个病态的逆问题。传统解决方法大多是采用洁化CLEAN算法及其演变算法，演变算法包括CottonSchwab提出CLEAN算法简称CS-CLEAN和多尺度CLEAN算法简称MS-CLEAN，并没有采用现代最先进的图像重建技术。

下一代射电干涉仪，例如低频阵列(Low Frequency Array，LOFAR)，默奇森宽视场阵列(Murchison Widefield Array，MWA)，澳大利亚平方公里阵列探路者(AustralianSquare Kilometre Array Pathfinder，ASKAP)和平方公里阵列(Square KilometreArray，SKA)，必定面临海量数据的处理与成像的极大挑战。这些科学大装置追求更远大、更高的科学目标，包括探测宇宙再电离，绘制大规模结构和探索宇宙磁场。若要实现这些科学目标，用来进行图像重建的方法必须是快速准确和具有较高的可拓展性。然而，上述的传统方法均是依赖本地贪婪迭代过程，当进行大数据处理时，将要消耗大量的内存和运行时间，不适合用于大规模并行计算和分布式计算。

发明内容

本发明所要解决的是现有的射电干涉阵列图像重建方法存在运行效率低、可拓展性差、依赖于复杂的参数设置的问题，提供一种射电干涉阵列分布式图像重建方法，其在天文大数据下能够快速的重建出精确的天文图像，并且具有良好的可拓展性能(或可伸缩性能)。

为解决上述问题，本发明是通过以下技术方案实现的：

射电干涉阵列分布式图像重建方法，包括步骤如下：

步骤1、中央节点将初始化参数广播并发送给计算节点；

步骤2、中央节点根据计算节点的个数n_d，将射电干涉仪的测量数据分割为n_d份；并将这n_d份数据块分别发送给n_d个计算节点；

步骤3、每个计算节点根据所得到的数据块计算当前迭代t下的2个最终对偶变量和并将所计算出的2个最终对偶变量和同时发送给中央节点；

步骤4、中央节点根据各个计算节点所返回的2个最终对偶变量和计算当前迭代t下的最终解

步骤5、判断是否满足收敛条件，即当前迭代t达到最大迭代次数或者当前迭代t下的最终解使得每个数据块均满足

如果未满足收敛条件，则迭代次数t+1，并返回步骤3；

如果满足收敛条件，则当前迭代t下的最终解即为重建的图像；

其中，Φ_j表示第j个数据块的测量矩阵，y_j表示第j个数据块的可见度数据，∈_j表示第j个数据块的噪声上限，j∈{1,2,...,n_d}，n_d表示计算节点的个数。