近日，由浙江理工大学、中国科学院国家空间科学中心等单位组成的DART研究团队在射电干涉成像领域取得重要进展，相关成果An Imaging Algorithm Based on Generalized Minimax-concave Penalty in Radio Interferometry发表于国际期刊The Astronomical Journal。该研究提出基于广义最小最大凹惩罚（GMCP）的射电干涉成像新算法，破解传统成像方法的精度瓶颈，为稻城圆环阵太阳射电成像望远镜（DART）的观测性能优化提供了核心算法支撑，也为我国太阳爆发物理机制研究、空间天气精准监测筑牢了更坚实的技术基础。
    作为国家重大科技基础设施“空间环境地基综合监测网”（子午工程二期）的标志性装置，DART望远镜坐落于川西高原，由313台6米口径抛物面天线组成1公里直径的圆环阵列，可实现150-450MHz频段高空间、高时间分辨率的太阳射电观测，是我国捕捉太阳活动信号、预警空间天气灾害的“国之重器”，持续为太阳物理与空间天气研究提供着高价值观测数据。

图1 稻城圆环阵太阳射电成像望远镜

射电干涉成像的核心难题：残缺数据下的精度提升困境

    由于天线数量和观测时间的限制，射电干涉阵列测量数据（即可见度函数）只能覆盖部分空间频率，这使得从可见度函数还原天空亮度分布是一个病态的反问题，容易出现伪影和误差。所以，如何从观测的残缺数据（即不完整的空间频率数据）中高精度还原图像的真实辐射结构，成为制约射电干涉阵列的关键技术难题。
    为破解这一难题，学界相继研发出多种射电干涉成像方法，主要分为CLEAN、压缩感知与深度学习三类，各有优劣，其中压缩感知方法凭借对稀疏信号的高效重构能力，成为射电干涉成像领域的研究重点。然而，在压缩感知理论中需要求解的L0范数最小化问题是一个难以求解的组合优化问题，通常用凸优化的L1范数最小化或其加权变体来近似替代，这会带来一定的偏差并影响成像质量。

算法革新：GMCP算法实现成像精度的显著提

    针对传统成像算法的技术痛点，DART研究团队从稀疏优化问题的本质出发，提出GMCP新算法。GMCP算法的创新之处在于，它巧妙地将非凸稀疏优化问题转化为鞍点问题，并采用前向-后向分裂算法进行高效求解。这一设计既保留了非凸惩罚函数带来的增强稀疏性表达能力，有效避免传统凸优化算法中弱信号被过度压缩、强信号被低估的问题，又确保算法收敛到全局最优解，平衡了精度与稳定性。
    为进一步提升算法在复杂观测场景下的适配能力，采用最大似然估计器根据观测数据的实际特征动态调整正则化参数，让算法能自适应匹配不同噪声水平、不同辐射结构的射电观测数据，提升了算法的通用性与抗噪性。此外，从计算效率来看，GMCP算法的单次迭代计算复杂度显著低于经典的SARA算法，在保证高精度的同时兼顾了计算效率。
    基于DART数据的仿真实验结果表明，GMCP算法重建图像的信噪比可达32.47dB，在太阳中心亮区强度还原与暗区纹理细节保留方面表现优异，旁瓣伪影得到有效抑制，显著优于经典的多尺度CLEAN和SARA算法。

图 2. 太阳中心区域重构结果。从上到下各行分别展示了MS-CLEAN、SARA和GMCP的结果；从左到右各列显示了重构图像、误差图像和残余脏图。

技术积累：系列成果构建射电干涉成像技术体系

    此次GMCP算法的提出，并非团队的单次技术突破，而是长期深耕射电干涉成像领域、持续技术积累的重要结晶。此前，团队已围绕射电干涉成像的稀疏表示、约束建模、高效求解等核心环节开展系统性研究，先后提出小波紧框架、自适应学习稀疏基等新型稀疏字典，以及Lq近端梯度、改进平滑截断绝对偏差等非凸稀疏正则化方法，相关成果接连发表于The Astronomical Journal、Astronomy & Astrophysics 等国际期刊。
    从稀疏表示模型的创新到优化求解算法的升级，团队已逐步搭建起射电干涉成像领域从数据建模到算法实现的技术路径体系，此次GMCP算法的研发进一步丰富了非凸稀疏优化的技术路径，为DART望远镜观测性能的持续升级提供了更多元、更高效的算法选择，也为射电干涉成像技术的发展提供了新的思路。相关算法的成功研发与应用，不仅让DART望远镜能从观测数据中更精准、更清晰地还原太阳射电辐射结构，提升对太阳耀斑、日冕物质抛射等剧烈太阳活动的精细结构解析能力，更能为太阳爆发的物理机制研究、空间天气事件的源头监测与传播路径追踪提供更精准的观测数据支撑，助力我国空间天气预警预报能力的提升。
    本研究由浙江理工大学青年教师杨晓城担任论文第一作者，中国科学院国家空间科学中心阎敬业研究员为论文通讯作者，研究得到了子午工程、太阳活动与空间天气全国重点实验室专项基金等项目的资助。

来源：国家空间科学中心