基于深度学习的射电天文数据智能分级压缩方法及系统

本发明公开了一种基于深度学习的射电天文数据智能分级压缩方法及系统。本方法为：1)依据射电天文领域的观测数据构建天体信号频域模板库；2)将当前待处理的观测数据映射到频域，生成频点矩阵；3)从频点矩阵中提取每一频点的频域特征与每一模板对应特征进行相似度计算，若相似度大于设定阈值则对应的频点为有效频点，否则为无效频点；3)对有效频点按照通道维度进行分析处理，若相邻通道数据差异小于或等于差分阈值则采用差分编码方式记录该相邻通道数据之间的差异值；4)对步骤3)输出数据进行次级压缩；5)将次级压缩编码数据生成标准Fits格式文件并附加元数据参数。本发明有效解决多波束观测产生的海量数据存储与传输瓶颈问题。