Using t-SNE for characterizing glitches in LIGO detectors
本研究提出结合Q-transform与t-SNE分析LIGO天文台噪声瞬变的方法，通过分类技术、参数影响检查及一周每日分析追踪异常瞬变，解决glitches污染引力波数据及模拟并合信号的问题。
2025-06-29 astro-ph.IM gr-qc
First constraints on compact binary environments from LIGO-Virgo data
本研究首次基于LIGO-Virgo的引力波事件数据约束致密双星的天体物理环境，未发现环境效应存在的证据，给出了介质密度上限，指出环境效应可能偏置真空模型的参数恢复，并预测未来探测器可探测相关环境效应。
2024-08-15 astro-ph.GA gr-qc
Vetoes for Inspiral Triggers in LIGO Data
本文介绍了LIGO科学合作组织的Inspiral分析小组对前两次LIGO科学数据运行数据评估中可能使用的否决权的发展进行的研究总结。大量的环境监测信号和干涉仪控制通道进行了分析，以表征干涉仪的性能。本文提供了对选定数据段的研究结果。介绍并讨论了LIGO的S1和S2科学数据运行的紧凑双星螺旋分析中所使用的否决权。
2004-03-30 gr-qc
Characterization of transient noise in Advanced LIGO relevant to gravitational wave signal GW150914
2015年9月14日，Advanced LIGO探测器观测到一个来自合并中的黑洞双星系统的引力波信号。本文介绍了瞬态噪声背景用于确定事件（指定为GW 150914）的意义，并提出了潜在的相关或不相关的瞬态噪声源的探测器周围的事件的时间的调查结果。探测器在GW 150914时正常运行。我们已经排除了环境影响和非高斯仪器噪声在任何LIGO探测器作为观测到的引力波信号的原因。
2016-06-04 astro-ph.HE astro-ph.IM gr-qc
Data quality up to the third observing run of Advanced LIGO: Gravity Spy glitch classifications
理解引力波探测器中的噪声对于探测和解释引力波信号至关重要。毛刺是瞬态的非高斯噪声特征，可能具有一系列环境和仪器来源。Gravity Spy项目使用一种机器学习算法，根据时频形态对毛刺进行分类。所得到的分类毛刺集可以用作如何减轻毛刺的检测器表征调查或如何改善毛刺影响的数据分析研究的输入。在这里，我们提出的结果重力间谍分析的数据，以先进的LIGO的第三次观测运行结束。我们分类233981毛刺从LIGO汉福德和379805毛刺从LIGO利文斯顿到形态类。我们发现，两个LIGO站点之间的故障分布不同。这突出表明，可能需要针对每个引力波观测站的具体情况进行数据质量研究。
2023-02-08 astro-ph.IM gr-qc
Spectral Line Removal in the LIGO Data Analysis System (LDAS)
在窄频带中的高功率，即谱线，是干涉引力波探测器输出的一个特征。有些线在干涉仪之间是相干的，特别是2公里和4公里的LIGO Hanford仪器。这是数据分析技术所关心的问题，如随机背景搜索，它利用仪器之间的相关性来探测引力辐射。已经提出了几种“线去除”技术。如果一条直线可归因于可测量的环境干扰，则可以拟合一个简单的线性模型来预测，然后减去该直线。该技术已在LIGO数据分析系统（LDAS）中实现（作为命令oelslr）。我们展示了它的应用LIGO S1数据。
2003-08-09 gr-qc
Correlated magnetic noise in global networks of gravitational-wave interferometers: observations and implications
引力波天文学最雄心勃勃的目标之一是观测随机的引力波背景。两个或更多个检测器中的相关噪声可以引入系统误差，这限制了随机搜索的灵敏度。我们报告的测量相关的磁噪声舒曼共振在广泛分离的LIGO和处女座探测器。我们调查的影响，这种噪音的全球网络的干涉仪，并推导出一个约束的允许耦合的环境磁场测试质量运动的引力波探测器。我们发现，虽然来自全球电磁场的相关噪声可以安全地忽略初始LIGO随机搜索，但它可能会严重影响Advanced LIGO和第三代探测器。
2013-03-11 astro-ph.IM gr-qc
Methods for Reducing False Alarms in Searches for Compact Binary Coalescences in LIGO Data
LIGO探测器对各种非天体物理学来源的噪声瞬变敏感。仪器故障和环境干扰增加了寻找引力波的误报率。使用时间已经确定的干涉仪产生的数据质量有问题时，或当监测干涉仪的通道表示非平稳性，我们已经开发出的技术，安全有效地否决错误的触发器从紧凑的二进制聚结（CBCs）搜索管道。
2010-04-08 gr-qc
Observation of a potential future sensitivity limitation from ground motion at LIGO Hanford
在引力波探测器中首次探测到地球引力噪声是一项艰巨的挑战。在环境传感器的帮助下，原则上可以通过估计环境传感器和检测器之间的相关性来在噪声变得占主导地位之前实现这一目标。主要的复杂性是解开环境和探测器之间的不同耦合机制。在本文中，我们分析了在2016年和2017年第二次科学运行期间记录的地面运动和LIGO应变数据h（t）之间的物理耦合和相关性之间的关系。我们发现，与地面运动相关的所有噪声都比主要的低频仪器噪声低一个数量级以上，并且在地面和h（t）之间的部分频谱上的主要耦合是通过隔震系统的残余耦合。我们还提出了最准确的重力耦合模型，到目前为止，从地震台阵的数据的详细分析的基础上。尽管我们尽了最大的努力，但我们无法明确地识别数据中的引力耦合，但我们改进的模型证实了先前的预测，即引力耦合可能已经在低频引力波观测波段的部分区域中主导了线性地-h（t）耦合。
2020-01-29 gr-qc
Stochastic Background Search Correlating ALLEGRO with LIGO Engineering Data
我们描述的LIGO干涉仪在利文斯顿，洛杉矶，和ALLEGRO共振棒探测器在巴吞鲁日，洛杉矶，在寻找一个随机背景的引力波之间的相关测量的作用。这样的测量为两个LIGO站点的干涉仪之间的相关性提供了有价值的补充，因为它们在不同的更高的频带中敏感。此外，ALLEGRO探测器的可变方向提供了一种区分引力波相关性与相关环境噪声的方法。我们描述了正在进行的分析，以使用ALLEGRO数据和LIGO E7工程运行的数据，在900 Hz附近的频率设置随机背景强度的限制。
2003-08-14 gr-qc
The Critical Coupling Likelihood Method: A new approach for seamless integration of environmental and operating conditions of gravitational wave detectors into gravitational wave searches
任何使用像LIGO这样的干涉探测器对引力波（GW）的搜索工作都需要能够识别噪声是否以及何时耦合到探测器的输出信号中。临界耦合可能性（CCL）方法已被开发出来，以表征潜在的噪声耦合，并在未来的援助GW搜索工作。通过测试两个假设对通道，CCL是能够识别不希望耦合的仪器噪声从潜在的GW候选人。我们的初步结果表明，CCL可以关联到$\sim 80%$的观察到的文物与$SNR \geq 8$，本地噪声源，同时减少占空比的仪器由$\lesssim 15%$。随着GW研究进入高级LIGO时代，从第一次GW探测到GW天文学，像CCL这样的方法将变得越来越重要。
2012-08-20 gr-qc physics.data-an
Hunting for new glitches in LIGO data using community science
University of Glasgow（格拉斯哥大学）；Gravity Spy（重力间谍）；ConSol Consulting & Solutions Software GmbH（ConSol咨询与解决方案软件有限公司）；Syracuse University（雪城大学）；LIGO Laboratory, California Institute of Technology（加州理工学院引力波观测站实验室）；Northwestern University（西北大学）；NSF-Simons AI Institute for the Sky (SkAI)（NSF-西蒙斯天空人工智能研究所）
本文通过结合志愿者和机器学习，研究LIGO数据中的新 glitches 类型，探讨其对数据质量监控的重要性。
2026-04-22 astro-ph.IM gr-qc physics.ed-ph
Method for environmental noise estimation via injection tests for ground-based gravitational wave detectors
环境噪声是引力波观测的关键问题之一，但很难提前预测。因此，为了评估环境噪声对探测器灵敏度的不利影响，了解探测器在实际设置中对环境噪声的响应对于观测和未来的升级至关重要。本文介绍了一种新的环境噪声注入试验方法，并以KAGRA的后期调试为例进行了验证。这种新的方法（响应函数模型）包括频率转换和功率的非线性，这是在LIGO和Virgo中使用的当前模型（耦合函数模型）中没有考虑的影响。我们还通过将其应用于环境噪声丰富的数据集并成功再现它们来证实我们方法的有效性。
2021-05-07 astro-ph.IM gr-qc physics.ins-det
Gravitational wave burst vetoes in the LIGO S2 and S3 data analyses
LIGO探测器在2003-2004年的两次科学运行S2和S3期间收集了大约4个月的数据。对监测仪器物理环境和整个干涉仪操作的若干环境和辅助通道进行了分析，以确定数据的质量以及是否存在非天体物理学来源的瞬变现象。这种分析使我们能够更好地了解仪器的噪声特性，并建立这些通道中的瞬态与记录引力波应变的通道之间的相关性。通过这种方式，确定了对虚假爆破的否决。我们提出的方法，我们遵循在此分析和S2和S3否决分析的背景下，寻找引力波爆发的结果。
2005-04-21 gr-qc
Environmental Noise Challenges for the Einstein Telescope - A Review
Scuola Normale Superiore（比萨高等师范学院）；Sezione di Pisa, Istituto Nazionale di Fisica Nucleare（意大利国家核物理研究所比萨分部）
该综述针对下一代引力波探测器Einstein Telescope，总结其2-10Hz频段面临的环境噪声挑战，梳理相关研究及应对策略，为充分发挥其科学潜力提供支撑。
2026-10-30 astro-ph.IM gr-qc
Application of dictionary learning to denoise LIGO's blip noise transients
引力波探测器的数据流受到仪器和环境造成的瞬态噪声特征或“毛刺”的污染。在这项工作中，我们研究了使用全变分方法和学习字典来减轻数据中这些瞬变的影响。我们专注于一种特定类型的瞬态，“光点”毛刺，因为这是最常见的类型的毛刺存在于LIGO探测器和他们的波形很容易识别。我们随机选择了80个分散在高级LIGO O 1运行数据中的小故障，这些数据由公民科学项目Gravity Spy提供。我们的研究结果表明，字典学习方法是一种有效的方法来建模和减去大部分的毛刺的贡献，在所有的情况下分析，特别是在频率低于$\sim 1$ kHz。当采用具有不同原子长度的字典的组合时，毛刺的高频分量被最好地去除。作为进一步的例子，我们将我们的方法应用于LIGO-Livingston数据中可见的毛刺合并的时间附近的二进制中子星信号GW 170817，找到令人满意的结果。本文是我们正在进行的计划的第一步，自动分类和减去所有家庭的引力波毛刺采用变分方法。
2020-03-30 gr-qc
From LIGO to Fiber- Compact Sagnac Interferometer for Gravitational-Wave Detection
本文提出了一种基于萨格纳克的光纤干涉仪，用于实现更紧凑、成本更低的引力波探测系统，以克服现有迈克尔逊干涉仪的局限性。
2025-11-23 astro-ph.IM gr-qc physics.ins-det
Anomaly Detection in Gravitational Waves data using Convolutional AutoEncoders
到目前为止，由于LIGO-Virgo合作组织与高级LIGO和高级Virgo干涉仪的合作，已经宣布了50个引力波（GW）探测。信号的检测由于数据的噪声主导性质而变得复杂。GW检测过程中的传统方法需要在匹配滤波搜索的背景下精确了解GW波形，或者需要对来自多个检测器的数据进行一致分析。此外，分析容易受到称为毛刺的仪器或环境伪影的污染，这些伪影要么模仿天体物理信号，要么降低数据的整体质量。在本文中，我们提出了一种替代的通用方法研究GW数据的基础上检测异常。我们研究的异常是瞬态信号，不同于检测器的缓慢非平稳噪声。在手稿中提出的异常大多是基于GW发射的合并的二元黑洞系统。然而，所提出的异常研究不仅限于GW，还包括引力波开放科学中心提供的真实LIGO/Virgo数据集中发生的故障。
2021-12-29 astro-ph.IM gr-qc
Glitch Classification and Clustering for LIGO with Deep Transfer Learning
NCSA（美国国家超级计算应用中心）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
用LIGO和Virgo探测引力波需要详细了解这些仪器在环境和仪器噪声存在下的响应。特别令人感兴趣的是研究被称为毛刺的异常非高斯噪声瞬变，因为它们在LIGO/Virgo数据中的高发生率可以掩盖甚至模拟真实的引力波信号。因此，成功地识别和切除毛刺对于探测和表征引力波至关重要。在这篇文章中，我们介绍了深度学习与迁移学习相结合用于故障分类的第一个应用程序，使用来自LIGO第一次发现活动的真实数据（由Gravity Spy标记），表明来自真实世界对象识别的预训练模型的知识可以转移用于分类故障的频谱图。我们证明，这种方法可以在给定小的不平衡训练数据集的情况下，最佳地使用非常深的卷积神经网络进行毛刺分类，显著减少训练时间，并实现98.8%以上的最先进的准确率。一旦通过迁移学习进行训练，我们证明了网络可以被截断并用作无监督聚类的特征提取器，以自动将新的故障和异常类别分组在一起。这种新的能力是至关重要的识别和消除新类型的毛刺，将发生在LIGO/处女座探测器逐渐达到设计灵敏度。
2017-12-11 astro-ph.IM cs.LG gr-qc
Gravity Spy: Integrating Advanced LIGO Detector Characterization, Machine Learning, and Citizen Science
随着对引力波的第一次直接探测，高级激光干涉引力波天文台（LIGO）通过提供另一种感知宇宙的方法开创了天文学的新领域。进行这种探测所需的极高灵敏度是通过将LIGO的所有敏感组件与非引力波干扰精确隔离来实现的。尽管如此，LIGO仍然容易受到各种仪器和环境噪声源的影响，这些噪声污染了数据。特别值得关注的是被称为毛刺的噪声特征，其本质上是瞬态和非高斯的，并且以足够高的速率发生，使得两个LIGO探测器之间的偶然巧合不可忽略。在本文中，我们描述了一个创新项目，该项目将众包与机器学习相结合，以帮助完成对LIGO探测器记录的所有故障进行分类的挑战性任务。通过Zooniverse平台，我们从公众中招募志愿者，将故障图像分类为预先确定的形态类别，并发现随着检测器的发展而出现的新类别。此外，机器学习算法用于在对形态学类的人类分类示例进行训练后对图像进行分类。利用这两种分类方法的优势，我们创建了一种组合方法，旨在提高每个分类器的效率和准确性。由此产生的分类和表征应该有助于LIGO科学家确定故障的原因，并随后从数据或探测器中完全消除它们，从而提高引力波观测的速度和准确性。我们使用LIGO第一次观测运行的一小部分数据来演示这些方法。
2017-02-28 astro-ph.HE astro-ph.IM gr-qc
Reducing the effect of seismic noise in LIGO searches by targeted veto generation
激光干涉仪引力波观测站是探测和研究天体物理学起源的引力波的国际努力的一部分。使用第一代探测器的这一项目的主要障碍之一是地震噪声对仪器灵敏度的影响-环境干扰导致干涉仪光学器件的运动，在引力波数据输出中作为噪声耦合。典型地，已经通过在辅助数据信号（对引力波具有可忽略的灵敏度）中的噪声和引力波数据中的噪声之间找到重合来识别瞬态噪声事件，但是在该方案中包括地震计读数的尝试已经证明是无效的。我们提出了一种新的方法，通过调整引力波爆发检测管道来产生高地震噪声的时间列表，以这些事件的低频特征。这种方法已被证明是非常有效的，在消除瞬态的地震起源的引力波（GW）数据，只有一个小的损失，可分析的时间。我们还提出了一个大纲，将这种方法扩展到其他噪声源。
2013-03-20 gr-qc
Demonstration of Machine Learning-assisted real-time noise regression in gravitational wave detectors
本文演示了DeepClean卷积神经网络在LIGO引力波探测器中实时回归噪声，有效去除60Hz电源噪声及其边带，增强信号信噪比，且不损害天体物理信号，支持低延迟应用。
2023-06-20 gr-qc
Application of a new transient-noise analysis tool for an unmodeled gravitational-wave search pipeline
过多的瞬态噪声事件或毛刺会影响地基引力波（GW）探测器的数据质量，并损害对天体物理源产生的信号的探测。识别这些毛刺的原因是提高GW信号可检测性的关键起点。然而，毛刺是相互关联的探测器控制系统之间的线性和非线性耦合的产物，包括地面运动的缓解和光学运动的调节，这通常使得难以找到它们的起源。我们提出了一种名为PyChChoo的新软件，它使用仪器控制系统和环境传感器中记录的时间序列，当检测器的输出中存在故障时，它可以揭示有关其起源的重要线索。将PyChChoo应用于2020年1月1日至2020年2月3日期间LIGO探测器数据中运行的一个称为相干WaveBurst（cWB）的未建模GW探测管道生成的背景触发器上最不利的影响故障，我们发现80%的触发器在我们的分析和当前的LIGO基础设施之间被标记为被否决或未公开。
2021-04-14 astro-ph.IM gr-qc
Correlated and coincident noise in Einstein Telescope's triangular configuration
Gran Sasso Science Institute（格兰萨索科学研究所）；INFN, Laboratori Nazionali del Gran Sasso（意大利国家核物理研究所，格兰萨索国家实验室）
本文针对爱因斯坦望远镜的三角构型，通过时域模拟分析其环境噪声的关联与重合瞬态干扰，发现这些因素会限制该构型的观测能力及零流效用。
2026-08-25 astro-ph.IM gr-qc
Application of Non-Linear Noise Regression in the Virgo Detector
本文首次将深度学习工具DeepClean应用于Virgo探测器，实现非线性噪声回归，有效提升探测距离与信噪比，且不引入参数偏差，支持未来实时噪声减除。
2025-10-23 astro-ph.IM gr-qc
Environmental effects in stellar mass gravitational wave sources I: Expected fraction of signals with significant dephasing in the dynamical and AGN channels
本文首次评估了下一代引力波探测器中环境效应导致的退相位信号比例，构建通用与具体处方，预测数百个信号将受环境显著影响。
2025-08-08 astro-ph.CO astro-ph.GA astro-ph.HE
First Cross-Correlation Analysis of Interferometric and Resonant-Bar Gravitational-Wave Data for Stochastic Backgrounds
来自LIGO利文斯顿干涉仪和ALLEGRO共振棒探测器的数据，在LIGO的第四次科学运行期间，被检查用于指示频率范围为850-950 Hz的随机引力波背景的互相关，其中大部分灵敏度在905 Hz和925 Hz之间。在实验过程中，ALLEGRO在三个不同的方向上运行，以调制引力波和环境相关性的相对符号。在任何方向上均未观察到统计学显著相关性，结果用于设定贝叶斯90%置信水平上限Omega_gw（f）<= 1.02，其对应于915 Hz下1.5 e-23/rHz的引力波应变。在传统的单位h_100^2 Ω_gw（f）中，这是0.53的极限，比这些频率下的先前直接极限好两个数量级。该方法也验证了成功提取的硬件和软件注入的模拟信号。
2007-03-12 gr-qc
Mitigation of the instrumental noise transient in gravitational-wave data surrounding GW170817
在未来几年，引力波探测器将经历一系列的改进，其探测率将提高约一个数量级。常规检测的引力波信号促进新的天体物理学和基础理论研究，同时导致的数量增加的检测时间重叠的仪器或环境引起的瞬态检测器（毛刺），往往是未知的起源。事实上，这是LIGO和Virgo探测器第一次探测到引力波信号的情况，该信号与双星中子星合并GW 170817一致。在合并前一秒左右，LIGO-Livingston探测器中的一个响亮的小故障阻碍了重合探测（最初仅通过LIGO-Hanford数据实现）。此外，准确的源表征取决于关于检测器噪声的行为的特定假设，这些假设由于毛刺的存在而变得无效。在本文中，我们提出了各种技术用于初始缓解的毛刺进行源特性的GW 170817和研究的优点和缺点，每种缓解方法。我们表明，尽管存在的仪器噪声瞬态比影响GW 170817的一个更响亮，我们仍然能够产生无偏的测量的内在参数从模拟注射与GW 170817类似的属性。
2018-10-20 gr-qc
Nonlinear noise regression in gravitational-wave detectors with convolutional neural networks
目前，引力波（GW）探测器（如Advanced LIGO）的亚60 Hz灵敏度受到来自辅助自由度的控制噪声的限制，这些控制噪声非线性地耦合到主GW读出。解决这种污染的一种特别有希望的方法是使用基于机器学习的卷积神经网络（CNN）来执行非线性噪声缓解，我们在本研究中详细研究了这种方法。由于在许多情况下，噪声耦合是双线性的，可以看作是一些快通道的输出调制的一些慢通道，我们表明，我们可以利用这一知识的物理系统，并采用显式的“慢$\times$快速”结构的设计中的CNN，以提高其性能的噪声减法。然后，我们检查目标信道（即，主GW读出）和辅助传感器中，以便将噪声降低至少几个因子。在有限的SNR在目标通道的情况下，我们进一步证明，CNN仍然可以达到良好的性能，如果我们采用课程学习技术，这在现实中可以通过结合数据从安静的时间和周期与主动噪声注入。
2021-11-05 astro-ph.IM gr-qc physics.ins-det
Compact Binary Coalescences in Dense Gaseous Environments Can Pose as ones in Vacuum
本文利用数值相对论模拟证明，致密气体环境中的双黑洞并合可伪装成真空事件通过现有检验，但会引入参数估计偏差，而唯象环境波形能有效识别并修正这些系统误差。
2025-05-05 gr-qc
Multivariate Time Series Clustering for Environmental State Characterization of Ground-Based Gravitational-Wave Detectors
Computer Science \& Engineering University of California, Riverside Riverside, CA, USA；Physics University of Dallas Dallas, TX, USA；Physics \& Astronomy University of California, Riverside Riverside, CA, USA；LIGO Laboratory LIGO Livingston Observatory Livingston, LA, USA
本文提出了一种基于多变量时间序列聚类的机器学习方法，用于表征地面引力波探测器的环境状态，以帮助操作员进行日常监测和诊断。
2024-12-13 astro-ph.IM cs.LG gr-qc
Limiting noises in gravitational wave detectors: guidance from their statistical properties
预计干涉引力波探测器，如LIGO \cite{Barish99}，最终将受到基本噪声源，如散粒噪声和布朗运动，以及地震噪声的限制。在调试过程中，其他技术噪声源（电子噪声、校准波动）会限制灵敏度，并被逐一消除。我们在这里提出了一种方法，将引力波探测器输出中的噪声与其他探测器和环境信号相关联，而不是通过它们的线性传递函数（通常是未知的），而是通过它们的统计特性。这对于识别最终配置中由不同噪声源主导的频带是有用的，并且还有助于调试过程。
2003-04-29 gr-qc
The metallicity dependence and evolutionary times of merging binary black holes: Combined constraints from individual gravitational-wave detections and the stochastic background
本研究联合LIGO-Virgo-KAGRA前三次观测运行的直接探测双星星表与引力波随机背景观测限值，约束双黑洞演化的时间延迟分布与金属丰度依赖，并指出先进LIGO A+的引力波背景探测结果将对双黑洞演化研究有重要意义。
2024-04-11 astro-ph.HE gr-qc
Environmental effects in stellar mass gravitational wave sources II: Enhanced detectability of phase shifts in eccentric sub-populations
Niels Bohr International Academy, The Niels Bohr Institute（尼尔斯·玻尔国际学院，尼尔斯·玻尔研究所）；Center of Gravity, Niels Bohr Institute（引力中心，尼尔斯·玻尔研究所）；Institut für Physik und Astronomie, Universität Potsdam（波茨坦大学物理与天文学研究所）；Max-Planck-Institut für Astrophysik（马克斯·普朗克天体物理学研究所）
研究发现偏心引力波信号特性增强了环境效应引起的引力波相移可探测性，通过特定公式提升信噪比，还探讨了对不同探测器中双星群体的影响，指出联合分析偏心和相移在当前目录中已具可行性。
2026-07-07 astro-ph.HE gr-qc
Identifiability Limits of Gravitational Wave Phase Deviations: Multiclass Classification with a Multihead Neural Network
Heidelberg University（海德堡大学）
本研究利用多头神经网络对引力波相位偏差进行分类与回归，发现识别极限主要源于相邻相位族的相似性，而非网络能力，为引力波检验提供了新见解。
2026-09-29 cs.LG gr-qc physics.data-an
