Simulating Transient Noise Bursts in LIGO with Generative Adversarial Networks
引力波干涉仪的噪声限制了它们的灵敏度，影响了数据质量，阻碍了对来自天体物理源的引力波信号的检测。对于瞬态搜索，最有问题的是瞬态噪声伪影，称为毛刺，其以大约$ 1 \text{ min}^{-1}$的速率发生，并且可以模仿GW信号。正因为如此，在大规模研究中需要更好的建模和包含故障，例如管道的压力测试。在这个概念验证工作中，我们采用了生成对抗网络（GAN），这是一种受博弈论启发的最先进的深度学习算法，用于学习blip毛刺的潜在分布并生成人工种群。我们在时域中重建毛刺，提供GAN可以学习的平滑输入。使用这种方法，我们可以在不到一秒的时间内创建Hanford和Livingston探测器的$\sim 10^{3}$毛刺分布。此外，我们采用了几个指标来衡量我们的方法的性能和它的生成的质量。这项调查将在未来扩展到不同的故障类，最终目标是创建一个用于模拟数据生成的开源接口。
2022-03-21 astro-ph.IM
UniMAP: Model-free detection of unclassified noise transients in LIGO-Virgo data using the Temporal Outlier Factor
来自当前引力波探测器的数据包含高比率的瞬态噪声（毛刺），这可能引发错误的探测并掩盖真实的天体物理事件。现有的噪声检测算法在很大程度上依赖于基于模型的方法，这些方法可能会错过辅助传感器或具有奇异形态的噪声瞬态。我们提出了独角兽多窗口异常检测管道（UniMAP）：一种无模型算法，通过多窗口数据恢复方案来识别和表征瞬态噪声，该算法利用时间离群值因子（TOF）。我们表明，这种窗口化方案扩展了TOF算法的异常检测能力，以解决任意形态和持续时间的噪声瞬态。我们展示了该管道在LIGO和Virgo的第三次观测运行中检测故障的有效性，并讨论了潜在的应用。
2022-05-04 astro-ph.HE astro-ph.IM gr-qc
The LSC Glitch Group : Monitoring Noise Transients during the fifth LIGO Science Run
LIGO科学合作组织（LSC）故障小组是LIGO探测器表征工作的一部分。它由数据分析师和探测器专家组成，他们在科学运行期间和之后合作，以更好地了解探测器中的噪声瞬变。在第五次LIGO科学运行（S5）期间，故障组的目标包括（1）对探测器数据质量进行离线评估，重点是噪声瞬态，（2）否决天体物理分析的建议，以及（3）向调试团队反馈在引力波和辅助数据通道中看到的异常。其他活动包括研究突发搜索触发器的自相关性、探测器噪声的平稳性和否决研究。该小组确定了在引力波搜索中引发假警报的几个噪声瞬变的原因;这些瞬变的时间被确定并从产生LSC天体物理结果的数据中否决。
2008-07-14 astro-ph.IM gr-qc
Transient glitch mitigation in Advanced LIGO data with $\textit{glitschen}$
“毛刺”--由LIGO和Virgo等引力波干涉仪收集的数据中的瞬态噪声伪影--是搜索和表征引力波信号的一个始终存在的障碍。由于一些具有类似于高质量、高质量比和极端自旋双黑洞事件的形态，它们限制了对这些源的敏感性。它们还可以作为所有来源的污染物，需要在进行天体物理推断之前进行有针对性的缓解。我们提出了一个数据驱动的，经常遇到的故障类型的参数模型，使用概率主成分分析。作为参数化引力波信号模型的噪声模拟，它可以很容易地被纳入现有的搜索和探测器表征技术。我们已经用开源的glitschen包实现了我们的方法。使用LIGO目前最有问题的故障类型（“光点”和“tomte”），我们证明可以构建适度维度的参数模型，并用于频率论和贝叶斯分析中的有效缓解。
2022-01-19 astro-ph.IM gr-qc
Searching for Eccentricity: Signatures of Dynamical Formation in the First Gravitational-Wave Transient Catalogue of LIGO and Virgo
二元黑洞被认为主要通过两种途径形成：孤立演化和动力学形成。二元黑洞系统的质量、自旋和偏心率为它的形成历史提供了线索。我们专注于偏心率，这可能是一个签名的动力形成。采用自旋对齐偏心波形模型SEOBNRE，对LIGO和Virgo的第一个引力波瞬变星表中的双黑洞合并事件进行了贝叶斯推断.我们发现，所有这些事件都符合零偏心率。我们设定的偏心率上限范围为0.02至0.05，置信度为90%，参考频率为10 Hz。这些上限并没有明显限制在球状星团中动态形成的LIGO-Virgo事件的比例，因为预计只有约5%的事件会合并到可测量的偏心率。然而，随着引力波瞬时目录将在未来几个月内急剧扩大，可能很快就有可能使用偏心率测量来显着限制发生在球状星团中的合并比例。
2019-10-17 astro-ph.HE astro-ph.IM
Finding the origin of noise transients in LIGO data with machine learning
改进诸如Advanced LIGO和Virgo等引力波探测器收集的干涉测量数据的质量对于引力波天体物理学的成功至关重要。引力波探测器对各种非天体物理来源的扰动敏感，其特征频率在仪器的灵敏度波段内。消除破坏数据流的非天体物理伪影对于增加引力波探测的数量和统计意义以及实现对数据的精细天体物理解释至关重要。机器学习已被证明是分析天文学和相关研究领域中大量复杂数据的强大工具。我们提出了两种机器学习方法，基于随机森林和遗传编程算法，可用于确定LIGO探测器中的非天体物理瞬态的起源。我们使用两个类的瞬态与已知的仪器的起源，在第一次观测运行的先进LIGO表明，该算法可以成功地识别出真正的干涉数据中的非天体物理瞬态的起源，从而有助于减轻仪器和环境干扰的引力波搜索。虽然本文中描述的数据集是LIGO特有的，并且所采用的确切程序是唯一的，但随机森林和遗传编程代码库以及将其应用为双机器学习方法的方法完全可移植到任何数量的仪器中，其中噪声被认为是通过机械耦合产生的，其来源尚未发现。
2018-12-13 astro-ph.IM physics.data-an
Preparing for advanced LIGO: A Star-Galaxy Separation Catalog for the Palomar Transient Factory
对快速光学瞬变现象的研究，例如对双中子星合并的预期电磁对应物，充满了从小行星到恒星耀斑的误报。虽然移动的物体很容易被拒绝通过图像对分开$\sim$ 1小时，恒星耀斑代表了一个具有挑战性的前景，显着超过快速发展的爆炸。识别接近和比瞬态探测极限更暗的恒星源可以消除这些误报。在这里，我们提出了一种方法来可靠地识别恒星深共添加的Palomar瞬态工厂（PTF）成像。我们的机器学习方法利用随机森林（RF）算法，该算法使用具有斯隆数字巡天（SDSS）光谱的$> 3\times{10}^6$源进行训练。在独立测试集上进行评估时，PTF RF模型的性能优于SExtractor星形分类器$\sim$ 4%。对于在场总体中占主导地位的微弱源（$r'\ge{21}$ mag），PTF RF模型产生的$\sim$比SExtractor提高了$\sim$ 19%。为了避免PTF瞬时候选流中的假阴性，我们采用了保守的恒星分类阈值，对应于星系错误分类率= 0.005。最终，$\sim$ $1.70\times{10}^8$天体被纳入我们的PTF点源目录，其中只有$\sim$ $10^6$被认为是星系。我们证明了PTF射频目录揭示了瞬态，否则会错过。为了利用其卓越的图像质量，我们还创建了一个SDSS点源目录，该目录也被调整为星系错误分类率= 0.005。这些目录已被纳入PTF实时管道自动拒绝恒星源作为非河外瞬变。
2017-03-21 astro-ph.IM
Seeking Counterparts to Advanced LIGO/Virgo Transients with Swift
双星中子星（NS）合并是高级LIGO和高级Virgo最有希望的引力波发射天体物理源之一，预计将于2015年投入运行。找到这些信号的电磁对应物对于将它们置于天文学背景下至关重要。Swift卫星携带一个灵敏的X射线望远镜（XRT），可以在1-2小时内响应目标机会请求，因此独特地准备找到LIGO/Virgo触发器的X射线对应物。假设NS并合是短伽马射线暴（GRB）的前身，那么一定比例的LIGO/Virgo触发事件将伴随着X射线带余辉，其亮度在触发时间后一天的XRT波段中超过10^-12 erg/s/cm ^2。我们发现，这种通量的软X射线瞬态是足够明亮的是极其罕见的，因此可以自信地与即使是一个适度的本地化GW信号。我们研究了两种可能的搜索策略与Swift XRT在LIGO/Virgo错误框中找到明亮的瞬变。在第一种策略中，XRT可以在一天内通过观察~30个星系来搜索半径约为100 Mpc的空间，并具有足够的深度来观察预期的X射线余辉。对于扩展的LIGO/Virgo地平线距离，XRT可以在大约一天内使用100 s的曝光来覆盖约35平方度的区域，保持足够的灵敏度来成像GW发现的GRB余辉。这些策略表明，发现X射线波段对应的GW触发器将是可能的。
2012-09-11 astro-ph.HE astro-ph.IM
Localization of short duration gravitational-wave transients with the early advanced LIGO and Virgo detectors
激光干涉引力波观测站和Virgo是先进的地面引力波探测器，将于2015年开始收集科学数据。随着第一次探测的预期，重要的是量化如何以及一般的引力波瞬变可以定位在天空中。这对于正确识别电磁对应物以及理解引力波物理和源群至关重要。我们提出了一个研究的天空定位能力的两个搜索和参数估计算法：\emph{coherent WaveBurst}，一个约束的似然算法操作接近实时，和\emph{LALInferenceBurst}，马尔可夫链蒙特卡罗参数估计算法开发恢复通用瞬态信号的延迟几个小时。此外，我们专注于先进探测器时代的前几年，当时我们预计只有两个（2015年）和三个（2016年）运行探测器，所有低于设计灵敏度。这些探测器配置可以产生显着不同的天空定位，我们量化的细节。正如预期的那样，我们观察到从两个检测器到三个检测器网络时，平均检测信号的定位有明显的改善。虽然定位取决于波形形态，但在2015年观察100 - 200度$^2$和2016年观察60 - 110度$^2$后，大约50%的检测信号将被成像，尽管波形知识可以将其减少到22度$^2$。这是第一次全面研究先进的LIGO和Virgo探测器早期网络的一般瞬态的天空定位能力，包括早期的LIGO只有两个探测器的配置。
2014-12-16 astro-ph.HE astro-ph.IM
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
Optimizing Vetoes for Gravitational-wave Transient Searches
像LIGO、GEO 600和Virgo这样的干涉引力波探测器记录的信息超过了可能的引力波事件。这些辅助通道捕获关于探测器及其周围环境的状态的信息，这些信息可用于推断某些类引力波事件的潜在陆地噪声源。我们提出了一种算法，解决了排序（或等效优化）的辅助系统在引力波探测器，以建立否决条件，在搜索引力波瞬变的信息。该程序被用来确定否决搜索未建模瞬态的LIGO和处女座合作在他们的科学运行从2005年到2007年。在这项工作中，我们提出了算法的细节;我们还使用了有限的数据量从LIGO的过去运行，以检查该方法，将其与其他方法进行比较，并确定其潜在的仪器本身的特征。我们研究的依赖关系的接收机操作特性曲线的否决方法和实施的各种参数的真实数据。我们发现，该方法鲁棒地确定重要的辅助通道，将它们按其与引力波通道的相关性的明显强度进行排序。该列表可以大大减少引力波数据中噪声事件的背景。通过这种方式，它可以识别探测器中的毛刺来源，并有助于建立对重力波瞬变探测的信心。
2013-06-03 astro-ph.IM
Search for gravitational-wave transients associated with magnetar bursts during the third Advanced LIGO and Advanced Virgo observing run
磁星是一种中子星，具有极强的偶极磁场，被观察到显示出一系列的x射线耀斑行为，但耀斑机制还没有很好的理解。Advanced LIGO和Virgo的第三次观测从2019年4月1日延长到2020年3月27日，包含来自已知磁星SGR 1935+2154以及新发现的磁星Swift J1818-1607的X射线耀斑。我们寻找引力波符合这些磁星耀斑与最低限度建模，相干搜索，专门针对短时间的引力波产生的激发f-模式在磁星的核心，以及长时间的引力波激发的准周期振荡中观察到的巨大耀斑的尾巴。在本文中，我们报告这些搜索的方法和灵敏度估计，以及天体物理学的影响。
2022-10-25 astro-ph.HE astro-ph.IM gr-qc
A Neural Network-Based Search for Unmodeled Transients in LIGO-Virgo-KAGRA's Third Observing Run
LIGO Laboratory（LIGO实验室）；University of Minnesota（明尼苏达大学）
本文提出基于神经网络和GWAK方法的引力波瞬态搜寻方案，在LIGO-Virgo-KAGRA第三次观测数据中成功探测到三个CBC事件及多种探测器毛刺，证明其能超越现有流水线限制。
2024-12-27 astro-ph.IM cs.LG gr-qc
The best of all worlds: gravitational-wave transient detection with multiple pipelines
Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学）；Institute for Accelerated AI Algorithms for Data-Driven Discovery (A3D3), MIT（麻省理工学院数据驱动发现加速AI算法研究所）；University of Thessaly（色萨利大学）
针对引力波瞬变探测中多管道组合问题，提出基于神经网络的分类器融合各管道信息，形成新组合管道，优于任何单一管道，提升实时探测鲁棒性并减少虚假警报。
2026-09-29 astro-ph.IM
Effects of transients in LIGO suspensions on searches for gravitational waves
本文提出了一种分析的瞬态行为的先进的LIGO悬浮用于地震隔离的光学。我们的特点是在先进的LIGO的第一次观测运行的四重悬浮液的纵向运动的瞬态。阶段之间的瞬变传播与建模的传递函数一致，因此，在测试质量处，源自悬挂链顶部的瞬变运动的幅度显著减小。我们发现，四重悬浮的纵向运动监测器看到的瞬态，但它们并不显着相关的瞬态运动以上的噪声地板的引力波应变数据，因此不存在一个主要的背景噪声源的搜索瞬态引力波信号。
2017-02-15 astro-ph.IM
The needle in the hundred square degree haystack: The hunt for binary neutron star mergers with LIGO and Palomar Transient Factory
先进的LIGO和Virgo实验准备在本十年内首次直接探测引力波（GW）。最终的奖励将是在引力和电磁通道中联合观测一个紧凑的双星合并。然而，GW的天空位置不确定数百平方度将构成挑战。我描述了一个实时检测管道和快速贝叶斯参数估计代码，这将使它能够迅速搜索光学同行在先进的LIGO。在分析了一个全面的人口模拟GW源，我们描述的天空定位精度，GW探测器网络将实现每个探测器上线，并朝着设计灵敏度的进展。接下来，在准备与中间帕洛玛瞬态工厂（iPTF）的光学搜索，我们已经开发了一种独特的能力，检测光学余辉的伽马射线暴（GRB）检测费米伽马射线暴监测器（GBM）。它的可比误差区域提供了一个密切的平行先进的LIGO问题，但费米的独特访问MeV-GeV光子和其几乎所有的天空覆盖范围可能使我们能够在一个相对未开发的部分GRB参数空间的光学余辉。我们提出了八个GBM-iPTF余辉的发现和宽带跟踪观测。其中两个爆发的红移较低，相对于“标准”宇宙学爆发而言，是次发光的，并且已经在光谱上证实了宽线Ic型超新星。这两次爆发可能与从先驱包层爆发的温和相对论性激波相一致，而不是超相对论性喷流内部激波的标准机制。在技术层面上，GBM-iPTF的努力是一个原型，用于定位和观测Zwicky瞬态设施的高级LIGO中GW事件的光学对应物。
2015-01-12 astro-ph.HE astro-ph.IM gr-qc
DANTE: A Reference-Guided Unsupervised Pipeline for Extended-Transient Anomaly Characterization in LIGO O4a
提出DANTE管道，利用预训练Vision Transformer提取时频图局部嵌入，结合自适应狄利克雷过程混合模型，无监督地发现和分类LIGO O4a数据中的非平稳瞬态异常，并解决领域偏移问题。
2026-10-01 astro-ph.IM gr-qc
GW-YOLO: Multi-transient segmentation in LIGO using computer vision
LIGO Laboratory, Massachusetts Institute of Technology（麻省理工学院 LIGO 实验室）；University of California, Riverside（加州大学河滨分校）；Inter-University Centre for Astronomy and Astrophysics（天文与天体物理跨大学中心）
本文提出GW-YOLO，一种基于YOLO的计算机视觉工具，用于引力波干涉仪数据的实时多瞬变分割，可同时识别噪声与信号并提供像素级时频定位，在特定信噪比下实现50%的检测效率。
2026-09-22 astro-ph.IM gr-qc
Instrumental vetoes for transient gravitational-wave triggers using noise-coupling models: The bilinear-coupling veto
LIGO和Virgo最近完成了对引力波在其初始目标灵敏度上的搜索，很快Advanced LIGO和Advanced Virgo将开始具有更好能力的观测。在搜索短持续时间信号时，例如合并紧凑二元吸气或“突发”事件，噪声瞬变可能是有问题的。干涉引力波探测器是高度复杂的仪器，根据过去的经验，数据往往包含大量的噪声瞬变，不易与可能的引力波信号区分开来。为了对短持续时间的引力波信号执行灵敏的搜索，重要的是识别这些噪声伪影，并且“否决”它们。在这里，我们描述了这样一个否决权，双线性耦合否决权，它利用的干涉引力波探测器的输出应变通道的仪器噪声的耦合的经验模型。在该方法中，我们检查在表观信号时来自输出应变通道的数据是否与来自辅助通道的双线性组合的数据一致。我们讨论了最近的LIGO数据的否决权的应用程序的结果，其可能的效用时，使用先进的LIGO和先进的处女座的数据。
2014-05-27 astro-ph.IM gr-qc
Globally coherent short duration magnetic field transients and their effect on ground based gravitational-wave detectors
人们已经认识到，舒曼共振产生的磁场可能会影响LIGO和Virgo对随机引力波背景的搜索。这里介绍的是在LIGO和Virgo站点的磁强计中同时发生的短持续时间磁场瞬变的观测结果。来自波兰和美国科罗拉多州的低噪声磁力计的数据也被使用，并显示了全球范围的短时间磁瞬变。我们测量至少2.3符合（波兰和科罗拉多州之间）磁瞬变事件，每天其中一个脉冲超过200 pT。考虑到最近测量的先进LIGO的磁耦合到差动臂运动的值，每天都会有几个事件同时出现在引力波探测器位置，并可能移动$10^{-18}$ m级的测试质量。我们确认，在先进的探测器时代，短时间的瞬态引力波搜索必须占相关的磁场噪声在全球探测器网络。
2016-12-04 astro-ph.IM gr-qc physics.ins-det
The response of the Convolutional Neural Network to the transient noise in Gravitational wave detection
近年来，许多工作研究了卷积神经网络用于引力波探测。然而，很少有人关注瞬态噪声是否会触发CNN模型。在本文中，我们研究了正弦高斯毛刺，高斯毛刺和振铃毛刺的训练卷积神经网络分类器的响应。我们发现，该网络是鲁棒的正弦高斯和高斯毛刺，其虚警概率接近的LIGO类噪声，在对比的情况下，衰荡毛刺，其中的虚警概率远远大于LIGO类噪声。我们还研究了不同频率的毛刺的响应。我们发现当毛刺的频率落在训练的GW信号的频率时，毛刺的虚警概率将远大于LIGO类噪声的虚警概率，并且毛刺被误判为GW信号的概率甚至可以超过30%。
2021-03-05 astro-ph.IM gr-qc
Bayesian inference for compact binary coalescences with BILBY: Validation and application to the first LIGO--Virgo gravitational-wave transient catalogue
引力波为观测天文学提供了一个独特的工具。虽然第一个LIGO-Virgo引力波瞬变目录（GWTC-1）包含来自黑洞和中子星双星的11个信号，但随着探测器灵敏度的提高，观测数量正在迅速增加。为了从观测信号中提取信息，必须具有快速、灵活和可扩展的推理技术。在以前的论文中，我们介绍了BILBY：一个模块化和用户友好的贝叶斯推断库，适用于解决引力波推理的需求。在这项工作中，我们证明了BILBY产生可靠的结果，从紧凑的二进制合并的模拟引力波信号，并验证它准确地再现结果报告的11 GWTC-1信号。此外，我们还为所有分析提供配置和输出文件，以便于复制、修改和将来使用。这项工作表明，BILBY已经准备好分析快速增长的致密双星聚结引力波信号。
2021-06-07 astro-ph.IM gr-qc
The LIGO HET Response (LIGHETR) Project to Discover and Spectroscopically Follow Optical Transients Associated with Neutron Star Mergers
LIGHETR项目利用Hobby-Eberly望远镜的VIRUS和LRS-2光谱仪，对LIGO/Virgo发现的中子星并合相关光学暂现源进行光谱跟踪，其观测频次超越GW170817，并在O3期间成功对候选体进行了光谱观测与性质确认。
2023-06-27 astro-ph.HE astro-ph.IM
Application of machine learning algorithms to the study of noise artifacts in gravitational-wave data
在LIGO数据中搜索天体物理瞬态的灵敏度通常受到瞬态非高斯噪声伪影的限制，这些伪影以足够高的速率发生，使得多个探测器之间的偶然巧合不可忽略。此外，非高斯噪声伪影通常在由平稳噪声贡献的背景上占主导地位。这些“毛刺”很容易被混淆为瞬态引力波信号，它们的鲁棒识别和消除将有助于任何天体物理引力波的搜索。我们将机器学习算法（MLAs）应用于这个问题，使用来自LIGO探测器内辅助通道的数据，这些探测器监测不受天体物理信号影响的自由度。描述这些干扰的随机信道参数的数量也可能非常大; MLA特别适合的区域。我们证明了三个非常不同的MLAs的可行性和适用性：人工神经网络，支持向量机和随机森林。这些分类器识别并消除了两个非常不同的数据集中存在的大部分故障：LIGO第四次科学运行的四周和LIGO第六次科学运行的一周。我们观察到，所有三种算法都同意哪些事件是第六次科学运行数据的10%以内的故障，并通过显示每个分类器使用的不同优化标准生成相同的决策表面来支持这一点，基于似然比统计。此外，我们发现，所有的分类器获得类似的限制性能，这表明我们提取的辅助信道参数中包含的大部分有用信息已经被使用。
2013-03-27 astro-ph.IM
Improved binary black hole searches through better discrimination against noise transients
本研究提出一种优化的正弦-高斯 $χ^2$ 统计量，通过考虑噪声瞬变初始相位和改进基向量选择，在真实 LIGO O3 数据中有效提升了双黑洞搜索对噪声的辨别能力，使真阳性率显著提高。
2024-09-25 astro-ph.IM gr-qc
Vision Transformer for Transient Noise Classification
Institute of Astronomy, Nicolaus Copernicus University in Toruń（天文学研究所，尼古拉·哥白尼大学（托伦））
本研究利用视觉Transformer（ViT-B/32）对LIGO数据中的瞬态噪声进行分类，在包含24个类别的组合数据集上达到92.26%的分类效率，展示了其提升引力波探测准确性的潜力。
2025-10-06 astro-ph.IM cs.CV cs.LG
TOROS Optical follow-up of the Advanced LIGO-VIRGO O2 second observational campaign
我们介绍了由TOROS合作进行的光学跟踪的结果，这些结果是在高级LIGO-Virgo第二次观测运行（2016年11月-2017年8月）期间检测到的引力波事件。由于我们的观测仪器的视场（$\sim100\arcmin$）有限，我们的目标是从我们的站点观测到的高定位概率区域内的星系。我们使用差分成像分析观察结果，然后使用随机森林算法来区分真实和虚假的瞬态。对于我们响应的所有三个事件，除了GW 170817，我们没有发现任何真正的光学瞬变与观察到的引力波事件有可能联系。我们的观测是利用博斯克阿莱格雷天文台、托洛洛山美洲天文台和克里斯蒂娜·托雷斯博士纪念天文台的望远镜进行的。我们的研究结果是一致的LIGO-Virgo检测的一个二元黑洞合并（GW 170104），没有电磁对应物的预期，以及二元中子星合并（GW 170817）的光学瞬态被发现的预期。
2019-01-09 astro-ph.HE astro-ph.IM
Leveraging waveform complexity for confident detection of gravitational waves
最近完成的高级LIGO表明，引力波（GW）可能很快就会被直接观测到。过去对引力波瞬变的搜索受到了瞬态噪声伪影的影响，这些伪影被称为毛刺，由于仪器和环境效应而引入到LIGO数据中。在这项工作中，我们探讨如何波形的复杂性，而不是信噪比，可以用来排列事件的候选人和区分短持续时间的天体物理信号毛刺。我们使用一个新的分层管道，直接比较明确的信号和毛刺模型的贝叶斯证据来测试这个框架。的分层流水线示出具有较强的性能，特别是，允许高置信度检测的一系列波形在现实的信噪比与两个检测器网络。
2016-01-12 astro-ph.IM
Low Latency transient search of Gravitational Waves for the Advanced Detectors
第一次探测的可靠性是引力波界最感兴趣的挑战之一。为了增加探测的可信度，LIGO和Virgo合作已经开始在引力波探测器和其他天文仪器（如电磁或中微子探测器）之间进行同步观测。这可以从两个方向进行：搜寻电磁信息触发的引力波，或者将电磁望远镜指向引力波分析实时给出的天空位置。后一种情况的成功在很大程度上取决于引力波管道的分析速度，以分析数据并提取具有尽可能多信息的任何引力波候选。在本文中，我们讨论的情况下，相干Waveburst管道，在过去的科学LIGO-Virgo分析搜索的引力波瞬变的主要管道，报告的能力，使一个全天和所有时间的分析和分析速度性能。
2015-12-01 astro-ph.IM gr-qc
Improving the Data Quality of Advanced LIGO Based on Early Engineering Run Results
高级激光干涉仪引力波天文台探测器已完成初始升级阶段，将于2015年底进入第一次观测运行，预计探测器灵敏度将在未来运行中提高。通过现场专员和LIGO科学合作组织的探测器表征小组的共同努力，两个LIGO观测站的干涉仪性能在数据质量方面从调试工作开始到现在都有了很大的改善。先进的LIGO在灵敏度上已经超过了增强型LIGO，并且会对天体物理搜索产生负面影响的噪声瞬变率也有所改善。在这里，我们详细介绍了在第一次观测运行之前为提高LIGO数据质量而进行的一些工作。
2016-01-28 astro-ph.IM gr-qc
A method of enhancing the detection sensitivity of transient sources in time series with Gaussian stationary noise
强度时间序列的高斯相位噪声被证明是大大减少时，原始电压数据进行数字滤波，通过任意大量的$n$正交带通曲线（本征滤波器）共享相同的强度带宽，并由此产生的强度系列共同添加。具体地说，在一个相干时间或更少的分辨率下，求和序列的相对噪声方差随着$n$的增加而下降为$1/n$，尽管（与辐射计方程一致）当序列被箱平均到较低分辨率时，优势逐渐消失。因此，该算法被设计为增强检测瞬态的灵敏度，所述瞬态通过时间平均而平滑，并且太微弱而在有噪声的未平均时间序列中不可见，如通过模拟周期性性质或快速且不重复的脉冲的弱嵌入式时变信号所证明的。然后将该算法应用于VLA对脉冲星PSR 1937+21的10分钟观测，其中理论预测得到了数据的验证。此外，它示出的时间轮廓内的微观结构被更好地定义为所使用的滤波器的数量$n$的增加，和周期$1.86 \times 10^{-5}$ ~s（$53.9$ ~kHz）的周期信号被发现在脉冲轮廓。最后，我们将该算法应用于LIGO探测到的第一个二元黑洞合并，GW 150914。我们发现平均峰值强度的SNR随着$\sqrt{n}$而增加，并且LIGO-Hanford-Livingston探测器对之间的事件的互相关随着滤波器阶数$n$而增加。
2020-05-27 astro-ph.IM
Detection and Parameter Estimation of Gravitational Waves from Binary Neutron-Star Mergers in Real LIGO Data using Deep Learning
实时探测和估计致密双星合并产生的引力波的关键挑战之一是传统的匹配滤波和贝叶斯推断方法的计算成本。特别是，将这些方法应用于引力波探测器可用的完整信号参数空间和/或实时参数估计在计算上是禁止的。另一方面，快速探测和推断对于迅速跟踪伴随重要瞬变的电磁和天体粒子对应物，如中子星双星和黑洞中子星合并，至关重要。训练深度神经网络来识别特定信号并学习引力波信号及其参数之间映射的计算有效表示，可以快速可靠地进行检测和推断，具有高灵敏度和准确性。在这项工作中，我们应用了一种深度学习方法来快速识别和表征真实LIGO数据中中子星合并的瞬态引力波信号。我们第一次证明了人工神经网络可以及时检测和表征真实LIGO数据中的二进制中子星引力波信号，并将其与噪声和合并黑洞二进制信号区分开来。我们通过证明我们的深度学习框架正确地分类了来自引力波瞬态目录GWTC-1的所有引力波事件来说明这一关键结果[Phys. Rev. X 9（2019），031040]。这些结果强调了在机器学习方法中使用真实引力波探测器数据的重要性，并代表了实现引力波实时探测和推断的一步。
2021-07-29 astro-ph.IM gr-qc nucl-th
OmegaNeuron: Applying GravitySpy Similarity Methods to the Search for LIGO Glitch Witnesses
California State University, Northridge（北岭加州州立大学）；University of Rhode Island（罗德岛大学）；LIGO Laboratory, California Institute of Technology（加州理工学院LIGO实验室）
OmegaNeuron 是一种结合 GravitySpy 图像相似性方法和 Omega Scan 暂态分析的机器学习工具，用于自动化识别 LIGO glitch 的见证通道，提升引力波观测的灵敏度和可靠性。
2026-02-26 astro-ph.IM gr-qc
Modeling and Reduction of High Frequency Scatter Noise at LIGO Livingston
本文针对LIGO Livingston探测器中的高频散射噪声（快速散射），通过建模定位噪声源，发现臂腔挡板的机械阻尼可将1-3 Hz地震运动引起的噪声瞬态速率降低约50倍。
2023-11-09 astro-ph.IM
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
Enhanced long-duration gravitational-wave transient sources search pipeline with denoising and tree clustering algorithms
该研究通过结合复二维小波去噪、自适应阈值与 KDTree 聚类升级 PySTAMPAS，显著降低长持续引力波瞬变搜索的误报率、计算耗时并提升灵敏度。
2025-08-29 astro-ph.HE astro-ph.IM gr-qc
Performance of iDQ ahead of LIGO, Virgo, and KAGRA's fourth observing run
本文介绍LVK第三至第四次观测运行间iDQ噪声瞬变识别流水线的改进，结合Omicron构建毛刺概率并挖掘辅助通道关联，验证其在O3b中的检测性能。
2024-12-05 astro-ph.HE astro-ph.IM gr-qc
Utilizing aLIGO Glitch Classifications to Validate Gravitational-Wave Candidates
先进的LIGO数据包含许多噪声瞬变或“毛刺”，已被证明可以通过增加随机重合发生的速率来降低匹配滤波器搜索紧凑双星中引力波的灵敏度。这些瞬变现象的存在促使人们进行了大量的工作，以确定观测到的引力波事件在本质上是天体物理事件。我们讨论了PyCBC搜索恒星质量双星的引力波的各种常见的故障，在先进的LIGO的第一次和第二次观测运行中观察到的响应。我们展示了这些瞬态如何从紧凑的二进制聚结模拟波形和量化的可能性，一类给定的毛刺将在搜索管道中创建一个触发器。我们探索的特定波形参数是最相似的不同的毛刺类，并演示如何使用这些相似性的知识时，评估引力波候选人的意义。
2020-02-21 astro-ph.IM gr-qc
Electromagnetic transients as triggers in searches for gravitational waves from compact binary mergers
探测到可能源自双中子星合并的电磁瞬变现象，可以增加LIGO-Virgo地基引力波探测器网络的给定数据段包含来自双合并的信号的概率。电磁信号中包含的其他信息，如天空位置或到源的距离，可以帮助排除假警报，从而降低检测的必要阈值。在这里，我们开发了一个框架，用于确定通过触发电磁瞬变来增加引力波搜索的灵敏度。我们将这个框架应用到各种相关的电磁瞬变，从短伽玛暴的R-过程加热的签名，光学和无线电孤儿余辉。我们计算了在先进探测器时代的多信使观测的预期速率，发现在短GRB上触发的搜索-用当前的高能仪器，如费米-和核合成的“kilonovae”-用未来的光学调查，如LSST -可以分别将多信使探测的数量提高15%和40%，对于二元中子星祖先模型。短GRB触发提供了精确的合并时间，但遭受检测率下降的光束和高先验概率的来源是外部的LIGO-Virgo敏感体积。另一方面，在LIGO-Virgo敏感体积内，通常可以观察到各向同性千新星，其仪器比目前的光学测量灵敏大约一个数量级。我们建议，进行多信使引力波观测的最有效策略是使用未来深空光学全天巡天的触发器，其特征与LSST相当，每年可以进行多达10次这样的同步观测。
2013-06-26 astro-ph.HE astro-ph.IM gr-qc
Target-based Optimization of Advanced Gravitational-Wave Detector Network Operations
我们介绍了两个新的时间依赖性的优点先进的引力波（GW）探测器网络操作的在线和离线优化的数字（i）检测连续信号从已知的源位置和（ii）检测GW的中子星二元聚结从已知的本地星系，从而具有最高的潜在电磁对应检测。对于这些科学目标中的每一个，我们描述了一个$N$ -检测器网络，以及它的所有$(N-1)$ -检测器子网络，以识别子网络和单个检测器（关键贡献者），这些检测器对实现科学目标贡献最大。我们的研究结果表明，aLIGO-Hanford预计将成为2017年在LIGO和Virgo探测器网络中探测蟹状星云脉冲星GW的关键贡献者。对于同一时间段和同一网络，两个LIGO探测器都是探测船帆座脉冲星GWs的关键贡献者，也是探测10个高兴趣恒星信号的关键贡献者。从银河系中心探测连续GW的关键贡献者只能在每个恒星日内的有限时间间隔内识别，无论是2017年的LIGO和Virgo探测器的3探测器网络，还是2019-2020年的LIGO，Virgo和KAGRA探测器的4探测器网络。LIGO-Virgo探测器相对于目标（ii）的表征确定了两个LIGO探测器作为关键贡献者。此外，对于所有的分析，我们确定一天内的时间段，锁定损失或预定的服务操作可能会导致最少量的信噪比或瞬态检测概率损失的检测器网络。
2017-02-28 astro-ph.IM
GW150914: The Advanced LIGO Detectors in the Era of First Discoveries
经过重大升级，激光干涉引力波天文台（LIGO）的两个先进探测器在2015年9月至2016年1月期间进行了首次观测。在100 Hz下的应变灵敏度为$10^{-23}/\sqrt{\mathrm{Hz}}$时，可观测体积和测量时间的乘积在同步观测的前16天内超过了所有先前运行的结果。2015年9月14日，先进的LIGO探测器观测到一个瞬态引力波信号，被确定为两个黑洞的合并[Phys. Rev. Lett. 116，061102（2016）]，开启了引力波天文学的时代。两个探测器同时观测到的事件GW 150914的组合信噪比为24。在这里，我们介绍了实现这种观察的探测器的主要特征。在全灵敏度下，先进的LIGO探测器的设计是为了提供另一个三倍的信噪比的改善，为二元黑洞系统类似的质量GW 150914。
2016-02-11 astro-ph.HE astro-ph.IM gr-qc
Omicron: a tool to characterize transient noise in gravitational-wave detectors
Omicron软件是一种工具，用于对来自LIGO、Virgo和KAGRA等引力波探测器的数据进行多分辨率时频分析。Omicron从白化数据流生成频谱图，提供瞬态探测器噪声和引力波事件的视觉表示。此外，这些事件可以通过优化的分辨率进行参数化。它们可以写入磁盘，进行离线噪声表征和引力波事件验证研究。Omicron经过优化，可以并行处理引力波探测器记录的数千个数据流。Omicron软件在审查引力波探测候选者和表征瞬态噪声方面发挥着重要作用。
2021-10-07 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
QoQ: a Q-transform based test for Gravitational Wave transient events
针对引力波瞬态搜索中噪声毛刺造成的误报背景，提出基于Q变换和时频像素占用率的QoQ检验方法，可减少40%公开警报撤回且灵敏度损失极小，适用于在线与离线搜索。
2023-05-14 astro-ph.IM gr-qc
Thermal modelling of Advanced LIGO test masses
高反射率熔融石英镜是目前先进的引力波探测器的中心。在这些探测器中，反射镜与高功率激光束相互作用。由于高反射率涂层中的有限吸收，反射镜遭受影响探测器性能的各种热效应。我们提出了一个先进的LIGO反射镜模型，它引入了一个经验项来解释反射镜与周围环境之间的辐射热传递。机械模式频率用作反射镜整体温度的探针。在光学腔中功率建立后的热瞬态被用来改进和测试模型。该模型提供了1.5至2.0 ppm的涂层吸收估计，并估计0.3至1.3 ppm的循环光散射到环形加热器上。
2017-04-26 astro-ph.IM physics.ins-det
Searching for electromagnetic counterpart of LIGO gravitational waves in the Fermi GBM data with ADWO
费米合作确定了2015年9月14日引力波事件的可能电磁对应物。我们的目标是提供一个无监督的数据分析算法，以确定类似的事件在费米的伽马射线暴监测CTTE数据流。我们正在寻找典型的微弱信号。因此，它们只能通过同时仔细分析所有探测器和能量通道的计数率来发现。我们的自动检测器权重优化（ADWO）方法包括对信号的搜索和对其重要性的测试。我们开发了ADWO，多通道多探测器信号的虚拟探测器分析工具，并成功地搜索了数据流中的短瞬变。我们已经确定了GRB 150522 B，以及可能的电磁候选人的瞬态GW 150914和LVT 151012。ADWO是一种独立开发的、无监督的数据分析工具，仅依赖于费米卫星的原始数据。因此，它可以提供一个强大的，独立的测试，任何电磁信号伴随着未来的引力波观测。
2016-08-24 astro-ph.HE astro-ph.IM gr-qc
Real-Time Detection of Unmodelled Gravitational-Wave Transients Using Convolutional Neural Networks
Gravity Exploration Institute, School of Physics and Astronomy, Cardiff University（卡迪夫大学物理与天文学学院重力探索研究所）
本文提出一种新型卷积神经网络，用于实时检测无精确模型的引力波瞬态信号，具有低延迟和高效计算优势。
2024-06-18 astro-ph.IM gr-qc
Gravitational-wave searches in the era of Advanced LIGO and Virgo
引力波天文学的领域已经被用干涉探测器进行的引力波观测所开辟。本文综述了美国激光干涉仪引力波天文台和意大利Virgo天文台目前使用的引力波探测器和数据分析方法。这些分析方法也将用于最近完成的日本KAGRA天文台。数据分析算法的目标是四类引力波之一。短持续时间，瞬态源包括紧凑的二进制合并，和突发源起源于不良的模拟或意外的来源。长持续时间源包括发射频率一致的连续信号的源，以及形成随机背景的许多未分辨源。描述潜在的来源和搜索引力波从这些类的详细。
2021-08-02 astro-ph.IM gr-qc
Generating transient noise artifacts in gravitational-wave detector data with generative adversarial networks
引力波探测器数据中的瞬态噪声毛刺限制了搜索的灵敏度并污染了探测到的信号。在本文中，我们展示了如何使用生成对抗网络来模拟毛刺。我们为LIGO、KAGRA和Virgo探测器中最常见的22种故障生成了数百张合成图像。人工毛刺可以用来提高搜索和参数估计算法的性能。我们执行神经网络分类，以表明我们的人工故障与真实故障非常匹配，所有22种故障类型的平均分类准确率为99.0%。
2023-01-03 astro-ph.HE astro-ph.IM gr-qc
PINCH: Pipeline-Informed Noise Characterization in LIGO's Third Observing Run
提出PINCH方法，利用支持向量机（SVM）分类器识别并分类LIGO第三观测运行中由瞬态噪声（干扰）引起的引力波候选触发信号，提升探测灵敏度并为噪声研究提供框架。
2025-08-21 astro-ph.IM gr-qc
Data-driven expectations for electromagnetic counterpart searches based on LIGO/Virgo public alerts
自2017年首次探测到双中子星合并的伽马射线暴、光学/红外千诺瓦和全色余辉以来，引力波信号的电磁对应物的探测次数翻了一番。然而，在一次LIGO/Virgo观测运行之后，还没有第二次安全识别电磁对应物。这并不奇怪，因为LIGO和Virgo的第三次观测运行O3中事件的定位不确定性比预测的要大得多。我们解释了这一点，通过显示，数据分析的改进，现在允许LIGO/Virgo检测较弱，因此更差的本地化事件增加了检测的总数，其中本地化，镀金事件占整体的比例较小。我们提出了模拟未来两个LIGO/处女座/KAGRA观测运行，O 4和O 5，这是基于O3公共警报的统计数据。为了说明更新的预测可能产生的重大影响，我们研究了Zwicky瞬态设施的后续策略。考虑到望远镜时间的大量承诺以及需要优先考虑哪些事件被跟踪，现实和及时地预测引力波定位精度至关重要。我们包括我们的模拟本地化的数据发布，作为天文学家的公共计划资源。
2021-11-24 astro-ph.HE astro-ph.IM gr-qc
The Timing System of LIGO Discoveries
本文介绍 LIGO 任务关键型计时系统如何通过相位噪声抑制、冗余自校准与诊断保障引力波时间戳，并基于 O3 数据验证其精度持续低于 1 μs。
2023-04-03 astro-ph.HE astro-ph.IM
Identification of noise artifacts in searches for long-duration gravitational-wave transients
我们提出了一种算法，用于识别瞬态噪声伪影（毛刺）的互相关搜索长O（10秒）引力波瞬态。该算法利用每个检测器中的自动功率作为表现良好的高斯噪声（可能包括引力波信号）和毛刺之间的干扰。我们用蒙特卡罗噪声和LIGO S5科学运行的时移数据测试了该算法，发现它能有效地去除很大一部分毛刺，同时保留绝大多数（99.6%）数据。使用一个吸积盘不稳定性信号模型，我们估计，该算法被意外触发的比率小于10 ^-5%的现实信号，甚至小于3%的异常响亮的信号。我们的结论是，该算法是一个安全和有效的方法清洗互相关数据用于搜索长引力波瞬变。
2012-03-23 astro-ph.IM gr-qc
A convolutional neural network to distinguish glitches from minute-long gravitational wave transients
引力波爆发是一种不同于致密双星合并的瞬态信号，它产生于各种各样的天体物理现象。由于这些现象中的大多数都是很差的建模，使用传统的搜索方法，如匹配滤波被排除在外。脉冲串包括短（$<$ 10秒）和长（从10秒到几百秒）持续时间信号，对于这些信号，检测受到被称为毛刺的环境和仪器瞬态噪声的限制。毛刺污染突发搜索，减少有用的数据量，并限制当前算法的灵敏度。因此，从潜在的突发信号中定位和区分它们是至关重要的。在本文中，我们提出了训练一个卷积神经网络来检测互相关LIGO噪声的时频空间中的毛刺。我们表明，我们的网络正在检索超过95个$\%$的故障，而只在现有故障类别的一个子集上进行训练，突出了网络对全新故障类别的敏感性。
2022-10-11 astro-ph.IM gr-qc
