Preparations for detecting and characterizing gravitational-wave signals from binary black hole coalescences
我们评估如何以及EOBNR波形，从有效的一体化形式主义，执行在检测引力波（GW）信号从二进制黑洞（BBH）合并建模的数值相对论（NR）组参加第二版的数值注入分析（NINJA-2）。在这项研究中，在公共领域中可用的NINJA-2 NR信号被注入到模拟高斯，为三个具有早期高级LIGO灵敏度的LIGO-Virgo探测器准备的稳定数据中。在这里，我们只研究了非旋转BBH信号。在两个月的数据集中，共注入了来自20个NR信号家族的2000个此类信号。全天时紧凑型二进制合并（CBC）搜索管道与一个附加的相干阶段一起运行，以搜索这些信号。我们发现EOBNR模板在检测非自旋NR基信号时的效率仅略低于检测EOBNR注入时的效率（百分之几）。另一方面，相干级在重合搜索上提高了几个百分点的信号可检测性。
2013-11-20 astro-ph.IM
SOAP: A generalised application of the Viterbi algorithm to searches for continuous gravitational-wave signals
对连续引力波的全天空和宽参数空间搜索通常是模板匹配方案，其将一组信号波形与来自引力波探测器的数据进行测试。这样的搜索可以为给定的计算成本和信号模型提供最佳灵敏度，但是高度调谐到特定的信号类型，并且即使对于半相干搜索也是计算昂贵的。我们已经开发了一种搜索方法的基础上，著名的Viterbi算法，这是模型不可知的，并具有计算成本的几个数量级低于模板的方法，具有适度的降低灵敏度。特别地，该方法可以搜索具有未知频率演变的信号。我们在三个模拟和真实数据集上测试了该算法：无间隙高斯噪声，有间隙的高斯噪声和初始LIGO（S6）最终运行的真实数据。我们表明，在95%的效率，1%的误报率，该算法具有深度灵敏度的$\sim 33$，$10$和$13$，Hz $^{-1/2}$与相应的SNR的$\sim 60$，$72$和$74$在这些数据集。我们讨论了使用这种算法来探测宽范围的准单色引力波信号和仪器线。
2019-03-29 astro-ph.IM
Denoising gravitational-wave signals from binary black holes with dilated convolutional autoencoder
引力波探测器的宽带频率输出是一种非平稳、非高斯的时间序列数据流，其中包含与引力波信号同时间尺度演化的局部扰动和瞬态伪影，可能会破坏天体物理信息。我们研究了一种去噪算法，致力于通过在编码器-解码器配置中采用卷积神经网络来暴露天体物理信号，即在公开可用的LIGO O 1时间序列应变数据中应用合并二进制黑洞信号的去噪过程。去噪卷积自动编码器神经网络在注入真实探测器噪声的模拟天体物理信号数据集和探测器噪声伪影（“毛刺”）数据集上进行训练，并在O 1和O2 LIGO-Virgo观测运行的真实引力波事件上测试其保真度。
2022-05-26 astro-ph.IM gr-qc
Gravitational wave signal recognition of O1 data by deep learning
近年来，深度学习方法作为数据分析的一种工具发展非常迅速。这种方法在处理引力波探测数据方面具有很好的应用前景。在文献中已经有许多作品使用深度学习技术来处理模拟的引力波数据。在本文中，我们将深度学习应用于LIGO O1数据。为了提高弱信号的识别能力，我们对卷积神经网络（CNN）进行了一些调整。我们调整后的卷积神经网络具有与文献中发表的其他深度学习作品相当的信号识别精度和效率。基于我们调整后的CNN，我们可以清楚地识别出O1和O2中包含的11个已确认的引力波事件。在O1数据中我们还发现了大约2000个引力波触发点。
2019-09-30 astro-ph.IM gr-qc
Convolutional neural network classifier for the output of the time-domain F-statistic all-sky search for continuous gravitational waves
在高级LIGO和高级室女座探测器频带内的天体物理源中，有旋转的非轴对称中子星，它们发射出持久的、几乎单色的引力波。对这些连续引力波信号的探测通常在匹配滤波器框架中的长数据段中执行，F统计量方法。在对先验未知源的全天空搜索中，使用预定义的变量网格（引力波频率及其导数，天空坐标）将大量模板与数据进行匹配，随后产生候选信号的集合，对应于信号达到预定义的信噪比阈值的网格点。在候选信号的多维矢量分布中编码信号的天体物理特征。在第一项此类工作中，我们应用深度学习方法对分布进行分类。我们考虑三个基本类：高斯噪声，天体物理引力波信号，和一个恒定的频率检测器的文物（“固定线”），后者两个注入到高斯噪声。卷积神经网络分类器的1D和2D版本在广泛的信号频率范围内实现，训练和测试。我们证明，这些实现正确地分类在各种信噪比和信号频率的数据的实例，同时也显示概念泛化，即，在以前看不见的频率下的令人满意的性能。此外，我们还讨论了这些实现的不足之处，计算要求和可能的应用。
2020-05-11 astro-ph.IM
NNETFIX: An artificial neural network-based denoising engine for gravitational-wave signals
引力波探测器中的仪器和环境瞬态噪声突发或毛刺可能会对天空定位和引力波信号的参数估计产生不利影响，从而损害天体物理观测。探测器数据的去噪在低延迟操作期间尤其相关，因为候选探测的电磁跟踪需要准确、快速的天空定位和天体物理源的推断。NNETFIX是一种基于机器学习的算法，旨在消除与瞬态引力波信号一致检测到的毛刺。NNETFIX使用人工神经网络来估计由于故障的存在而丢失的数据部分，这允许重新计算天体物理信号的天空定位。去噪数据的天空定位可以比从原始数据或通过移除受毛刺影响的数据部分获得的天空定位显著更准确。我们测试NNETFIX在模拟场景中的二进制黑洞合并信号，并讨论其在未来的低延迟LIGO-Virgo-KAGRA搜索使用的潜力。在大多数情况下，对于具有高信噪比的信号，我们发现用去噪数据和原始数据获得的天空图的重叠优于用原始数据和去除毛刺的数据获得的天空图的重叠。
2021-01-12 astro-ph.CO astro-ph.HE astro-ph.IM
Fundamental physics using the temporal gravitational wave background
我们提出了一种新的探测基础物理，涉及到多频电磁（EM）信号和亚阈值GW信号或随机引力波背景（SGWB）起源于合并双星的时间相关性的探索。该方法将用于检测与亚阈值/SGWB信号相关联的EM对应物。利用伴随发射的引力波和电磁信号之间的时间延迟，可以通过研究宇宙膨胀引起的时间延迟膨胀来推断贡献源的红移，前提是引力波信号和电磁信号之间的时间延迟起着标准时钟的作用。对引力波和电磁波不同频率之间不可避免的时域相关性的测量，特别是在伽马射线中，将测试基础物理学和引力理论的几个方面，并为当前和未来的引力波望远镜提供一条新的途径，以研究高红移的二元致密物体的普遍性质。
2021-08-05 astro-ph.CO astro-ph.GA astro-ph.HE
Denoising of gravitational-wave signal GW150914 via total-variation methods
本文应用正则化的Rudin-Osher-Fatemi全变分（TV）方法对瞬态引力波信号GW 150914进行去噪处理。我们以前应用电视技术去噪数字生成的重力波嵌入加性高斯噪声，获得令人满意的结果，无论信号形态或天体物理起源。我们发现，非高斯，非平稳噪声从引力波事件GW 150914也可以成功地去除与TV去噪方法。去噪波形的质量与发现论文[1]中使用的贝叶斯方法获得的质量相当。因此，TV去噪技术可以提供用于波形重建的附加可行方法。
2016-02-22 astro-ph.IM gr-qc
Fast detection and automatic parameter estimation of a gravitational wave signal with a novel method
引力波的探测通常需要将测量数据与大量模板进行匹配，计算量非常大。压缩传感方法允许一个匹配的数据与少量的模板和插值的休息。然而，插值过程仍然是计算昂贵的。在本文中，我们设计了一种新的方法，只需要匹配数据与几个模板，而不需要任何插值过程。该算法对于信噪比相对较高的信号效果较好。它还显示出低SNR信号的前景。
2014-02-25 astro-ph.IM gr-qc
Search strategies for long gravitational-wave transients: hidden Markov model tracking and seedless clustering
在过去的几年里，人们已经探测到了一些来自致密双星聚结的引力波。虽然存在很好理解的波形模型的信号从紧凑的双合并，引力波的许多来源没有很好地模拟，包括潜在的长期瞬态信号从一个双中子星合并后的残余。搜索这些信号源需要强大的检测算法，这些算法对任何潜在信号都做出最小的假设。在本文中，我们比较了两个未建模的搜索计划的长瞬变引力波，操作的交叉功率谱。一个是一个有效的算法，首先实现连续波搜索，基于隐马尔可夫模型。另一种是无籽聚类方法，过去曾用于瞬态引力波分析。我们量化这两种算法的性能，包括灵敏度和计算成本，通过模拟合成信号，特别注重像二进制中子星合并后的残余物的来源。我们证明了隐马尔可夫模型跟踪是一个很好的选择，在模型无关的搜索低信噪比信号。我们还表明，它可以优于无籽方法的某些类别的信号，同时也是计算效率更高。
2019-07-04 astro-ph.IM
Identifying glitches near gravitational-wave signals from compact binary coalescences using the Q-transform
我们提出了一种计算方法来识别毛刺的引力波数据发生附近的引力波信号从紧凑的二元合并。Q变换是LIGO-Virgo-KAGRA数据分析中的一种成熟工具，它计算信号周围数据中任何超出高斯噪声背景假设的概率，并标记任何显著的毛刺。随后，我们对这种计算方法进行验证测试，以确保在有色高斯噪声中的自一致性，以及使用最佳拟合模板减去信号后包含引力波事件的数据。最后，我们的毛刺识别结果从真实的事件在LIGO-Virgo的第三次观测运行对列表中的事件，需要毛刺缓解的比较表明，该工具将是有用的，在提供精确的信息，数据质量，以改善这些事件的天体物理分析。
2023-01-16 astro-ph.IM gr-qc
Sparse data inpainting for the recovery of Galactic-binary gravitational wave signals from gapped data
即将建立的空间引力波观测站LISA将为测量星系双星打开一个新的窗口，它将提供有关这些系统的前所未有的信息。然而，银河系双星引力波信号的检测受到数据缺口的挑战。无论是否有计划，数据缺口都会大大降低我们检测微弱信号的能力，而误判的风险也会飙升。受信号处理的启发，我们引入了一个基于稀疏表示的银河二进制信号在傅立叶域的\nonparametric修复算法。与传统的修复方法相比，噪声统计理论上仅在无间隙测量上是已知的。这就要求对无间隙噪声和星系双星信号进行联合恢复。我们彻底表明，稀疏修补产生一个准确的估计银河双星的引力印记。此外，我们强调，所提出的算法产生统计上一致的ungapped噪声估计。我们进一步评估所提出的修复方法的性能，以恢复引力波信号的一个简单的例子，涉及验证银河双星最近提出的LISA数据挑战。
2021-04-12 astro-ph.HE astro-ph.IM gr-qc
First all-sky search for continuous gravitational-wave signals from unknown neutron stars in binary systems using Advanced LIGO data
旋转的中子星可以发出连续的引力波，目前还没有探测到。本文研究了轨道周期为15 ~ 45天的未知中子星双星系统中的连续引力波。这是先进的LIGO数据和最近开发的BinarySkyHough管道首次用于这种搜索。没有探测到的报告，并计算上限的引力波振幅，这改善了以前的结果的17倍。
2020-01-23 astro-ph.IM gr-qc
Bayesian statistical framework for identifying strongly lensed gravitational-wave signals
本研究提出纳入天体物理信息、考虑选择效应的贝叶斯统计框架及两步分层分析法，用于识别强引力透镜引力波信号，可提升源天区定位、识别莫尔斯指数，助力高红移宇宙探测与引力波偏振约束。
2023-06-13 astro-ph.IM 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
Application of Artificial Neural Network to Search for Gravitational-Wave Signals Associated with Short Gamma-Ray Bursts
我们应用机器学习算法，人工神经网络，寻找与短伽马射线暴相关的引力波信号。由来自相干搜索流水线的统计量和物理量对应的数据组成的多维样本被馈送到人工神经网络中，以区分模拟的引力波信号与背景噪声伪影。我们的结果表明，在一个固定的虚警概率的数据分类效率提高了人工神经网络相比，传统的检测统计。因此，该算法增加了与伽马射线暴重合的引力波信号的观测距离。为了证明性能，我们还使用训练好的网络评估了几秒钟的引力波数据段，并获得了虚警概率。我们认为，人工神经网络可以作为一个补充的方法，以传统的检测统计识别引力波信号的短伽马射线暴。
2015-03-03 astro-ph.HE astro-ph.IM gr-qc
Real-Time Detection of Gravitational Waves from Binary Neutron Stars using Artificial Neural Networks
双黑洞合并产生的引力波的突破性发现，以及最近的中子星合并，开启了多信使天体物理学的新时代，并彻底改变了我们对宇宙的理解。人工神经网络等机器学习技术已经改变了许多技术领域，并且在引力波天体物理学中也被证明是成功的，用于探测和表征来自双黑洞的引力波信号。在这里，我们使用深度学习方法来快速识别来自双中子星合并的瞬态引力波信号，这些信号在代表典型引力波探测器数据的噪声时间序列中。具体来说，我们证明了在10万个数据样本上训练的深度卷积神经网络可以快速识别二进制中子星引力波信号，并将它们与噪声和合并黑洞二进制信号区分开来。这些结果表明，人工神经网络的潜力，实时检测引力波信号的双中子星合并，这是至关重要的，及时跟进和详细观察的电磁和天体粒子对应伴随这些重要的瞬态。
2020-02-21 astro-ph.IM astro-ph.SR gr-qc
Searching for gravitational-wave transients with a qualitative signal model: seedless clustering strategies
在应变功率谱图中，引力波爆发可以观察到明亮的像素簇。聚类算法可用于识别候选引力波事件。聚类通常通过将功率超过某个阈值的种子像素分组在一起来识别。然而，如果引力波信号是长寿命的，那么多余的能量可能会分散在许多像素上，这些像素都没有足够的亮度成为种子。没有种子，通过聚类进行检测的问题变得更加复杂。在本文中，我们研究了搜索长寿命窄带引力波爆发的无籽聚类算法。使用四个天体物理动机的测试波形，我们比较了两种算法，使用种子的无籽聚类算法。我们发现，种子算法可以检测引力波信号（在固定的误报率和误报率）之间的距离大于150-200%的种子为基础的聚类算法，相应的显着增加检测量：420- 740%。这种灵敏度的提高可能会将第二代探测器（如Advanced LIGO和Advanced Virgo）的探测范围扩大到天体物理学上感兴趣的距离。
2013-09-04 astro-ph.IM gr-qc
Total-variation-based methods for gravitational wave denoising
我们描述了新的方法去噪和检测的引力波嵌入加性高斯噪声。该方法是基于总变分去噪算法。这些算法，不需要任何先验信息的信号，最初已经开发和充分测试的背景下，图像处理。为了说明我们的方法的能力，我们将它们应用到两种不同类型的数值模拟的引力波信号，即爆发产生的核心崩溃的旋转恒星和波形从二进制黑洞合并。我们探索的方法的参数空间，以找到最适合的值的集合，在不同的条件下，如波形类型和信噪比的去噪引力波信号。我们的研究结果表明，从引力波信号的噪声可以成功地去除与我们的技术，无论信号的形态或天体物理起源。我们还将我们的方法与频谱图相结合，并展示了如何将这些方法与其他常用技术同时用于引力波数据分析，以提高检测的机会。
2014-09-28 astro-ph.IM gr-qc
Spline Based Search Method For Unmodeled Transient Gravitational Wave Chirps
描述了一种用于瞬态线性调频信号的检测和估计的方法，该瞬态线性调频信号的特征在于平滑地演变，但在其他方面未建模的幅度包络和瞬时频率。这种信号与引力波搜索特别相关，它们可能出现在广泛的天体物理场景中。该方法使用具有连续可调断点的样条来表示信号的幅度包络和瞬时频率，并使用惩罚最小二乘法和模型选择从噪声数据中估计它们。基于跨越宽形态范围的波形的仿真表明，该方法在信号的时频特征高度退化的信噪比状态下表现良好，从而将当前未建模的引力波搜索的覆盖范围扩展到更宽的信号类别。
2017-12-20 astro-ph.IM gr-qc
On the Possible Detection of Low Frequency Periodic Signals in Gravitational Wave Interferometers
我们利用LIGO仪器的技术参数对大型引力波干涉仪进行了计算机模拟。我们发现，如果除了载波，单边带偏移载波的fsr频率（臂腔的自由频谱范围）被注入，它是同样敏感的GW信号是载波。在直流区域中fsr边带信号的幅度通常比载波受噪声的影响小得多，这使得检测频率远低于所谓地震墙的周期信号成为可能。
2014-11-13 astro-ph.IM gr-qc physics.optics
A method for narrow-band searches of continuous gravitational wave signals
对来自旋转中子星的连续波的有针对性的搜索通常假设引力波信号的频率相对于源的旋转频率处于给定的已知比率，例如，对于围绕惯性的主轴旋转的非对称中子星，是两倍。事实上，如果引力波信号是由于固体核以与星壳稍有不同的速率旋转而产生的，那么这种假设就很可能是无效的。本文提出了一种在干涉探测器数据中用{ \it窄带}搜索已知天体的连续引力波信号的方法。这种方法假设源位置已知的高精度，而一个小的频率和自旋的电磁推断值周围的范围内进行了探索。重心和自旋下降的校正是用一个有效的时域程序。灵敏度和计算效率的估计，并使用模拟数据进行测试的结果进行了讨论。
2014-03-06 astro-ph.IM gr-qc
Metrics for multi-detector template placement in searches for short-duration nonprecessing inspiral gravitational-wave signals
使用家庭的多检测器F-统计度量短时间内，nonprecessing inspiral信号，我们推导出一个边缘化的度量，是直接适用于生成模板银行重合和相干多检测器搜索引力波的问题。该度量与其他平均度量进行比较，例如针对与来自旋转中子星的连续信号相关联的搜索的情况提出的度量。我们展示了如何四维度量可以分为两个二维度量与天空和质量参数子空间，允许创建单独的模板银行为这些子空间。最后，我们提出了一种算法，用于计算与一致和相干多探测器有针对性的或全天空搜索短时间，非旋进螺旋引力波信号的质量空间度量。
2013-07-16 astro-ph.IM gr-qc physics.data-an
Parameter Estimation and Model Selection of Gravitational Wave Signals Contaminated by Transient Detector Noise Glitches
随着探测器接近其设计灵敏度，Advanced LIGO和Virgo探测到的天体物理源数量预计将增加。引力波探测器还对环境和探测器产生的瞬态噪声源敏感，称为“毛刺”。随着天体物理源的频率增加，信号与故障同时发生的概率也增加。这在之前的引力波双星中子星探测GW 170817中已经发生过。在GW 170817的情况下，利文斯顿检测器中的毛刺很容易识别，并且比信号的总持续时间短得多，使得毛刺可以被去除。在本文中，我们研究的影响，小故障的测量信号参数和贝叶斯因子用于模型选择的更困难的情况下，它可能无法确定的小故障是存在的或删除it.We包括二进制黑洞类似于当前的检测，正弦高斯爆发，和核心塌陷超新星。我们发现，当毛刺与信号最大值重合，且毛刺的信噪比（SNR）大于信号SNR时，影响最大。我们已经表明，为了准确估计未来引力波信号的参数，必须开发进一步的方法来消除或减少毛刺的影响。
2018-06-25 astro-ph.HE astro-ph.IM
Electromagnetic follow-up of gravitational wave transient signal candidates
为发展多信使引力波和电磁天文学做出了开拓性的努力。在LIGO和Virgo引力波探测器最近的运行期间，对候选引力波事件进行了电磁观测跟踪计划（2009年12月17日至2010年1月8日和2010年9月4日至10月20日）。它涉及地面和空间电磁设施，以光学、X射线和无线电波长观测天空。联合引力波和电磁观测研究需要开发特定的图像分析程序，能够区分可能的电磁对应物的引力波触发污染物/背景事件。本文概述了电磁随访程序和图像分析程序。
2012-02-20 astro-ph.HE astro-ph.IM
Hybrid algorithm combining matched filtering and convolutional neural networks for searching gravitational waves from binary black hole mergers
The University of Tokyo（东京大学）；Tokyo Metropolitan University（东京都立大学）
本文提出了一种结合匹配滤波和卷积神经网络的混合算法，用于高效检测二黑洞并合产生的引力波。
2025-12-13 astro-ph.IM gr-qc
Blind source separation in 3rd generation gravitational-wave detectors
本文综述常见盲源分离技术，评估其用于第三代引力波探测器中重叠信号分离、识别与参数估计的可行性及优劣。
2024-09-10 astro-ph.IM gr-qc
On machine learning search for gravitational lenses
我们考虑一种机器学习算法来检测和识别天空图像上的强引力透镜。首先，我们模拟不同的人工，但非常接近现实的图像的星系，恒星和强透镜，使用六种不同的方法，即每类两个。然后，我们部署一个卷积神经网络架构来对这些模拟图像进行分类。我们表明，经过神经网络训练过程，可以达到约93%的准确率。作为对卷积神经网络效率的简单测试，我们将其应用于真实的爱因斯坦十字图像。部署神经网络将其归类为引力透镜，从而为部署机器学习方案的各种透镜搜索应用开辟了一条道路。
2021-03-30 astro-ph.IM hep-th
Coherent search of continuous gravitational wave signals: extension of the 5-vectors method to a network of detectors
我们描述了一种基于5-向量计算的相干方法，用于搜索连续引力波信号，并将其扩展到多个数据集。特别是，我们展示了如何相干地结合不同的数据集属于同一个检测器或不同的检测器。在后一种情况下，相干组合是使信噪比增加最大的方式。如果数据集属于相同的检测器，则优势主要来自称为{ \it相干性}的量的性质，其有助于（实际上在两种情况下）拒绝错误的候选者。该方法已被测试搜索模拟信号注入高斯噪声和模拟结果进行了讨论。
2012-03-30 astro-ph.IM gr-qc
A New Method to Observe Gravitational Waves emitted by Core Collapse Supernovae
虽然已经从双黑洞和双中子星的合并中检测到了引力波，但还没有检测到来自核心坍缩超新星的信号，这是现代宇宙中最具能量的爆炸。在这里，我们提出了一种新的方法来分析LIGO，Virgo和KAGRA网络的数据，以提高这类信号的检测效率。该方法利用了在核心坍缩超新星中发射的引力波信号的特性，并且它基于由训练成执行识别信号的任务的卷积神经网络执行的网络数据的时频图像的分类过程。我们验证了该方法使用唯象波形注入高斯噪声的光谱特性的LIGO和Virgo先进的探测器，我们得出的结论是，该方法可以识别信号比目前的算法专门选择引力波瞬态信号更好。
2018-12-13 astro-ph.IM gr-qc
Comparison of Signals from Gravitational Wave Detectors with Instantaneous Time-Frequency Maps
引力波天文学依赖于多个探测器的使用，这样，重合的探测可以区分真实的信号和仪器的伪影，并且信号的相对定时可以提供源的天空位置。我们表明，由希尔伯特-黄变换（HHT）提供的瞬时时间-频率和时间-幅度图的比较可以有效地用于常见信号的相对信号定时，区分相同的重合信号和随机噪声重合的情况，并提供基于其时间-频率轨迹的信号分类。比较是用卡方拟合优度方法完成的，该方法包括来自HHT的瞬时幅度和频率分量的贡献，以在时域中匹配两个信号。这种方法自然允许分析具有强频率调制的波形。
2011-05-24 astro-ph.IM gr-qc physics.comp-ph
SpecGrav -- Detection of Gravitational Waves using Deep Learning
Dwarkadas J. Sanghvi College of Engineering（德瓦卡达斯·桑格维工程学院）
引力波是时空结构中以光速传播的涟漪。LIGO探测到引力波是天文学领域的重大突破。深度学习已经彻底改变了许多行业，包括医疗保健，金融和教育。深度学习技术也被探索用于检测引力波，以克服传统匹配滤波方法的缺点。然而，在一些研究中，神经网络的训练阶段是非常耗时的，并且需要具有大存储器的硬件设备来完成任务。为了减少训练用于探测引力波的神经网络所需的大量硬件资源和时间，我们制作了SpecGrav。利用二维卷积神经网络和噪声背景下的引力波谱图对双黑洞合并和双中子星合并产生的引力波进行了探测。我们的神经网络的训练阶段在2GB GPU上只有大约19分钟。
2021-07-08 astro-ph.IM cs.LG
Efficient method for measuring the parameters encoded in a gravitational-wave signal
曾几何时，对引力波信号推断准确性的预测依赖于计算成本低廉但往往不准确的技术。最近，该方法已转移到实际的推理噪声信号与复杂的随机贝叶斯方法，在显着的计算成本为代价。在这里，我们认为，它往往是可能的，有两全其美：贝叶斯方法，结合先验信息，并正确地边缘化不感兴趣的参数，提供准确的后验概率分布函数，但在一个简单的网格上进行低计算成本，与廉价的预测技术。
2015-02-18 astro-ph.HE astro-ph.IM gr-qc
Fast evaluation of multi-detector consistency for real-time gravitational wave searches
用LIGO和Virgo进行的引力波搜寻致密双星合并目前是一个两阶段的过程。首先，识别引力波信号。然后，对可能的信号参数进行穷举搜索。关键的是，识别阶段是有效的，以便最大化被识别的引力波源的数量。LIGO和Virgo对引力波信号的初始识别是实时发生的，这要求每收集一秒的引力波数据必须使用不到一秒的计算时间。相比之下，后续的参数估计可能需要数百小时的计算时间来分析相同的一秒引力波数据。实时识别的要求需要有效的，往往是近似的信号分析方法。我们描述了一块实时引力波识别：一个有效的方法，用于确定信号的一致性之间的多个引力波探测器适合于实时引力波搜索紧凑的二进制合并。该技术被用于分析Advanced LIGO的第二次观测运行和Advanced Virgo的第一次观测运行。
2019-08-09 astro-ph.IM gr-qc
Denoising of gravitational wave signals via dictionary learning algorithms
引力波天文学在两个先进的LIGO探测器首次观测运行期间完成了历史性的探测之后已经成为现实。在接下来的几年里，随着先进的LIGO、先进的Virgo和KAGRA探测器的全面投入使用，预计探测数量将大幅增加。因此，开发复杂的数据分析技术以增加探测低信噪比事件的机会是一项至关重要的努力。在本文中，我们提出了这样一种技术，字典学习算法，这在过去几年中得到了广泛的发展，并成功地应用于图像处理的上下文中。然而，据我们所知，这样的算法还没有被用于去噪的引力波信号。通过从两个数值相对论模板，二进制黑洞合并和旋转核心崩溃的爆发建立字典，我们展示了如何基于字典的机器学习算法也可以成功地应用于引力波去噪。我们使用一个子集的信号从这两个目录，嵌入在非白高斯噪声，以评估我们的技术与大样本的测试，并找到最佳的模型参数。我们的方法的实际信号GW150914的应用程序显示出可喜的结果。字典学习算法可以作为引力波数据分析工具包的补充。它们可以用来从噪声中提取信号，并推断物理参数，如果数据是在足够好的协议与字典原子的形态。
2016-12-05 astro-ph.IM gr-qc
All-sky, narrowband, gravitational-wave radiometry with folded data
引力波辐射测量是一种强有力的工具，它通过互相关过程恢复具有未知信号形态的弱信号。已经使用了辐射测量法，例如，搜寻来自已知中子星如天蝎座X-1的持续信号。在本文中，我们演示了如何更雄心勃勃的搜索-从未知的中子星的持续信号-可以有效地进行使用折叠的数据，其中一个完整的~一年之久的观测运行表示为一个单一的恒星日。这里描述的全天空窄带辐射计搜索将提供一种计算上易于处理的方法，以揭示来自双星系统中未知的附近中子星的引力波信号，其调制深度为~0.1-2 Hz。它将同时为来自意外来源的其他持续窄带信号提供灵敏的搜索算法。
2015-05-18 astro-ph.GA astro-ph.IM gr-qc
When is a gravitational-wave signal stochastic?
我们讨论了引力波背景检测的背景下，贝叶斯推断，并提出了一个实际的定义，它意味着什么信号被认为是随机的-即，贝叶斯证据有利于一个确定性的信号模型的随机信号模型。如果高斯信号模型是有利的，则信号可以进一步被分类为高斯随机的。在我们的分析中，我们使用贝叶斯模型选择几个信号和噪声模型的模拟数据组成的不相关的高斯探测器噪声加上叠加的正弦信号从天体物理人口的引力波源之间进行选择。为了简单起见，我们认为共同定位和共同对齐的检测器与白检测器噪声，但该方法可以扩展到更现实的检测器配置和功率谱。我们观察到的总趋势是，一个确定性的模型是有利于小的源数，一个非高斯随机模型是首选的中间源数，和高斯随机模型是首选的大的源数。然而，在各个信号实现之间存在非常大的变化，导致三种状态之间的模糊边界。我们发现，在大多数情况下，一个混合的，跨维的模型，包括一个确定性的信号模型为个别明亮的来源和高斯随机信号模型为其余的混乱背景优于所有其他模型。
2015-05-29 astro-ph.HE astro-ph.IM gr-qc
Fast Bayesian gravitational wave parameter estimation using convolutional neural networks
针对传统贝叶斯引力波参数估计计算成本高的问题，提出基于卷积神经网络的快速估计方法，速度提升数个数量级，可提供关键参数初步指示以支持多信使研究。
2023-11-06 astro-ph.IM gr-qc physics.comp-ph
Continuous gravitational waves in the lab: recovering audio signals with a table-top optical microphone
世界各地的引力波观测站都在寻找连续波：来自旋转的中子星等源的持续信号。这些搜索使用复杂的统计技术来寻找噪声数据中的弱信号。在本文中，我们演示了这些技术使用桌面模型引力波探测器：迈克耳孙干涉仪的声音被用作引力波的模拟。使用连续波搜索的信号处理技术，我们证明了恢复的音调与恒定和徘徊的频率。我们还探讨了使用干涉仪作为教学工具，为教育工作者在物理和电气工程，使用它作为一个“光学麦克风”，以捕捉音乐和语音。补充材料中详细介绍了一系列用于从噪声数据中恢复信号的滤波技术。在这里，我们提出了我们的研究结果，使用组合的陷波加维纳滤波器和统计对数最小均方误差（logMMSE）估计的亮点。使用这些技术，我们可以轻松地恢复简单的和弦和鼓的录音，但复杂的音乐和语音更具挑战性。该演示可供本科实验室的教育工作者使用，也可用于向非专业观众传达引力波和信号处理主题。
2022-01-10 astro-ph.IM gr-qc physics.ed-ph
A new method to distinguish gravitational-wave signals from detector noise transients with Gravity Spy
本文提出一种基于Gravity Spy分类模型重构的新方法，用于区分引力波信号与探测器噪声瞬变，在O3b数据中正确分类75%的撤回候选事件为噪声，并100%识别真实天体物理信号。
2024-02-05 astro-ph.HE astro-ph.IM gr-qc
Comparing Instrument Spectral Sensitivity of Dissimilar Electromagnetic Haloscopes to Axion Dark Matter and High Frequency Gravitational Waves
已知通过轴子-光子异常寻找暗物质轴子的占星仪也通过逆Gertsenshtein效应对引力辐射敏感。最近，这种寻找高频引力波的方法已经获得了动力，因为它已经表明，这种探测器的应变灵敏度与轴子-光子θ角的灵敏度是相同的。因此，在计算了晕圈仪对轴子信号的灵敏度之后，我们还计算了对具有相同频谱和时间形式的引力波信号的灵敏度的数量级。然而，引力波和轴子信号不太可能具有相同的形式，因为信号产生的物理方式完全不同。对于引力波探测，谱应变灵敏度是单位应变/平方根Hz，由于谱应变灵敏度与引力波信号无关，因此谱应变灵敏度是比较引力波探测器灵敏度的自然方式。在这项工作中，我们介绍了一个系统的方法来计算光谱灵敏度的轴子晕镜，所以仪器比较可以实现独立的信号假设，只依赖于轴子信号转导灵敏度和仪器中的噪声。因此，光谱灵敏度的计算不仅允许独立于信号的不同轴子探测器的比较，而且还允许我们在光谱应变灵敏度方面比较引力波灵敏度的数量级，允许与基于光学干涉仪和共振质量技术的标准引力波探测器进行比较。
2022-10-16 astro-ph.IM gr-qc hep-ex
Detection of gravitational waves using topological data analysis and convolutional neural network: An improved approach
Ajou University（亚洲大学）；University at Buffalo, State University of New York（纽约州立大学布法罗分校）
引力波探测问题是具有挑战性的，因为噪声通常是压倒性的。卷积神经网络（CNN）已被成功应用，但需要一个大的训练集和准确性显着影响在低信噪比的情况下。我们提出了一种改进的方法，采用一个特征提取步骤，使用持久的同源性。由此产生的方法对噪声更具弹性，更能够检测具有不同签名的信号，并且需要更少的训练。这是一个强大的改进，因为检测问题可能是计算密集型的，并且涉及相对较大类别的波特征。
2019-10-18 astro-ph.HE astro-ph.IM cs.LG
