一种用于填补LISA数据间隙的新型堆叠混合自编码器
广义相对论与量子宇宙学
2025-01-28 v1 天体物理仪器与方法
数据分析、统计与概率
摘要
激光干涉仪空间天线（LISA）数据流将包含由于天线重新指向、轨道修正、仪器故障以及未知随机过程而导致的缺失或不可用数据间隙。我们引入了一种新的深度学习模型来填补LISA数据流中的数据间隙。该堆叠混合自编码器结合了去噪卷积自编码器（DCAE）和双向门控循环单元（BiGRU）。DCAE用于提取受损数据中的相关特征，而BiGRU则捕获引力波信号的时间动态。我们针对一个由不同数量和持续时间的数据间隙破坏的大质量黑洞双星信号表明，当间隙不发生在合并阶段时，我们获得了大于99.97%的重叠度；当间隙发生在合并阶段时，重叠度大于99%。然而，如果数据间隙发生在合并时刻，我们表明会得到有偏的天体物理参数估计，这凸显了“保护时段”的必要性，即在预测的合并时刻不应进行天线重新指向。
引用
@article{arxiv.2410.05571,
title = {A novel stacked hybrid autoencoder for imputing LISA data gaps},
author = {Ruiting Mao and Jeong Eun Lee and Matthew C. Edwards},
journal= {arXiv preprint arXiv:2410.05571},
year = {2025}
}