放大啁啾：使用深度学习（U-Nets）从 LIGO 数据中滤除噪声提取信号

Akshay Ghalsasi

放大啁啾：使用深度学习（U-Nets）从 LIGO 数据中滤除噪声提取信号

广义相对论与量子宇宙学 2023-11-30 v1 宇宙学与河外天体物理天体物理仪器与方法高能物理 - 唯象学

作者: Akshay Ghalsasi

摘要

LIGO 对引力波的直接探测开创了天文学与物理学的新时代。通常 LIGO 观测到的引力波被噪声所主导。在这项工作中，我们使用深度卷积神经网络（具体为 U-Nets）从含噪数据中滤出干净信号。我们给出了两种 U-Net 滤波器的实现：Noise2Clean U-Net 滤波器，使用同一信号的含噪与干净实现进行训练；以及 Noise2Noise U-Net，在同一信号的两个独立含噪实现上训练。我们发现 U-Nets 能成功从噪声中滤出信号。我们还通过使用 U-Nets 检测数据中引力波信号的存在与否来基准测试其性能。

关键词

引力波 LIGO U-Net 深度学习信号去噪二分类检测

引用

@article{arxiv.2311.17198,
  title  = {Amplifying the Chirp: Using Deep Learning (U-Nets) to filter signal from noise in LIGO data},
  author = {Akshay Ghalsasi},
  journal= {arXiv preprint arXiv:2311.17198},
  year   = {2023}
}

备注

20 pages, 9 figures, comments welcome

放大啁啾：使用深度学习（U-Nets）从 LIGO 数据中滤除噪声提取信号

摘要

关键词

引用

备注

相关论文