集成于引力波暴搜寻中的自编码器神经网络以改进噪声瞬态的剔除
广义相对论与量子宇宙学
2023-06-21 v1
摘要
引力波（GW）探测器数据受到短寿命仪器或地面瞬态（称为 glitch）的影响，其可模拟 GW 信号。对于针对短持续时间 GW 瞬态（GWT）通用源、且不依赖 GW 波形模型来区分天体物理信号与噪声的算法（如 Coherent WaveBurst（cWB）），glitch 的抑制尤为困难。本工作是 cWB 中抑制瞬态噪声长期努力的一部分，该努力已引入特定估计量及基于机器学习的信号-噪声分类算法。在此，我们提出一种集成于 cWB 中的自编码器神经网络，它从 GW 时间序列中学习瞬态噪声的形态。我们在称为 blip 的 glitch 族上测试了其性能。在 LIGO 探测器上一观测周期（O3b）数据上的测试表明，其对通用 GWT 和双黑洞并合的灵敏度显著提升。在每 50 年一次误报率下，对于类似于 blip glitch 的信号形态，灵敏体积最多增加 30%。展望而言，该工具可适应分类可能影响未来观测运行的不同瞬态噪声类别，从而增强 GWT 搜寻。
引用
@article{arxiv.2303.05986,
title = {An autoencoder neural network integrated into gravitational-wave burst searches to improve the rejection of noise transients},
author = {Sophie Bini and Gabriele Vedovato and Marco Drago and Francesco Salemi and Giovanni Andrea Prodi},
journal= {arXiv preprint arXiv:2303.05986},
year = {2023}
}
备注
19 pages, 7 figures, submitted to Classical and Quantum Gravity