在双黑洞并合搜寻中针对干涉数据内建模噪声瞬态的最优 $\chi^2$ 判别器

以高显著性探测来自致密并合双星（CBC）的引力波（GW）信号，一个至关重要的要求是降低匹配滤波统计量的误报率。GW 探测器的数据包含瞬态噪声伪迹（即故障/glitches），其通过产生误报而 adversely 影响搜寻算法的性能。具有大幅度的故障尽管与模板重叠很小，仍可在 SNR 时间序列中产生触发，这导致了误报。历史上，传统的 $\chi^2$ 检验已被证明在区分源自 CBC 信号的触发与由故障引起的触发方面相当有用。在最近一篇论文中，提出了一大类统一 $\chi^2$ 判别器，并给出了构造最优 $\chi^2$ 判别器的步骤，尤其在故障可被建模时。GW 探测器数据中频繁出现的多种故障可建模为正弦高斯（sine-Gaussian），以品质因子和中心频率 $(Q,f_0)$ 为参数。我们使用奇异值分解（Singular Value Decomposition）来识别最显著自由度，以降低我们 $\chi^2$ 的计算成本。最后，我们构造了一个最优区分正弦高斯故障与 CBC 信号的 $\chi^2$ 统计量。我们还使用受试者工作特征（Receiver-Operating-Characteristics）来量化当采用最优 $\chi^2$ 相较于传统 $\chi^2$ 时搜寻灵敏度的提升。在误报概率几乘 $10^{-3}$ 附近，对组分质量从数倍到百倍太阳质量的双黑洞（BBH），探测概率提升了几个到若干个百分点。此外，被最佳判别的故障是那些类似 $Q\in [25,50]$ 且 $f_0\in [40,80]$Hz 的正弦高斯故障。