超越 FINDCHIRP：突破内存墙与基于比例滤波去啁啾的引力波匹配滤波搜索最优 FFT

在现代基于快速傅里叶变换（FFT）的致密双星并合引力波匹配滤波搜索中，主要瓶颈并非原始处理器吞吐量，而是可用的内存带宽。诸如 FINDCHIRP 算法等标准频域实现依赖于从主存中流式传输长模板波形和数据，当模板持续时间超过缓存容量时，这会导致显著的处理器停顿。在这项工作中，我们引入“比例滤波去啁啾”作为一种解决方案，它对匹配滤波进行算法重构，将操作从内存受限的 FFT 转换为缓存高效、计算受限的有限脉冲响应（FIR）卷积。通过利用参考模板去除共同的轨道相位演化，我们产生缓慢变化的频域比率，可以准确地实现为短 FIR 滤波器。该方法在离线搜索使用的核心滤波循环中实现了 $8\times$ 的实测加速，并有望在低延迟分析中实现 $>10\times$ 的加速。我们发现这种方法可推广至包含有限尺寸效应、偏心率和进动等物理特征的各种搜索。通过大幅降低匹配滤波的计算成本，该方法使得搜索能够扩展到稠密或高维参数空间，例如那些已受可用计算预算限制的偏心或亚太阳质量信号搜索。此外，该框架为 GPU 架构上的硬件加速提供了一条自然路径。