基于小波包分析与卷积神经网络的双中子星引力波探测
天体物理仪器与方法
2023-12-27 v1
摘要
本工作研究基于卷积神经网络（CNN）的双中子星引力波探测。为提升探测性能与效率，我们提出了一种基于小波包（WP）分解与 CNN 的方案。WP 分解是一种时频方法，可在探测前增强引力波信号与噪声间的判别特征。CNN 通过学习从待处理数据到探测结果空间的函映射关系来进行引力波探测。这种函数映射关系式的探测方案可显著提升探测效率。本工作中考虑了仪器效应，噪声由等价于 Advanced LIGO 设计灵敏度的功率谱密度（PSD）算出。定量评估及与前沿方法匹配滤波的比较显示了针对 BNS 引力波探测的优异性能。在效率上，当前实验表明该基于 WP-CNN 的方案比匹配滤波快逾 960 倍。
引用
@article{arxiv.1910.10525,
title = {Binary Neutron Stars Gravitational Wave Detection Based on Wavelet Packet Analysis And Convolutional Neural Networks},
author = {Baijiong Lin and Xiangru Li and Woliang Yu},
journal= {arXiv preprint arXiv:1910.10525},
year = {2023}
}
备注
8 pages, 4 figures