Coherence DeepClean：迈向引力波探测器数据的自主去噪
广义相对论与量子宇宙学
2025-09-17 v3 天体物理仪器与方法
摘要
设计用于引力波观测的地面激光干涉仪（如 Advanced LIGO、Advanced Virgo 和 KAGRA）中的技术与环境噪声，可以表现为仪器应变幅度谱密度中窄带（<1Hz）或宽带（数十甚至数百 Hz）的谱线与特征。当这些噪声源无法被识别或消除时，如果存在对该噪声源敏感的见证传感器，则可以在软件中对引力波应变通道进行去噪，从而恢复受影响频段的仪器灵敏度。由于监测干涉测量与环境的辅助通道数量庞大且可能存在非线性耦合，这种噪声搜寻与消除过程极具挑战性。在本工作中，我们提出了一种综合分析方法及相应的网络基础设施，以利用机器学习技术及时在软件中识别并消除噪声。该方法建立在早期工作（称为 DeepClean）的基础之上，利用机器学习方法进行噪声的线性和非线性回归。我们演示了如何以串联方式在接近在线数据采集的状态下运行和优化该流程；它首先进行相干性监测分析，挑选出并优先处理可被 DeepClean 使用的见证通道。DeepClean 输出的去噪应变结果使双中子星探测距离提升了 1.4%，这可转化为敏感体积 4.3% 的增加。我们将这一网络基础设施称为 Coherence DeepClean（或 CDC），这是迈向地面干涉仪噪声相减自主运行的重要一步。
引用
@article{arxiv.2501.04883,
title = {Coherence DeepClean: Toward autonomous denoising of gravitational-wave detector data},
author = {Christina Reissel and Siddharth Soni and Muhammed Saleem and Michael Coughlin and Philip Harris and Erik Katsavounidis},
journal= {arXiv preprint arXiv:2501.04883},
year = {2025}
}
备注
14 pages, 9 figures