紧凑二元合并引力波信号计数与分离

随着下一代引力波（GW）观测站点逐渐接近前所未有的灵敏度，针对日益复杂和重叠信号的稳健分析方法的需求日益迫切。现有的匹配滤波方法和深度学习技术通常只能处理一个或两个并发信号，灵活性受限于处理更多样化和复杂叠加波形。为克服这些限制，我们提出了 UnMixFormer，一种基于注意力的体系结构，不仅能够识别未知数量的并发紧凑二元合并 GW 事件，还能通过多解码器体系结构在面对五个重叠信号时将其各个波形分离。我们的 UnMixFormer 能够通过双路径建模捕捉短程和长程依赖关系，同时通过引入傅里叶分析网络来增强周期性特征表示。该方法能够熟练地处理包括二进制黑洞、二进制中子星和中子星-黑洞系统在内的多种系统，涵盖 16,384 个样本的扩展时间序列数据。评估表明，在信噪比（SNR）从 10 到 50 的合成数据上，我们的方法实现了 99.89% 的计数精度，分离波形与模板之间的平均重叠度为 0.9831，并对包含自旋预cession、轨道偏心和高阶模的波形展现出稳健的泛化能力，标志着对 GW 数据分析精度和灵活性的重大进步。