重叠引力波信号与非平稳噪声干扰的深度源分离

激光干涉空间天文台(LISA)将在毫赫兹频段观测引力波，检测来自广泛天体来源的信号，这些信号嵌入仪器噪声中。从这些重叠贡献中提取单个信号是LISA数据分析中的一个基本挑战，传统方法是使用计算昂贵的随机贝叶斯技术。在本工作中，我们提出了一种基于深度学习的框架，用于LISA数据中的盲源分离，采用数字音频处理中常用的编码器-解码器架构来分离复合混合物中的单个信号。我们的方法使来自大质量黑洞二元系统、银河二元星和仪器故障的信号能够在单一步骤中直接分离，规避了顺序源识别和减法的需要。通过学习聚类潜在空间表示，该框架为传统方法提供了可扩展的替代方案，适用于低延迟事件检测和全球尺度拟合分析。作为概念验证，我们在受控环境中使用有限数量的重叠源对模型性能进行评估。结果表明，深度源分离是LISA的有前景的工具，为未来扩展到更复杂数据集铺平了道路。