基于字典学习算法的引力波信号去噪
天体物理仪器与方法
2017-02-01 v1 广义相对论与量子宇宙学
摘要
在两个先进 LIGO 探测器的首次观测运行期间完成历史性探测之后，引力波天文学已成为现实。在未来几年，随着先进 LIGO、先进 Virgo 和 KAGRA 探测器的全面投入运行，预计探测数量将显著增加。因此，开发复杂的数据分析技术以提高低信噪比事件的探测机会是一项至关重要的工作。我们在本文中提出了一种此类技术——字典学习算法，该算法在过去几年中得到了广泛发展，并主要在图像处理领域成功应用。然而，据我们所知，此类算法尚未被用于引力波信号去噪。通过从双黑洞并合与旋转核心坍缩爆发的数值相对论模板构建字典，我们展示了基于字典的机器学习算法如何也能成功应用于引力波去噪。我们使用嵌入在非白高斯噪声中的两个目录的信号子集，通过大量测试样本评估了我们的技术，并找到了最佳模型参数。将我们的方法应用于实际信号 GW150914 显示出有希望的结果。字典学习算法可以作为引力波数据分析工具包的补充。如果数据与字典原子的形态足够吻合，它们可用于从噪声中提取信号并推断物理参数。
引用
@article{arxiv.1612.01305,
title = {Denoising of gravitational wave signals via dictionary learning algorithms},
author = {Alejandro Torres-Forné and Antonio Marquina and José A. Font and José M. Ibáñez},
journal= {arXiv preprint arXiv:1612.01305},
year = {2017}
}