利用 BayesWave 流水线在扩展探测器网络中增强引力波暴探测置信度

随着探测器数量 $\mathcal{I}$ 的增加，全球引力波探测器网络实现了更高的探测率、更好的参数估计和更精确的天区定位。本文量化了 BayesWave 作为 $\mathcal{I}$ 函数的网络性能，BayesWave 是一种与源无关的、基于小波的贝叶斯算法，可区分真实天体物理信号与仪器故障(glitch)。探测置信度使用信号-故障贝叶斯因子 $\mathcal{B}_{\mathcal{S},\mathcal{G}}$ 来量化。我们推导了 $\mathcal{B}_{\mathcal{S},\mathcal{G}}$ 相对于 $\mathcal{I}$、小波数量以及网络信噪比 SNR$_\text{net}$ 的解析标度关系，并通过在 Hanford-Livingston (HL)、Hanford-Livingston-Virgo (HLV) 和 Hanford-Livingston-KAGRA-Virgo (HLKV) 网络的项目灵敏度（第四次观测运行 O4）的探测器噪声中注入信号进行了实证验证。经验与解析标度一致；$\mathcal{B}_{\mathcal{S},\mathcal{G}}$ 随 $\mathcal{I}$ 增大。波形重建的精度使用注入与恢复波形之间的重叠 $\mathcal{O}_\text{net}$ 量化。HLV 和 HLKV 网络分别以 $\mathcal{O}_\text{net}>0.8$ 恢复了 $87\%$ 和 $86\%$ 的注入波形，而 HL 网络为 $81\%$。如由搜索面积 $\mathcal{A}$ 以及包含在 $50\%$ 和 $90\%$ 置信区间内的天区所衡量的，BayesWave 天区定位的精度在 HLV 网络中比 HL 网络好约 $10$ 倍。随着 KAGRA 的加入，天区定位也有微小改善。