利用高斯混合模型增强瞬变引力波搜寻的灵敏度

识别埋在非平稳、非高斯噪声中的引力波瞬变信号是一项极具挑战性的任务，此类噪声常包含虚假噪声瞬变（glitches）。对于给定的数据集，瞬变引力波搜寻会产生相应的触发列表，指示可能存在的引力波信号。这些触发常常是模仿引力波信号特征的 glitches 所致。为区分 glitches 与真实引力波信号，搜寻算法估计一系列触发属性，并对这些触发属性施加阈值以分离信号与噪声。在此，我们提出使用高斯混合模型（一种监督式机器学习方法）来建模多维触发属性空间。我们将该方法应用于 LIGO O1 数据中相干 Waveburst 搜寻通用暴的触发以作演示。通过为信号与背景噪声属性空间构建高斯混合模型，我们表明可显著提升相干 Waveburst 搜寻的灵敏度，并强力抑制 glitches 与背景噪声的影响，而无需原始 O1 搜寻所用的多重搜寻分箱。我们显示探测概率提升了 10 倍，从而增强了如 GW150914 等引力波信号的统计显著性。