基于无监督机器学习的KAGRA O3GK观测数据中的毛刺噪声分类
广义相对论与量子宇宙学
2025-10-17 v1 天体物理仪器与方法
摘要
引力波干涉仪器因各种非平稳噪声（称为毛刺噪声）而被中断，这些噪声影响数据分析和干涉仪灵敏度。准确识别和分类毛刺噪声对于提高引力波观测的可靠性至关重要。本研究展示了使用无监督机器学习对KAGRA O3GK数据中带有非平稳噪声的图像进行分类的有效性。通过结合变分自编码器（VAE）和谱聚类，我们识别出八种不同的毛刺噪声类别。从VAE获得的潜变量经过维度压缩，在三维空间中可视化，并使用谱聚类进行分类，以更好地理解KAGRA在O3GK期间的毛刺噪声特征。我们的结果突出了无监督学习在高效毛刺噪声分类方面的潜力，这可能进一步促进干涉仪器的升级和开发未来的第三代引力波观测仪器。
引用
@article{arxiv.2510.14291,
title = {Glitch noise classification in KAGRA O3GK observing data using unsupervised machine learning},
author = {Shoichi Oshino and Yusuke Sakai and Marco Meyer-Conde and Takashi Uchiyama and Yousuke Itoh and Yutaka Shikano and Yoshikazu Terada and Hirotaka Takahashi},
journal= {arXiv preprint arXiv:2510.14291},
year = {2025}
}
备注
9 pages, 7 figures, accepted to Physics Letters B