脉冲星计时阵列数据中孤立源与未分辨混淆背景的联合搜寻

超大质量黑洞双星是脉冲星计时阵列可探测频带内最有希望的引力波源。这些双星大多过于遥远而无法逐个探测，但 together 它们将形成近似随机的背景，可通过测量脉冲星对之间诱导的关联模式来探测。少数邻近且特别大质量的系统可能从该背景中凸显并被逐个探测。先前已发展出分别搜寻随机信号与孤立信号的分析方法。这里我们提出BayesHopper，一种能够利用跨维贝叶斯推断同时联合搜寻两种信号分量的算法。我们的实现使用可逆跳跃马尔可夫链蒙特卡洛（Reversible Jump Markov Chain Monte Carlo）方法对维度变化的相应参数空间采样。我们已在多种模拟数据集上测试了BayesHopper。我们发现当在仅有随机背景的数据或仅有单个双星的数据上测试时，其结果与固定维度方法一致。对于分析同时含背景与多个黑洞双星数据集的完整问题，我们发现双星与背景分量间存在两类相互作用。第一，背景有效提高了噪声水平，从而使单个双星信号显著性降低。第二，由于贝叶斯推断天然的简约性，弱双星信号可被背景模型吸收。因其灵活的模型结构，我们预期BayesHopper应用于由种群合成模型产生的真实数据集时将优于现有方法。