使用 MCMC 方法进行 LISA 数据分析
广义相对论与量子宇宙学
2009-11-11 v1 天体物理学
摘要
激光干涉空间天文台 (LISA) 预计将同时检测数千个低频引力波信号。这构成了与地面引力波天文学中完全不同的数据分析挑战。LISA 数据分析需要从包含未知数量重叠信号的数据流中识别单个信号。由于信号重叠,必须对所有信号进行全局拟合,以避免偏离解的结果。然而,进行此类全局拟合需要探索维数可达 5 万 以上的巨大参数空间。马可夫链蒙特色洛 (MCMC) 方法为 LISA 数据分析问题提供了非常有前景的解决方案。MCMC 算法能够有效探索大参数空间,同时提供参数估计、误差分析甚至模型选择。本文首次将 MCMC 方法应用于模拟的 LISA 数据,并展示了 MCMC 方法的巨大潜力。我们的实现采用广义 F 统计量评估似然值,并使用模拟退火加速马可夫链的收敛。最终我们通过超冷链提取最大似然估计,并对竞争模型的贝叶斯因子进行估计。我们发现,MCMC 方法能够正确识别信号的数量、提取源参数,并返回与 Fisher 信息矩阵预测相符的误差估计。
关键词
引用
@article{arxiv.gr-qc/0506059,
title = {LISA Data Analysis using MCMC methods},
author = {Neil J. Cornish and Jeff Crowder},
journal= {arXiv preprint arXiv:gr-qc/0506059},
year = {2009}
}
备注
14 pages, 7 figures