从引力波探测器中机器学习去除非平稳噪声
广义相对论与量子宇宙学
2020-02-26 v3 天体物理仪器与方法
机器学习
数据分析、统计与概率
仪器与探测器
摘要
从背景噪声中提取信号是高精度物理实验中的常见挑战，其测量输出通常是一个连续数据流。为提高探测的信噪比，常使用监视传感器独立测量背景噪声并将其从主信号中减去。若噪声耦合是线性且平稳的，已有最优技术并在许多实验中常规应用。然而，当噪声耦合为非平稳时，线性技术常常失效或次优。受引力波探测器中背景噪声特性的启发，本工作开发了一种新算法，在存在噪声源与调制的监视信号条件下，可高效表征并去除非平稳噪声耦合。本工作中，该算法以其最一般的形式描述，并以 Advanced LIGO 引力波天文台的观测数据为例展示了其效率，我们在不引入任何源参数估计偏差的情况下改善了探测器的引力波探测距离。
引用
@article{arxiv.1911.09083,
title = {Machine-learning non-stationary noise out of gravitational wave detectors},
author = {Gabriele Vajente and Yiwen Huang and Maximiliano Isi and Jenne C. Driggers and Jeffrey S. Kissel and Marek J. Szczepanczyk and Salvatore Vitale},
journal= {arXiv preprint arXiv:1911.09083},
year = {2020}
}