NNETFIX：基于人工神经网络的引力波信号去噪引擎
广义相对论与量子宇宙学
2021-01-14 v1 宇宙学与河外天体物理
高能天体物理现象
天体物理仪器与方法
摘要
引力波探测器中的仪器与环境瞬态噪声爆发（或称故障干扰，glitches）可能通过不利地影响引力波信号的天区定位与参数估计而损害天体物理观测。探测器数据的去噪在低延迟运行中尤为关键，因为候选探测的电磁跟进需要准确、快速的天区定位与天体物理源推断。NNETFIX 是一种基于机器学习的算法，旨在去除与瞬态引力波信号符合观测到的故障干扰。NNETFIX 使用人工神经网络估计因故障干扰存在而丢失的数据部分，从而允许重新计算天体物理信号的天区定位。去噪数据的天区定位可能比原始数据或移除受故障干扰影响数据部分所得的天区定位显著更精确。我们在双黑洞并合信号的模拟场景中测试 NNETFIX，并讨论其在未来低延迟 LIGO-Virgo-KAGRA 搜寻中的使用潜力。对于高信噪比信号的大多数情况，我们发现去噪数据与原始数据所得天区图的重叠度优于原始数据与移除故障干扰数据所得天区图的重叠度。
引用
@article{arxiv.2101.04712,
title = {NNETFIX: An artificial neural network-based denoising engine for gravitational-wave signals},
author = {Kentaro Mogushi and Ryan Quitzow-James and Marco Cavaglià and Sumeet Kulkarni and Fergus Hayes},
journal= {arXiv preprint arXiv:2101.04712},
year = {2021}
}
备注
26 pages, 10 figures, 10 tables