PINCH：LIGO第三观测运行中基于管线的噪声特征化

我们提出了一种方法，用于识别和分类由匹配滤波引发的引力波候选触发信号(管线)所导致的瞬态噪声(故障)的触发信号。我们的做法是训练支持向量机(SVM)模型，基于管线触发的信号进行训练，这些信号发生在超出噪声的区域，以区分由随机噪声和由故障引起的触发信号。该方法独立应用于来自LIGO Hanford和Livingston观测站的数据，具体为O3观测运行后半段由GstLAL搜索管线产生的触发信号。经过训练的SVM模型为模糊触发信号分配得分，量化其与由随机波动引起的触发信号的相似性，得分高于预定义阈值的触发信号被分类为由故障引起。分析这些触发信号揭示了不同故障类别对搜索管线的不同影响，包括它们在相关参数空间中的分布。我们使用巴哈特里亚系数和过度代表比率等指标来量化故障影响在时间和跨参数空间中的一致性和普遍性。我们的发现表明，某些故障类型在特定参数空间的特定区域持续产生触发信号，而另一些故障类型则产生更广泛分布的触发信号。我们观察到，散射光故障在搜索管线中在一次检修更改之前和之后呈现不同，表明此类探测器更改在管线对某些故障类别的响应中呈现差异。该方法为理解和缓解非高斯瞬态对引力波搜索管线的影响提供了框架，具有提高检测灵敏度和更好地理解噪声 population 的意义。