LISA Pathfinder 检验质量噪声的定量分析

本文讨论了与 LISA Pathfinder (LPF) 数据分析相关的两个主要问题：i) 过剩噪声检测和 ii) 噪声参数辨识。该任务关注可用信号谱的低频区域（[0.1; 10] mHz）。在该区域中，信号由作用于检验质量上的力噪声主导。由于谱统计量将远离高斯分布且可用的最低频率受数据长度限制，预计噪声分析需处理数量有限非高斯数据。本文分析了谱数据预期统计量的细节，并开发了两种合适的过剩噪声估计量。一种基于积分谱的统计性质，另一种基于 Kolmogorov-Smirnov 检验。在独立数据的假设下从理论上讨论了估计量的灵敏度，随后在 LPF 合成数据上测试了该算法。对真实 LPF 数据的测试突显了谱数据相关性对不同过剩噪声估计量效率的影响。它还揭示了 Kolmogorov-Smirnov 方法的通用性，通过修改检验统计量反转的标准方程，可使其适应于在相关数据上提供合理结果。与过剩噪声检测密切相关的是非高斯数据中的噪声参数辨识问题，我们采用两种方法加以解决。一种基于极大似然估计量，另一种基于 Kolmogorov-Smirnov 拟合优度估计量。两种方法均提供了无偏且精确的噪声参数估计结果，并展现出优于标准加权最小二乘法和 Huber 范数的性能。