[論文レビュー] Compressed Sensing for Time-Frequency Gravitational Wave Data Analysis

P. Addesso, M. Longo+4 more|arXiv (Cornell University)|May 11, 2016

Pulsars and Gravitational Waves Research参考文献 54被引用数 4

ひとこと要約

本論文は、重力波（GW）データのための疎でアーティファクトのない時間周波数（TF）表現——いわゆるTFスケルトン——を構築するため、圧縮センシング（CS）に基づく手法を提案する。GWのチープや機器のノイズトランスジェントがTFドメインで本質的に疎であることを利用することで、可読性の向上、交差変調アーティファクトの低減、マルチディテクタ一致検出におけるノイズ除去の改善が図られ、Wigner-Ville変換やQ変換といった従来手法に比べて疎らかさとコントラストの面で優れている。

ABSTRACT

The potential of compressed sensing for obtaining sparse time-frequency representations for gravitational wave data analysis is illustrated by comparison with existing methods, as regards i) shedding light on the fine structure of noise transients (glitches) in preparation of their classification, and ii) boosting the performance of waveform consistency tests in the detection of unmodeled transient gravitational wave signals using a network of detectors affected by unmodeled noise transient

研究の動機と目的

• 干渉計データにおける予測不能なノイズトランスジェント（ノイズトランスジェント）によって汚染された複雑で非定常的な重力波信号を解釈する課題に対処すること。
• 従来のTF変換に共通する交差変調アーティファクトを除去することで、時間周波数表現の可読性と解釈可能性を向上させること。
• 未モデル化の瞬発的GW信号のためのマルチディテクタ整合性テストの性能を、疎なTF表現を活用することで向上させること。
• 信号特徴を保持しながら一致解析における誤検出の原因となる不審なホットピクセルを低減するノイズ除去機構を提供すること。
• 圧縮センシングに基づくTFスケルトンが、既存のTF表現ツールに比べて優れた疎らかさとコントラストを示すことを実証すること。

提案手法

• 本手法は、GW信号やノイズトランスジェントがTFドメインで本質的に疎であることを利用し、圧縮センシングの原則に従って疎な時間周波数スケルトンを構築する。
• Wigner-Ville分布（WV）から交差変調アーティファクトを最小限に抑えつつ時間周波数分解能を保持するように、CSに基づくアルゴリズムを開発する。
• 局所化を向上させ、TF表現におけるスメアを低減するために、BJ最適化済みのΩドメインを用いる。
• TF表現に対してスパース化を適用し、実際の信号エネルギーに対応する顕著な成分（ホットピクセル）のみを保持する。
• 複数の非同一位置に設置されたディテクタからのデータを組み合わせることで、一致TFスケルトンを形成し、局所的ノイズトランスジェントやアーティファクトを効果的に抑制する。
• 既知のGWチープとノイズトランスジェントを含む合成データを用いて、標準的なWigner-Ville変換、BJ平滑化済みWV、Q変換と比較して手法の有効性を検証する。

実験結果

リサーチクエスチョン

• RQ1 圧縮センシングは、重力波信号やノイズトランスジェントに対して、疎かつ交差変調アーティファクトのない時間周波数表現を生成できるか？
• RQ2 CSに基づくTFスケルトンの疎らかさとコントラストは、Wigner-Ville変換やQ変換といった従来のTF表現と比べて、瞬発的GW信号の検出においてどのように優れているか？
• RQ3 TFスケルトンは、未モデル化の瞬発的GW信号の検出を、マルチディテクタ一致検出によってどの程度向上できるか？
• RQ4 CSに基づくスケルトン化プロセスは、本質的にノイズ除去機能を有しており、一致解析における誤検出を低減できるか？
• RQ5 疎なTFスケルトンは、ノイズトランスジェントの構造的詳細をより明確に露わにでき、分類や発生源の特定に役立つだろうか？

主な発見

• TFスケルトン手法は、標準的なWigner-Ville分布と比較してホットピクセルの数を約100倍に削減し、著しく疎らかさが向上した。
• チープケース（SNR = 15）では、TFスケルトンにおけるホットピクセルの平均レベルはノイズのみのデータと比べて約5倍高く、累積レベル合計は4.5倍大きいことから、信号の保持が顕著に確認された。
• マージンケース（SNR = 10）では、TFスケルトンにおけるホットピクセルの平均レベルはノイズのみのデータと比べて約10倍高く、累積合計は1.7倍大きいことから、効果的な信号検出が確認された。
• ノイズトランスジェントが存在する状況でも、TFスケルトンはBJ平滑化済みWVやQ変換と比較して、最も鋭い時間周波数局所化と最も高い背景に対するコントラストを示した。
• 一致TFスケルトンは、BJ平滑化済みWVやQ変換よりも不審なホットピクセルをより効果的に抑制し、ノイズのみの状況下で最も少ない誤検出数を示した。
• 本手法は、GWチープのリッジ構造やマージンのブロブ型モルフォロジーを効果的に保持しており、信号の微細構造やノイズトランスジェントの特徴をより明確に可視化できるようになった。