[论文解读] Mitigation of the instrumental noise transient in gravitational-wave data surrounding GW170817

C. Pankow, Katerina Chatziioannou+10 more|DSpace@MIT (Massachusetts Institute of Technology)|Aug 10, 2018

Pulsars and Gravitational Waves Research被引用 7

一句话总结

本文评估了在GW170817引力波事件周围使用门控（gating）和BayesWave-based去噪技术的效果，表明与数据剔除相比，BayesWave能更好地保持信号保真度，即使在存在强烈仪器瞬态干扰的情况下也能实现无偏参数估计。研究证实，去噪减法对准确恢复本征参数至关重要，尤其对于GW170817这类高信噪比信号。

ABSTRACT

In the coming years gravitational-wave detectors will undergo a series of improvements, with an increase in their detection rate by about an order of magnitude. Routine detections of gravitational-wave signals promote novel astrophysical and fundamental theory studies, while simultaneously leading to an increase in the number of detections temporally overlapping with instrumentally- or environmentally-induced transients in the detectors (glitches), often of unknown origin. Indeed, this was the case for the very first detection by the LIGO and Virgo detectors of a gravitational-wave signal consistent with a binary neutron star coalescence, GW170817. A loud glitch in the LIGO-Livingston detector, about one second before the merger, hampered coincident detection (which was initially achieved solely with LIGO-Hanford data). Moreover, accurate source characterization depends on specific assumptions about the behavior of the detector noise that are rendered invalid by the presence of glitches. In this paper, we present the various techniques employed for the initial mitigation of the glitch to perform source characterization of GW170817 and study advantages and disadvantages of each mitigation method. We show that, despite the presence of instrumental noise transients louder than the one affecting GW170817, we are still able to produce unbiased measurements of the intrinsic parameters from simulated injections with properties similar to GW170817.

研究动机与目标

• 为应对LIGO-Livingston溢出异常瞬态等仪器噪声瞬变对GW170817事件的符合探测和参数估计造成的干扰，提出解决方案。
• 评估数据剔除（门控）与基于模型的异常减法（BayesWave）在重建本征信号参数时引入的保真度与偏差。
• 确定去噪技术是否能保持引力波信号的相干性与结构，特别是在可测量自旋和潮汐效应的敏感频段。
• 评估每种方法在未来的多信使天文学中适用于低时延天区定位与高保真度参数估计的适用性。

提出的方法

• 应用PyCBC门控算法剔除受异常影响的0.2秒数据，同时移除瞬态信号与部分真实信号。
• 采用改进的门控变体以提升数据保真度，同时仍能实现快速天区定位以支持电磁波后续观测。
• 使用BayesWave算法，通过具有不同品质因数（Q）的时间-频率小波，建模并减去异常信号，将高Q的BNS信号与低Q的瞬态信号分离。
• 使用LALInference进行参数估计，假设噪声模型为平稳性，比较原始数据、门控处理数据与BayesWave处理后数据的结果。
• 通过将恢复的参数与零噪声参考结果对比，评估信号保真度，重点关注自旋与潮汐形变参数的估计。
• 评估去噪技术对不确定性膨胀与偏差的影响，尤其关注信噪比较低（SNR）信号的情况。

实验结果

研究问题

• RQ1 数据剔除技术（如门控）是否能在最小化信号损失的前提下，为电磁波后续观测提供足够准确的天区定位？
• RQ2 与剔除方法相比，基于BayesWave的异常减法在多大程度上能保持引力波信号的相干性与结构？
• RQ3 不同去噪策略对本征参数估计偏差与不确定性的影晌如何，特别是对自旋与潮汐参数？
• RQ4 当异常与信号在时频空间重叠时，尤其是其小波特征显著不同时，参数估计的保真度是否会受损？
• RQ5 在GW170817这类高信噪比事件中，去噪方法是否可信赖地产生无偏结果，因为此类事件中信号完整性对基础物理检验至关重要？

主要发现

• 基于BayesWave的异常减法产生的参数估计与零噪声参考研究结果一致，参数偏移仅归因于残余噪声，表明保真度极高。
• 门控方法虽快速有效，适用于低时延天区定位，但会移除部分真实信号，导致参数估计中不确定性增加及潜在偏差。
• 尽管在某些频段异常信号比真实信号更响亮，BayesWave仍凭借其独特的品质因数（Q）差异，成功将瞬态与BNS信号分离，从而准确恢复了自旋与潮汐参数。
• 研究表明，门控等数据剔除方法不足以实现高保真度参数估计，因其破坏了信号的相干性并增加了不确定性。
• 对于信噪比较低的弱信号，门控导致的偏差与不确定性膨胀将更为严重，凸显未来分析中采用基于模型的减法的必要性。
• 结果支持在需要无偏、高精度参数估计时，优先采用如BayesWave等针对数据定制的异常去除技术，而非简单剔除。