[论文解读] Wavelet Analysis: Event De-noising, Shower Evolution and Jet Substructure Without Jets

J. Monk|arXiv (Cornell University)|May 20, 2014

Image and Signal Denoising Methods参考文献 2被引用 6

一句话总结

本文提出将小波分析作为一种新颖方法，用于对强子对撞机事例进行去噪、研究喷注演化，并在不依赖传统喷注寻找算法的前提下识别喷注。通过将能流数据分解为具有尺度和位置局部化特性的小波系数，该方法有效抑制了多原子弹效应，显著增强了W玻色子质量峰，并改善了增强型W玻色子事例中的背景分离效果。

ABSTRACT

Wavelet decomposition is a method that has been applied to signal processing in a wide range of subjects. The decomposition isolates small scale features of a signal from large scale features, while also maintaining information about where in the signal those features occur. Wavelets obey particular scaling relations and are especially suited to the analysis of systems that are self-similar and scale invariant. They are therefore a natural tool for the study of hadron collisions. This paper introduces the use of wavelets for de-noising (removal of soft activity), studying the scaling behaviour of a shower, and recognising jets according to this behaviour. This is demonstrated by processing a sample of boosted W boson Monte Carlo events together with their QCD background. The method is quite general and can be used as a pre-processing step in conjunction with any jet-finder or other event-shape algorithm. The result in this simple example is a significant enhancement in both the size and shape of the W boson mass peak, together with an improved separation of the background distribution.

研究动机与目标

• 开发一种基于小波变换的通用事件分析框架，适用于强子对撞实验。
• 通过基于小波的去噪方法，解决增强型玻色子事例中多原子弹污染的挑战。
• 利用小波分解研究QCD喷注的标度行为，以识别喷注样结构。
• 证明小波分析可作为喷注查找或子结构算法的预处理工具。
• 展示无需依赖传统喷注重建技术，即可实现基于小波分析的喷注识别。

提出的方法

• 对事件能流数据应用离散小波变换（DWT），将其分解为多尺度和多位置的正交小波基函数。
• 采用二进制网格的尺度和位移，其中每个尺度索引 $ m $ 对应母小波 $ \psi $ 的缩放版本，从而实现多尺度分析。
• 对高频小波系数施加阈值以去除噪声（如软活动和多原子弹），实现有效去噪。
• 利用修改后的小波系数重新组合事件，重构出保留大尺度特征的更清晰能流。
• 利用小波系数的尺度依赖结构，通过其自相似辐射模式识别喷注。
• 实施基于似然的筛选准则 $ L_R > 0.9 $，进一步提升重构质量分布中的信号纯度。

实验结果

研究问题

• RQ1 小波分析能否有效对受多原子弹污染的强子对撞机事例（尤其是增强型W玻色子事例）进行去噪？
• RQ2 小波系数的尺度依赖结构如何反映QCD喷注的演化过程？
• RQ3 能否基于小波-尺度行为在不使用标准喷注查找算法的前提下识别喷注样结构？
• RQ4 在多原子弹条件下，基于小波的去噪在多大程度上提升了W玻色子质量峰的分辨率和显著性？
• RQ5 在信号-背景分离方面，小波分析与现有喷注子结构技术相比，在通用性和性能上表现如何？

主要发现

• 小波去噪成功地从多原子弹导致的展宽分布中恢复出清晰、窄锐的W玻色子质量峰，显著提升了峰的可见度。
• 该方法同时增强了W玻色子质量峰的幅度和形状，使其更加清晰，且受软活动影响更小。
• 背景分离得到改善，表现为小波处理后信号与QCD背景分布的重叠减少。
• 基于小波的喷注选择（$ L_R > 0.9 $）进一步抑制了背景，同时保留了信号，使质量分布更加清晰。
• 该方法具有通用性，可作为任何喷注查找器或事例形状分析的预处理步骤，无需修改现有算法。
• 该方法优于简单的平滑技术，且比其他方法（如两点相关法或能流卷积）更具鲁棒性，因其具备正交性、多尺度性和可逆性分解特性。