[论文解读] An information-theoretic approach to the gravitational-wave burst detection problem

Ryan Christopher Lynch, S. Vitale+3 more|arXiv (Cornell University)|Nov 18, 2015

Pulsars and Gravitational Waves Research被引用 5

一句话总结

该论文提出 oLIB，一种基于信息论的引力波突发信号检测算法，通过基于 Q 变换的超额功率触发器（Omicron）、网络符合性检验以及基于 MCMC 的贝叶斯证据计算（LALInferenceBurst），将原始数据压缩为贝叶斯因子。该方法在组合贝叶斯因子上使用似然比检验，最优地提取检测显著性，在真实 LIGO 数据中对多种波形形态的天体物理相关突发信号实现了鲁棒且低延迟的检测。

ABSTRACT

The observational era of gravitational-wave astronomy began in the Fall of 2015 with the detection of GW150914. One potential type of detectable gravitational wave is short-duration gravitational-wave bursts, whose waveforms can be difficult to predict. We present the framework for a new detection algorithm for such burst events -- extit{oLIB} -- that can be used in low-latency to identify gravitational-wave transients independently of other search algorithms. This algorithm consists of 1) an excess-power event generator based on the Q-transform -- extit{Omicron} --, 2) coincidence of these events across a detector network, and 3) an analysis of the coincident events using a Markov chain Monte Carlo Bayesian evidence calculator -- extit{LALInferenceBurst}. These steps compress the full data streams into a set of Bayes factors for each event; through this process, we use elements from information theory to minimize the amount of information regarding the signal-versus-noise hypothesis that is lost. We optimally extract this information using a likelihood-ratio test to estimate a detection significance for each event. Using representative archival LIGO data, we show that the algorithm can detect gravitational-wave burst events of astrophysical strength in realistic instrumental noise across different burst waveform morphologies. We also demonstrate that the combination of Bayes factors by means of a likelihood-ratio test can improve the detection efficiency of a gravitational-wave burst search. Finally, we show that oLIB's performance is robust against the choice of gravitational-wave populations used to model the likelihood-ratio test likelihoods.

研究动机与目标

• 开发一种端到端、独立的引力波突发信号检测算法，以在数据压缩过程中最小化信息损失。
• 实现在真实非高斯探测器噪声中对短时长、未建模引力波瞬变信号的低延迟检测。
• 通过似然比检验组合多个贝叶斯因子，优化检测显著性，提升检测效率。
• 确保在似然计算中所用假设的天体物理群体模型存在不确定性时仍具备鲁棒性。
• 提供一种经过交叉验证的、与现有突发搜寻方法互补的方法，以提升检测置信度与参数估计精度。

提出的方法

• 该算法首先使用 Omicron，一种基于 Q 变换的超额功率事件生成器，识别单个探测器中功率升高的时频段。
• 利用飞行时间约束和数据质量筛查，从探测器网络中选择符合事件，以减少误报。
• 每个符合事件均通过 LALInferenceBurst 进行分析，该方法基于 MCMC 的贝叶斯证据计算器，为信号与噪声假设计算贝叶斯因子。
• 将所得的贝叶斯因子向量通过似然比检验压缩为单一标量检验统计量，同时保留所有与信号-噪声相关的关键信息。
• 通过似然比检验分配检测显著性，该方法能最优地从压缩后的贝叶斯因子中提取信息。
• 该方法在 S6 时代的真实 LIGO 数据上进行了验证，其中注入了不同波形形态和信噪比的模拟突发信号。

实验结果

研究问题

• RQ1 基于信息论的方法是否能在数据压缩过程中最小化信息损失，同时保持突发信号检测中对信号与噪声的区分能力？
• RQ2 通过似然比检验组合多个贝叶斯因子，是否相比使用单一统计量能提升检测效率？
• RQ3 oLIB 的检测性能对用于似然估计的天体物理群体模型选择的鲁棒性如何？
• RQ4 oLIB 是否能在真实非高斯仪器噪声中实现未建模引力波突发信号的低延迟检测？
• RQ5 在天体物理相关的信噪比下，oLIB 的性能在不同突发信号波形形态之间的差异程度如何？

主要发现

• oLIB 在真实 LIGO 数据中成功检测到具有天体物理相关信噪比的引力波突发事件，覆盖了广泛的信号波形形态。
• 对多个贝叶斯因子组合应用的似然比检验实现了最高的检测效率，表明多统计量融合可最优地提升检测能力。
• 该算法实现了低延迟运行，检测显著性估计可在数十分钟内完成，适用于实时后续观测。
• oLIB 的检测效率对用于校准似然比检验的假设天体物理群体模型的变化具有鲁棒性。
• 该框架通过利用充分统计量（贝叶斯因子）和最优假设检验，最大限度地减少了压缩过程中的信息损失。
• 该方法提供了一条新的、独立的、互补的检测流程，增强了与现有突发搜寻算法的交叉验证。