[论文解读] Detecting Gravitational Waves in Data with Non-Gaussian Noise

Barak Zackay, Tejaswi Venumadhav+3 more|arXiv (Cornell University)|Aug 15, 2019

Pulsars and Gravitational Waves Research被引用 18

一句话总结

本文提出一种双管齐下的方法，以改善LIGO/Virgo数据中受非高斯噪声污染的引力波探测：(1) 通过匹配滤波重叠部分的局部标准差归一化，校正慢速功率谱密度（PSD）变化；(2) 通过数据插补技术剔除瞬态干扰脉冲，以保持统计推断的准确性。该方法通过改善背景分布并减少虚假触发，使探测体积至少提升15%。

ABSTRACT

Searches for gravitational waves crucially depend on exact signal processing of noisy strain data from gravitational wave detectors, which are known to exhibit significant non-Gaussian behavior. In this paper, we study two distinct non-Gaussian effects in the LIGO/Virgo data which reduce the sensitivity of searches: first, variations in the noise power spectral density (PSD) on timescales of more than a few seconds; and second, loud and abrupt transient `glitches' of terrestrial or instrumental origin. We derive a simple procedure to correct, at first order, the effect of the variation in the PSD on the search background. Given the knowledge of the existence of localized glitches in particular segments of data, we also develop a method to insulate statistical inference from these glitches, so as to cleanly excise them without affecting the search background in neighboring seconds. We show the importance of applying these methods on the publicly available LIGO data, and measure an increase in the detection volume of at least $15\%$ from the PSD-drift correction alone, due to the improved background distribution.

研究动机与目标

• 解决因LIGO/Virgo数据中非高斯噪声导致的引力波搜寻灵敏度下降问题。
• 量化并校正由于噪声功率谱密度（PSD）在超过10秒时间尺度上的缓慢变化所导致的一阶灵敏度损失。
• 开发一种方法，以隔离并去除短时、高强度瞬态干扰脉冲的影响，同时不扭曲邻近数据段的背景分布。
• 通过确保背景建模准确和信号一致性，提升基于匹配滤波的搜寻在统计可靠性与灵敏度方面的表现。

提出的方法

• 提出通过局部估计的标准差 σz(t) 对匹配滤波重叠部分进行归一化，其中 σz(t) 定义为时间平均功率，采用长度为 N_a 的滑动窗口计算，以校正PSD漂移。
• 推导出由于局部PSD估计不准导致的灵敏度损失的一阶校正，通过使用公式 (1) 中的 σz(t) 调整匹配滤波输出。
• 提出一种数据插补技术，将包含干扰脉冲的应变数据段替换为使反PSD滤波后（“去色”）数据在该时间段内为零的值，从而消除其对似然计算的影响。
• 利用白化数据和模板傅里叶变换计算匹配滤波统计量，确保受干扰影响的数据对似然的贡献为零，同时保持对真实引力波信号的最优灵敏度。
• 将该校正方法应用于完整的O2 LIGO公开数据集，以验证方法并量化灵敏度增益。
• 利用Wick定理和Parseval恒等式推导匹配滤波输出估计量的方差，从而实现对校正过程统计不确定性的控制。

实验结果

研究问题

• RQ1 在秒级时间尺度上，噪声功率谱密度（PSD）的缓慢变化在引力波搜寻中如何影响匹配滤波触发的背景分布？
• RQ2 由于这些变化导致局部PSD估计不准，引力波探测流水线的灵敏度降低程度有多大？
• RQ3 基于局部标准差估计的简单一阶校正，能否有效恢复因PSD漂移而损失的灵敏度？
• RQ4 如何在不扭曲搜寻统计背景的前提下，从数据中去除瞬态非高斯干扰脉冲？
• RQ5 在真实LIGO数据中校正PSD漂移并剔除干扰脉冲后，探测体积的定量增益是多少？

主要发现

• PSD漂移校正使探测体积至少提升15%，通过改善匹配滤波中背景分布的准确性实现。
• 该方法有效抑制了因PSD变化导致的高信噪比（SNR）触发过量，尤其在10秒量级的时间尺度上表现显著。
• 基于插补的干扰脉冲剔除方法确保瞬态噪声事件对似然计算无任何影响，同时保持对真实引力波信号的最优灵敏度。
• 所提出的校正方法具有鲁棒性和实用性，仅需对匹配滤波重叠部分的标准差进行局部估计，因此适合集成到现有搜寻流水线中。
• 通过Wick定理和Parseval恒等式，精确推导出匹配滤波估计量的方差，从而实现对校正过程统计不确定性的有效控制。
• 该方法已成功应用于Venumadhav等人（2019b）所描述的搜寻流水线中，显著提升了候选源排序与信号一致性检查的性能。