[论文解读] EVIDENCE OF SUPERPOSED VARIABILITY COMPONENTS IN GRB PROMPT EMISSION LIGHTCURVES

He Gao, Bin‐Bin Zhang+1 more|arXiv (Cornell University)|Mar 1, 2011

Gamma-ray bursts and supernovae参考文献 2被引用 4

一句话总结

本文提出逐步滤波相关法（SFC）以检测伽马射线暴（GRB）缓发辐射光 lightcurves 中的叠加变异性成分。通过逐步滤除高频信号并分析相关性凹陷，该方法可识别出慢速与快速变异性成分；应用于 266 颗 BATSE GRB 后，发现 93 个暴中有明确证据表明存在叠加现象，为 GRB 辐射物理提供了新见解。

ABSTRACT

Gamma-ray bursts (GRBs) have variable lightcurves. Although most models attribute the observed variability to one physical origin (e.g. central engine activity, clumpy circumburst medium, relativistic turbulence), some models invoke two physically distinct variability components. We develop a method, namely, the stepwise filter correlation (SFC) method, to decompose the variability components in a GRB lightcurve. Based on a low-pass filter technique, we progressively filter the high frequency signals from the lightcurve, and then perform a correlation analysis between each adjunct pair of filtered lightcurves. Our simulations suggest that if a mock lightcurve contains a “slow” variability component superposed on a rapidly varying time sequence, the correlation coefficient as a function of the filter frequency would display a prominent “dip” feature around the frequency of the slow component. Through simulations, we prove that this method is robust to catch the superposition signals that are otherwise not easy to retrieve based on other methods (e.g. the power density spectrum analysis method). We apply this new method to 266 BATSE bright GRBs. We find that 93 bursts have clear evidence of such a superposition effect. We perform a statistical analysis of the identified variability components, and discuss the physical implications for GRB physics. Subject headings: gamma-rays burst: general

研究动机与目标

• 解决使用传统方法难以分离的 GRB 缓发辐射光 lightcurves 中多个物理上不同的变异性成分的识别挑战。
• 开发一种稳健的技术，即使在功率谱密度分析难以分辨时，也能检测到叠加的慢速与快速变异性成分。
• 对大规模 GRB 样本中识别出的变异性成分进行统计分析，探讨其对中心引擎活动与辐射机制的物理意义。
• 通过区分与中心引擎过程相关的成分和与外部介质相互作用或湍流相关的成分，增进对 GRB 变异性物理起源的理解。

提出的方法

• 逐步滤波相关法（SFC）以渐进方式对 GRB 光 lightcurve 应用低通滤波器，系统性地去除高频信号。
• 每次滤波步骤后，该方法计算每个相邻滤波后光 lightcurve 对之间的相关系数，作为滤波截止频率的函数。
• 在特定滤波频率处，相关系数曲线出现显著的“凹陷”，表明存在叠加在快速涨落之上的慢速变异性成分。
• 通过模拟验证该方法，证明其即使在功率谱密度分析无法分辨时，也能可靠检测到叠加成分。
• 该技术应用于 266 颗由 BATSE 仪器探测到的明亮 GRB，以识别并表征双成分变异性。
• 对识别出的成分进行统计分析，以研究其分布与物理意义。

实验结果

研究问题

• RQ1 SFC 方法能否检测到传统功率谱密度分析无法识别的 GRB 光 lightcurve 中的叠加变异性成分？
• RQ2 在明亮 BATSE GRB 中，有多少比例在缓发辐射中表现出两个明显不同的变异性成分的明确证据？
• RQ3 所识别出的慢速与快速变异性成分在 timescale 和振幅方面的统计特性如何？
• RQ4 所观测到的变异性成分如何揭示 GRB 辐射背后的物理机制，例如中心引擎活动与外部介质效应的对比？
• RQ5 双变异性成分的存在是否在不同 GRB 群体或能量 band 中保持一致？

主要发现

• SFC 方法成功在相关系数曲线中识别出慢速变异性成分特征频率处的‘凹陷’，证实其检测叠加信号的能力。
• 在 266 颗 BATSE 明亮 GRB 中，93 个暴表现出明显的叠加变异性成分证据，表明此类双成分行为具有统计显著性。
• 模拟结果表明该方法具有鲁棒性，在分辨重叠变异性成分方面优于功率谱密度分析。
• 识别出的慢速与快速成分表明，GRB 缓发辐射可能源于中心引擎活动与外部过程（如不均匀的包层介质或相对论湍流）的组合。
• 对变异性成分的统计分析揭示了时间尺度的非均匀分布，支持 GRB 变异性存在多种物理起源的观点。
• 结果表明，GRB 辐射模型应考虑至少两种不同物理过程的叠加，才能准确再现观测到的光 lightcurve 变异性。