[论文解读] Searching for gravitational wave burst in PTA data with piecewise linear functions

Heling Deng, B. Bécsy+3 more|arXiv (Cornell University)|Jun 29, 2023

Pulsars and Gravitational Waves Research被引用 4

一句话总结

本文提出了一种完全贝叶斯框架，用于在脉冲星计时阵列（PTA）数据中检测引力波突发信号，通过使用分段线性函数建模未知的突发波形，实现对波形参数的解析边缘化。该方法将检测问题简化为三个关键参数（天区位置和信号强度），从而在存在信号时实现高效推断与精确波形重建，如在信噪比 ≈ 14.7 和 ≈ 6.5 的模拟数据中所展示的那样。

ABSTRACT

Transient gravitational waves (aka gravitational wave bursts) within the nanohertz frequency band could be generated by a variety of astrophysical phenomena such as the encounter of supermassive black holes, the kinks or cusps in cosmic strings, or other as-yet-unknown physical processes. Radio-pulses emitted from millisecond pulsars could be perturbed by passing gravitational waves, hence the correlation of the perturbations in a pulsar timing array can be used to detect and characterize burst signals with a duration of $\mathcal{O}(1 ext{-}10)$ years. We propose a fully Bayesian framework for the analysis of the pulsar timing array data, where the burst waveform is generically modeled by piecewise straight lines, and the waveform parameters in the likelihood can be integrated out analytically. As a result, with merely three parameters (in addition to those describing the pulsars' intrinsic and background noise), one is able to efficiently search for the existence and the sky location of {a burst signal}. If a signal is present, the posterior of the waveform can be found without further Bayesian inference. We demonstrate this model by analyzing simulated data sets containing a stochastic gravitational wave background {and a burst signal generated by the parabolic encounter of two supermassive black holes.

研究动机与目标

• 开发一种高效的贝叶斯方法，用于在波形未知的情况下检测脉冲星计时阵列（PTA）数据中的瞬态引力波突发信号。
• 在时域中使用分段线性函数对突发信号进行建模，实现对波形参数的解析积分。
• 通过边缘化波形参数，将自由参数数量减少至仅三个（天区位置和信号强度），从而提高计算效率。
• 在检测到信号时，无需额外的贝叶斯推断即可直接重建突发波形。
• 在包含随机引力波背景和来自超大质量黑洞抛物线相遇的突发信号的模拟PTA数据上验证该方法。

提出的方法

• 突发波形在时域中被建模为两个分段线性函数，分别对应两种偏振态（+和×）。
• 波形参数被赋予具有由单一超参数 q 控制的协方差的高斯先验，从而实现对似然函数的解析边缘化。
• 边缘化后的似然函数仅依赖于三个参数：q（信号强度）、θ 和 φ（天区位置），外加本征噪声和共同噪声参数。
• 使用马尔可夫链蒙特卡洛（MCMC）采样来探索 q、θ 和 φ 的后验分布，波形通过后验样本重建。
• 该方法在三个模拟数据集上进行了测试：两个包含突发信号（信噪比 ≈ 14.7 和 ≈ 6.5），一个不包含突发信号，使用了包含随机引力波背景的真实PTA设置。
• 通过贝叶斯因子进行模型比较，以评估突发信号存在与否的证据。

实验结果

研究问题

• RQ1 能否通过分段线性建模，在波形未知的情况下，利用贝叶斯框架高效检测PTA数据中的引力波突发信号？
• RQ2 波形参数能否实现解析边缘化，从而将推断问题简化为仅三个参数？
• RQ3 该方法在信噪比较高或中等时，对突发信号的天区位置和波形的恢复能力如何？
• RQ4 当信号较弱时，该方法在区分突发信号与背景噪声方面的表现如何？
• RQ5 该模型能否扩展为自适应选择网格点的数量和间距，以获得更好的波形分辨率？

主要发现

• 对于信噪比 ≈ 14.7 的强突发信号，模型强烈支持存在信号而非仅噪声，天区位置参数 θ 和 φ 的后验分布峰值接近真实值。
• 从MCMC样本重建的波形与真实注入的波形高度吻合，表明信号恢复准确。
• 对于信噪比 ≈ 6.5 的较弱信号，天区位置后验分布仍集中在真实值附近，表明即使在波形模糊的情况下仍具备可检测性。
• 在无突发信号的情况下，突发模型与仅噪声模型之间的贝叶斯因子 ≈ 1，证实了该模型与仅噪声数据的一致性。
• 该方法成功恢复了随机引力波背景的参数，在所有模拟情况下均与真实值兼容。
• 由于实现了解析边缘化，该框架计算效率高，实现了无需迭代波形拟合的快速推断。