[论文解读] The Effect of Data Gaps on LISA Galactic Binary Parameter Estimation

Jérôme Carré, E. K. Porter|arXiv (Cornell University)|Oct 8, 2010

Particle physics theoretical and experimental studies参考文献 1被引用 4

一句话总结

本文研究了在LISA引力波任务中，模拟为每日或每周一次的60分钟数据间隙如何影响银河系双星源的参数估计。通过使用Hann窗函数抑制频谱泄漏的蒙特卡洛模拟，研究发现每周一次的间隙引入0.5–1%的偏差，而每日间隙使偏差增加至3–7%，若再叠加一周的连续数据丢失，则偏差进一步上升至4–9%。

ABSTRACT

In the last few years there has been an enormous effort in parameter estimation studies for different sources with the space based gravitational wave detector, LISA. While these studies have investigated sources of differing complexity, the one thing they all have in common is they assume continuous data streams. In reality, the LISA data stream will contain gaps from such possible events such as repointing of the satellite antennae, to discharging static charge build up on the satellites, to disruptions due to micro-meteor strikes. In this work we conduct a large scale Monte Carlo parameter estimation simulation for galactic binaries assuming data streams containing gaps. As the expected duration and frequency of the gaps are currently unknown, we have decided to focus on gaps of approximately one hour, occurring either once per day or once per week. We also study the case where, as well as the expected periodic gaps, we have a data drop-out of one continuous week. Our results show that for for galactic binaries, a gap of once per week introduces a bias of between 0.5% and 1% in the estimation of parameters, for the most important parameters such as the sky position, amplitude and frequency. This number rises to between 3% and 7% for the case of one gap a day, and to between 4% and 9% when we have one gap a day and a spurious gap of a week. A future study will investigate the effect of data gaps on supermassive black hole binaries and extreme mass ratio inspirals.

研究动机与目标

• 评估真实数据间隙对LISA准确估计银河系双星源参数能力的影响。
• 研究由于数据间隙导致的数据流不连续性如何在频域引起频谱泄漏，从而影响参数估计。
• 评估Hann窗函数在减少频谱泄漏并改善间隙数据中参数恢复方面的有效性。
• 量化在不同间隙情景下关键参数（如天球位置、振幅、频率和倾角）的偏差。
• 确定最大可接受的间隙频率，以确保银河系双星的参数估计偏差低于1%。

提出的方法

• 使用LISA响应的低频近似（LFA）模拟银河系双星信号，包含振幅、倾角和天球位置等源参数。
• 将数据间隙建模为每周或每日一次的60±15分钟中断，另设一个包含一周连续数据丢失的独立情景。
• 在时域应用Hann窗函数以平滑间隙边缘的不连续性，从而减少频域中的频谱泄漏。
• 进行10⁵次迭代的蒙特卡洛模拟，比较三种数据条件下（无间隙、有间隙但未处理、有间隙并应用窗函数）的参数估计性能。
• 使用理论模板进行匹配滤波以估计参数，并计算中位数参数不确定度、信噪比（SNR）和重叠度（OA, OE）以评估保真度。
• 分析1年和3年任务周期的结果，以评估间隙效应随时间的可扩展性。

实验结果

研究问题

• RQ1 约1小时的周期性数据间隙如何影响LISA中银河系双星源参数估计的准确性？
• RQ2 当间隙频率从每周一次增加到每日一次时，对参数偏差和估计保真度有何影响？
• RQ3 与仅存在周期性间隙相比，额外存在一个虚假的一周数据丢失会对参数估计偏差产生何种影响？
• RQ4 应用Hann窗函数在多大程度上能减少间隙LISA数据流中的频谱泄漏并改善参数恢复？
• RQ5 为保持银河系双星的参数估计偏差低于1%，最大可接受的间隙频率是多少？

主要发现

• 每周一次的间隙在关键参数（如天球位置、振幅和频率）上引入0.5%至1%的参数估计偏差。
• 当间隙为每日一次时，偏差增加至3%至7%之间，具体取决于所估计的参数。
• 在同时存在每日间隙和虚假一周数据丢失的情景下，最关键参数的偏差上升至4%–9%。
• 来自间隙数据的参数估计与理想（无间隙）数据集之间的相关性从99.7%（每周间隙）下降至97%（每日间隙），并进一步降至97.4%（额外一周数据丢失）。
• 信噪比（SNR）从无间隙时的53.28下降至最坏情况（每日间隙+一周数据丢失）下的50.85，表明检测置信度降低。
• 在3年任务周期内，每周间隙的中位数参数不确定度增加约6.7%，每日间隙增加约7.0%，重叠度（OA, OE）仍保持在0.97以上，表明与理想情况具有高度一致性。