bayesian在引力波探测中的应用.pdfVIP

Bayesian Bayesian BBaayyeessiiaann在引力波探测中的应用 (北师大天文系 张明建 0811160004) 前言 许多有趣的宇宙学问题，不仅是关于模型选择，也有的是参数估计。比如我 们可能感兴趣的是，在我们的模型中，一个新的参数是否必要，或者一个参数的 理论值能否被数据证实。这些问题在频率统计学那里并不能得到很好的回答，但 是发现Bayesian 理论中却能得到比较好的应用。 目前，直接的引力波探测器是美国的LaserInterferometerGravitationalwave Observatory(LIGO),和法国-意大利的的Virgo。它们都得到很大的更新，为引力波 探测的研究铺平了道路。计划中的太空LaserInterferometerSpaceAntenna(LISA) 也在渐渐走向成熟。在这之前，理论学家们对于引力波辐射源的研究必须有一个 比较好的理论框架。这些基础的建立有的是细节的创建，即特定的辐射源的参数 模型；也有的是对这些源的探测器的期望精度的计算。 引力波研究的中心问题是判断一组数据仅仅是仪器噪声，还是噪声加上可分 解的引力波信号。这些探测问题可以分为探测和估计： ·探测是决定干涉仪得到的数据是否是从特定的源来的引力波信号，或者是 一种噪声。 ·估计是假定干涉仪的数据中存在引力波信号，而是怎么依据参数描述源。 Echeverria以前研究了微扰的Kerr黑洞的质量和角动量。他的分析是创建 一种类似信噪比（SNR）的因子，并且他宣称这些参数能最大化地描述干涉仪的 信号。 第一节：探测，估计 我们注意到探测和估计的差别在于：探测决定是否有引力波信号，而估计是 怎么描述假定的引力波形。由于仪器的噪声总是迷惑了我们对引力波信号的寻 找；另外，噪声也干扰了我们对信号参数处理的能力。因此任何宣称探测到了引 力波都必须与概率的可信度有关，以判断是否是一种噪声。类似地，当我们用一 系列参数来描述观测到的信号时，也必须在一系列的可能性基础上。 比如，我们要检验干涉仪的数据流，以判定是否这些辐射来自l= m = 2的 微扰旋转黑洞，而与黑洞的质量，角动量和干涉仪的方位无关。如果我在数据流 中得到了信号，那么我就可以在一定的界限内，用参数比较准确地描述这些信号， 就是这些信号以一定的概率落到了这个范围内。 1.1 探测 g(t) n(t) 考虑干涉仪得到的数据流 。数据流有一部分是噪声 和另外的信号 m(t)。信号由一些未知的参数µ = µ 来描述。因此， i ⎧ n(t) 信号不存在 g(t)= ⎨ ⎩n(t)+m(t;µ) 信号存在 µ 假设参数 是连续的。 p(m|g): µ m(t;µ) 对未知的参数 ，给定观测数据流，得到信号 的概率 p(g|m)p(m) Bayesian公式：p(m|g)= （1） p(g) 其中，p(g|m):假设信号m存在，估计数据g的概率 p(m):信号m存在的先验概率 p(g):数据流被观测到的概率 µ 由于，数据流g有两种可能，进一步可得对给定的参数 ， N p(