来源：期刊VIP网 时间：
作者：马存良;钟国健;闵源;嘉明珍;贺观圣;
单位：江西理工大学;南华大学;中国科学院紫金山天文台;
摘要：研究表明，基于深度学习的引力波搜寻，有望解决匹配滤波方法的低效率问题。与传统的匹配滤波引力波信号搜寻、基于贝叶斯后验或深度学习的波源参数估计方法相比，基于深度学习的端对端的引力波搜寻输出缺乏波源的时频信息，如双星并合信号到达时间和信号在探测站灵敏度区间的持续时间等。首次实现了深度学习用于应变信号时频点的细粒度分类，研究了基于图像语义分割的引力波搜寻方法。通过真实噪声和仿真物理信号合成数据，使用Q变换将其转换为时频图，构建像素级标注数据集。构建并训练时频图像语义分割模型，研究了其应用于引力波信号数据分析的可行性。结果表明语义分割方法未来有望作为基于深度学习的引力波信号搜寻流水线的一个组件，还可用于进一步提取信号的时频信息。
关键词：引力波数据分析;;深度学习;;语义分割
基金资助：国家自然科学基金(12205139);; 江西省自然科学基金(20224BAB1012);; 湖南省自然科学基金(2022JJ40347)
