引力波爆发事件的电磁对应体的探测

双黑洞并合产生的引力波信号由第二代地面激光干涉仪引力波探测器Advanced LIGO第一次直接探测到,开启了探索宇宙的一个崭新的窗口.伴随着Advanced LIGO科学运行期的继续运行,以及未来几年其他第二代探测器,例如Advanced Virgo,LIGO-India的陆续建设和投入使用,将有越来越多的引力波信号被探测到.最新的双中子星并合引力波事件的电磁对应体被探测到,极大地丰富了引力波天文学的科学内容,人类进入全新的多信使天文时代,例如:提高引力波源及其宿主星系空间位置精度估计,确定引力波源的红移、破除引力波模型中的简并参数,确定引力波事件前身天体的物理环境以及其产生的物理机制、测量宇宙学参数等等.由于引力波探测器的定位能力较差(Advanced LIGO~十至几百平方度),探测引力波事件电磁对应体对大视场高能观测设备提出了迫切需求.爱因斯坦探针具有大视场、高灵敏度、全天观测、快速指向能力和数据下传等方面的优势,特别是其大视场和高灵敏度,为引力波事件电磁对应体的探测提供了一个理想的观测平台.爱因斯坦探针的成功运行,将促进引力波天文学和引力波宇宙学的发展,并且使我国在引力波源的电磁波对应体研究方面处于国际领先的地位.     

GPU支持的低延迟引力波数据处理

只有快速识别出引力波信号,才可以制导电磁望远镜及时探测到相关的电磁信号,对于全面了解引力波源所发生的天体物理过程,具有十分重要的科学意义.本文针对在激光干涉引力波天文台(Laser Interferometer Gravitational-Wave Observatory,LIGO)在线运行的并行求和无限冲击响应滤波(Summed Parallel Infinite Impulse Response,SPIIR)流水线数据处理系统,具体介绍了如何在图形处理单元(Graphics Processing Unit,GPU)上采用多种性能优化手段,大幅度提高其数据处理的速度来满足LIGO低延迟实时数据处理的要求.并进一步描述了如何在高新LIGO(Advanced LIGO)基础上实现极低延迟数据处理的计算方法、性能优化方法与相关的工具支持.     

线性调频信号的相位匹配去噪处理

线性调频信号被广泛应用到雷达、声纳、地震和其他探测的很多领域,目前对其应用比较广泛的获知信号存在的方法是基于相关的匹配滤波处理,但匹配滤波处理是进行信号压缩来获取最大的信噪比.采用相位匹配方法对线性调频信号进行处理,去除噪声还原信号从而获得高的信噪比,通过仿真实验证明该方法应用在受到噪声干扰的线性调频信号处理上效果很好.     

数值相对论与引力波天文学

引力波直接探测已经被LIGO成功实现.在这个重大实验发现中,理论模型的重要作用得到充分体现.有效单体数值相对论模型不仅提升了既定硬件的灵敏度,把实验结果的置信度从4.6σ加强到5.1σ,而且还辨认出该引力波源是并合双黑洞.以这次实验结果所给出的双星并合事件率推断,地面引力波探测器接下来还会给出更多的引力波事件.这些引力波实验数据可以被用来进行天文学和基本物理学的研究.随着数据的积累和新脉冲星的加入,脉冲星计时计划的引力波探测精度也越来越高.空间引力波探测计划包括eLISA、太极和天琴等也在积极准备中.可以预期,引力波天文学将逐渐形成.在引力波天文学中,从信号读取到参数反演都离不开理论模型.不做任何解析近似的数值相对论是现实引力波源建模的通用工具.爱因斯坦方程的复杂数学结构和所需的庞大程序构架是数值相对论的两大困难.结合引力波天文学,本文对数值相对论的关键困难、发展历程、研究现状和在引力天文学中的应用等给出比较系统的描述.     

基于协同滤波的尖峰噪声抑制方法

针对旋转磁共振探测方法易受尖峰噪声干扰的问题, 提出一种协同滤波消除核磁共振探测数据中尖峰噪声的方法. 先通过3σ法则判断一个脉冲矩下测量数据是否存在尖峰噪声, 将测量数据分为有尖峰噪声和无尖峰噪声两组； 再分别对其进行离散余弦和Hadamard变换, 得到两组变换域系数, 用无尖峰噪声数据的变换系数计算Wiener滤波系数, 利用该系数对含尖峰噪声的数据进行滤波; 最后, 对滤波后含尖峰噪声数据的系数进行Hadamard和离散余弦逆变换, 实现尖峰噪声的消除. 仿真实验结果表明, 该方法对地面核磁共振数据中尖峰噪声的消除准确度较高, 提高了信号特征参数的提取精度.     

基于协同滤波的尖峰噪声抑制方法

针对旋转磁共振探测方法易受尖峰噪声干扰的问题, 提出一种协同滤波消除核磁共振探测数据中尖峰噪声的方法. 先通过3σ法则判断一个脉冲矩下测量数据是否存在尖峰噪声, 将测量数据分为有尖峰噪声和无尖峰噪声两组； 再分别对其进行离散余弦和Hadamard变换, 得到两组变换域系数, 用无尖峰噪声数据的变换系数计算Wiener滤波系数, 利用该系数对含尖峰噪声的数据进行滤波; 最后, 对滤波后含尖峰噪声数据的系数进行Hadamard和离散余弦逆变换, 实现尖峰噪声的消除. 仿真实验结果表明, 该方法对地面核磁共振数据中尖峰噪声的消除准确度较高, 提高了信号特征参数的提取精度.     

引力波探测器联网的定位能力

引力波是爱因斯坦最重要的预言之一,是检验广义相对论正确性的重要工具.引力波理论及其探测一直以来都是理论物理学家和实验物理学家感兴趣的研究领域.事实上,随着科学技术的发展,人类已经具备了建造极度灵敏的地面探测器以及空间探测器的能力,直接探测引力波已经成为现实.2015年9月14日,LIGO首次直接探测到引力波,该信号源自一次双黑洞并合事件,自此人类进入引力波常规化探测阶段,终于拉开了引力波天文学时代的序幕.地面引力波探测器最主要的波源是处于旋近和并合阶段的致密双星.如果在探测到这些波源所辐射出的引力波信号的同时,又能观测到波源对应的电磁波信号,那么引力波信号和电磁波信号可以相互补充,形成新的观测模式.然而单个地面引力波探测器很难准确地探测引力波信号,也不能进行波源精确定位,将多个探测器联网组合,这样既能准确探测引力波信号,又能大幅提高引力波波源的定位精度.本文中,首先介绍探测器联网对引力波信号GW150914源的定位情况,然后介绍了两种最常用的估计定位精度的方法,即马尔科夫链蒙特卡罗(Markov Chain Monte Carlo,MCMC)的方法和解析的方法.最后,选用一种解析的方法讨论未来中国引力波探测器与日本及澳大利亚所组成的探测器网络的定位精度,并给出了中国的较优台址.最后,还讨论了中国加入世界引力波探测器网络行列对引力波波源定位的贡献.     

一种基于卷积网络的地震探测数据随机噪声去除方法

为有效提高地震数据信噪比,通过卷积神经网络(convolutional neural network,CNN)的方法研究了地震勘探数据去除随机噪声问题.该方法包含17个卷积层,使用线性整流(rectified linear unit,ReLU)激活函数避免梯度消失,使用批量标准化(batch normalization,BN)提高网络的泛化能力.所构建的网络应用残差学习策略,即输入为含噪地震正演叠前数据,输出为CNN网络学习获得的随机噪声.然后从地震记录中减去网络预测的噪声数据,从而达到去除随机噪声的目的.同时,根据地震勘探数据振幅随探测时间衰减的规律,在网络训练过程中进行深度加权,使得CNN对于深部噪声的学习效果更好.网络在PyTorch框架下训练,应用图形处理器并行计算可以有效提高网络训练速度.利用训练好的网络进行去噪实验,结果表明与传统的时空域预测滤波法相比,该网络能更好地压制随机噪声.可见针对地震勘探数据,CNN能够有效提取含噪数据中的噪声信息,证明了该方法在去除随机噪声方面的合理性与有效性.     

中国大型射电望远镜在引力波探测方面的潜在突破

中国已经建设、正在建设和将要建设成更多的射电望远镜,本文着眼于讨论这些望远镜在引力波直接探测方面的潜在突破.其中,基于最新的脉冲星噪声参数和望远镜设计指标,计算了使用不同射电望远镜以及他们的组合开展脉冲星测时观测的技术能力,在此基础上进一步计算并讨论了利用这些望远镜开展脉冲星测时阵列的可能性及其引力波探测的能力预期.研究发现,大型望远镜如贵州500m口径球面射电望远镜和计划中的新疆奇台110m全可动望远镜的配合将大幅度提高现有国际脉冲星阵列测时能力,建成这些望远镜之后,极有可能在短期内获得重大突破.     

改进的匹配追踪在方波信号滤波中的应用

为了克服常规滤波方法对方波信号滤波能力的不足,实现对方波信号的精确滤波,提出了一种改进的匹配追踪算法。针对方波信号特征,构建了与方波信号匹配而对噪声不敏感的方波原子;基于正交匹配追踪,并吸收子空间追踪的回溯思想,改进了最优原子选择方法;鉴于有用信号与噪声信号的能量差异,使用了一种自适应迭代停止标准,能准确找到有用信号和噪声的临界点,解决噪声能量未知的预估问题。对不同信噪比下的仿真方波信号进行滤波,经实测验证,所提方法在信噪比和均方误差方面都优于常规去噪算法,且保留了方波的特征,适用于方波信号的滤波。     

基于端点检测的时频峰值滤波动液面提取技术

油套环空中会产生各种噪声，使测得的液面反射信号非常复杂，真实的液面反射波位置因受到干扰而无法准确辨识。采用时频峰值滤波（TFPF）技术结合语音信号处理中的端点检测（VAD）方法可对动液面波进行有效提取。VAD-TFPF技术先采用短时能量和过零率的双门限VAD方法对声波法测油井信号进行划分，判断出有效信号数据段和接近于零值的数据段，然后采用不同窗长的TFPF分别对两种数据段进行滤波处理。通过对不同噪声强度下的实测数据进行滤波实验与分析，可知该项新技术较之于小波阈值滤波方法对动液面波的辨识能力更强，无论是对背景噪声的压制还是对有效波的提取都表现出更优越的性能。     

从月球背面到深邃宇宙——2018年太空探索主要进展评述

 2018年,人类在太空探索方面取得重要进展。中国“嫦娥四号”探测器成功登陆月球背面,着陆点位于南极艾特肯盆地的冯·卡门撞击坑,实现人类航天器首次登陆月球背面;之后,中国探月工程将在完成月球采样返回后,朝着建设月球科研站的方向前进。在火星探测方面,重点是回答火星上是否曾经有过适宜生命生存的环境及其持续时间,而中国的火星探测器已在研制中,将于下一发射窗口发射升空。在引力波探测方面,中国启动以地面观测为主的阿里原初引力波探测计划以及以空间观测为主的天琴计划和太极计划,有望在这一领域做出重要贡献。多信使探测宇宙、寻找太阳系外的宜居行星是天文和天体物理领域的研究前沿和热点领域,正在酝酿新的突破。     

卡尔曼滤波在位场分离中的应用

区域场与局部场的分离是区域重力场数据处理的一个重要方面。目前,在分离区域场与局部场中的"维纳滤波",是维纳滤波器在信号与干扰不相关条件下的一个特例。而所谓分离区域场与局部场的"匹配滤波",是维纳滤波器在信号与干扰同相位条件下的一个特例。关于卡尔曼滤波在应用地球物理领域的应用,目前还只限于地震数据处理中。研究了卡尔曼滤波在位场资料数据处理中的应用。在波数域中提出用卡尔曼滤波的方法进行位场分离。结果表明,效果较好,适应性较强,不受有用信息与干扰信息的相关性及相位是否相同的影响。     

多重小波分析在高精度重力仪数据处理中的应用

根据随机过程理论，建立离散的重力异常状态方程；基于多重小波理论分析的基础，将多重小波变换应用到高精度重力仪数据处理中，在高精度重力仪数据处理中采用软阈值法消除背景噪声，并与单小波多尺度分析进行了对比．以实际数据与处理后数据偏差平方和的平均数作为衡量2种数据处理方法性能的指标，理论分析和仿真实验表明：多重小波和单小波都能在一定程度上抑制噪声对高精度重力仪测量数据的影响，但多重小波的性能优于单小波．     

推荐系统研究综述

随着互联网技术的快速发展,如何对海量网络信息进行挖掘分析,已成为热点和难点问题。推荐系统能够帮助用户在没有明确需求或者信息量巨大时解决信息过载的问题,为用户提供精准、快速的业务(如商品、项目、服务等)信息,成为近年来产业界和学术界共同的兴趣点和研究热点,但是,目前数据的种类多种多样并且应用场景广泛,在面对这种情况时,推荐系统也会遇到冷启动、稀疏矩阵等挑战。深度学习是机器学习的一个重要研究领域和分支,近年来发展迅猛。研究人员使用深度学习方法,在语音识别、图像处理、自然语言处理等领域都取得了很大的突破与成就。目前,深度学习在推荐领域也得到了许多研究人员的青睐,成为推荐领域的一个新方向。推荐方法中融合深度学习技术,可以有效解决传统推荐系统中冷启动、稀疏矩阵等问题,提高推荐系统的性能和推荐精度。文中主要对传统的推荐方法和当前深度学习技术中神经网络在推荐方法上的应用进行了归纳,其中传统推荐方法主要分为以下3类:1)基于内容推荐方法主要依据用户与项目之间的特征信息,用户之间的联系不会影响推荐结果,所以不存在冷启动和稀疏矩阵的问题,但是基于内容推荐的结果新颖程度低并且面临特征提取的问题。2)协同过滤推荐方法是目前应用最为广泛的一种方法,不需要有关用户或项目的信息,只基于用户和诸如点击、浏览和评级等项目的交互信息做出准确的推荐。虽然该方法简单有效但是会出现稀疏矩阵和冷启动的问题。3)混合推荐方法融合了前2种传统推荐方法的特点,能取得很好的推荐效果,但在处理文本、图像等多源异构辅助信息时仍面临一些挑战与困难。依据神经网络基于深度学习的推荐方法主要分为4类:基于深度神经网络(DNN)的推荐方法、基于卷积神经网络(CNN)的推荐方法、基于循环神经网络(RNN)和长短期记忆神经网络(LSTM)的推荐方法、基于图神经网络(GNN)的推荐方法、将深度学习技术融入到推荐领域,构造的模型具有以下优势:具有较强的表征能力,可以直接从内容中提取用户和项目特征;具有较强的抗噪能力,可以轻易地处理含有噪声的数据;可以对动态或者序列数据进行建模;可以更加精准地学习用户或项目特征;便于对数据进行统一处理,并且可以处理大规模数据。将深度学习技术应用到推荐领域,可以积极有效地应对传统推荐方法面临的挑战,提高推荐效果。     

垂直地震剖面资料中的随机噪声衰减

针对常规滤波方法没有考虑背景噪声的问题，提出了一种利用背景噪声统计规律的小波域随机噪声衰减方法．在假设背景噪声是统计平稳的前提下，首先估计背景噪声与直达波到达之后的实际地震记录的相关系数，在这个系数比较小的情况下，利用每一道直达波到达前的背景噪声估计该道噪声的统计参数，然后给出噪声阈值估计，进而在小波域衰减垂直地震剖面（VSP）资料的随机噪声，获得高保真的VSP资料．对合成地震记录和实际资料的仿真实验表明，新方法比常规滤波方法的信噪比提高了约2dB，且更能体现地震信号的时变特点，处理后的剖面同相轴更清晰．     

用磁悬浮陀螺探测引力波的方案

无论是韦伯最早用来直接探测引力波的铝柱,还是当今探测引力波的主流设备激光干涉仪,都是静止固定的天线．对来自外界的各种波不加选择地一概接收,造成波之间互相干扰;再加上来自地表的噪音,使被测信息难以辨识．利用磁悬浮陀螺作为探测引力波的天线,在旋转的陀螺减速过程中,可能与某一频率相近的引力波共振,使信息得到放大;有效地提高灵敏度并避免地面杂散信号的干扰．     

基于神经网络的多传感器自适应滤波

提出了利用神经网络自适应滤波原理解决多传感器信号处理的方法，通过对多路带噪声的数字模拟信号的滤波结果表明，该方法能快速，有效地消除主信号源的各种背景噪声。     

反演法在提高地震资料信噪比中的应用

t x预测滤波法是噪音衰减的通用且有效的方法 ,但是在噪音背景中存在平行同相轴时将产生假同相轴及出现子波畸变和振幅衰减等现象 ,这是因为噪音的存在影响了滤波器的计算。利用反演法对理论模型和实际数据进行了滤波处理 ,该方法可以有效地消除一般t x预测滤波处理中存在的缺陷。实际应用表明 ,这种方法更能满足对地震资料高分辨率、高信噪比和高保真的要求 ,处理效果更接近实际。     

海洋拖缆地震资料关键问题分析及处理对策

南海地区的海底地貌复杂,起伏落差大,水道复杂、高角度构造发育,造成长期以来在该地区所获得的地震资料品质普遍偏低,不能满足后期地震解释及地质综合研究的需要。采集的原始地震资料主要存在以下问题：①拖缆漂移严重,羽角大; ②涌浪噪声干扰强;③多次波发育严重,给处理带来很大的困难。常规的二维地震处理方法不能很好的解决中、深部成像问题,本文重点针对拖缆漂移问题,采用伪三维处理思路：首先,对原始数据进行三维网格化;其次,对网格化后的数据进行规则化处理;第三步,选取偏移距分布均匀的线段重新合并回一条二维测线,最终CDP道集内偏移距分步趋向均匀,这样可以减少共中心点横向发散的影响。在此基础上,进一步压制涌浪噪声和多次波,最终的处理成果表明此方法的有效性,与常规处理结果相比成像品质明显提高,解决了中、深部成像模糊问题。