Sistema di analisi dati 1.2 per AURIGA - Filtraggio dei dati Diagnostica e reiezione di eventi spuri per (reti di) rivelatori di onde gravitazionali ovvero come superare le differenze tra il rumore modellabile (gaussiano e stazionario) e il rumore di AURIGA (non stazionarietà, presenza di eventi spuri, attività criogeniche, presenza di rumori ambientali e sismici......): esperienza maturata durante il primo anno di presa dati. Sistema di analisi dati 1.2 per AURIGA - Filtraggio dei dati - Stima adattiva dei parametri del filtro - Segnale vs/ Rumore - Decimazione (compressione dei dati) - Ricostruzione degli eventi Ricerca Eventi Ampiezza ed SNR Tempo di Arrivo Calcolo del 2

electtromagnetic probes Schema del sistema di acquisizione dati di AURIGA [Nucl. Phys. B49 (1996) 104] Slow Signals Accelerometers Seismometers electtromagnetic probes Slow Signals Termometers Fluxes Pressures Signal from Antenna UTC Time (GPS) 10 MHz External Clock Synchronization Apparatus IRQ Readout Board ADC 23 bit 5 KHz ADC 16 bit 200 Hz ADC GPIB Synchronization Signals VXI bus Tape 35 GBytes GPIB RS-232 MXI MXI Data Acquisition WorkStation On-Line Analysis WorkStation Hard Disk 9 GBytes Ethernet

Procedura per l’analisi dei dati segnale all’ingresso del rivelatore Lo spettro di potenza del rumore e la funzione di trasferimento del rivelatore sono rapporti di polinomi funzione di trasferimento del rivelatore rumore stocastico dell’intero apparato segnale all’uscita dell’amplificatore il sistema e’ caratterizzato da NP poli, NP zeri e da una costante di calibrazione: 4 NP +1 parametri reali

Filtraggio del segnale gravitazionale in due fasi A F() H() + () Filtro sbiancante 1/S1/2() Amplitude S() = L*() L() S1/2() = L() A F() H()/S1/2() + ’() Dati Raw Filtro di Matching per segnali di tipo  F() =1 H*() /S() A F() |H()|2/S() + ’’() Dati Sbiancati Segnali sconosciuti Segnali noti m() F() Dati Filtrati alla  Espansione di Karhunen-Loève Matching del segnale

Implementazione digitale del filtraggio con ARMA y(n) = P1 y(n-1) + P2 y(n-2) + C0 x(n) + C1 x(n-1) + C2 x(n-2) x(...) = Campioni in ingresso y(...) = campioni in uscita y(n) = Q1 y(n+1) + Q2 y(n+2) + A0 x(n) + A1 x(n+1) Rumore all’uscita del filtro w-=911 Hz w+=929 Hz t-=0.7 s t+=0.7 s Sensibilita’ all’ampiezza della trasformata di Fourier del segnale gravitazionale h(w): h(w)min=1.1 10-22s Un impulso con una durata di 1 ms: hmin3 10-19 ovvero SNR  40 per 21.4 M Chirp @ 10 kpc

Adattamento dei parametri parametri del filtro di Wiener Tolleranze del rivelatore |dD opt ±| / D opt ±  20%  d SNR / SNR  1% |d ω±|  0.3 D ±  d ta  1 μs parametri ω± adattati parametri D opt ± adattati

Stima del Segnale e del Rumore Per la stima del rumore modellabile i buffer di dati (90 sec 8192 dati) devono essere gaussiani buffer sbiancati per stimare S(w) e s2w curtosis<0.15 correlazione <0.04 scarto dati > 3 sw >95% dei dati buffer filtrati per stimare Teff (= s2f ) curtosis<0.6 scarto dati > 3 sf >95% dei dati buffer analizzati Buffer di rumore Buffer di segnale s2w e s2f aggiornate in media mobile di 15 minuti per il calcolo di SNR e c2 Troppi eventi periodo vetato

Ricerca degli eventi impulsivi Dati grezzi 1.7 Gbytes/giorno (Real time o tape) Calcolo orario dei parametri del filtro (filtraggio adattivo) Filtraggio WK Decimazione Ricerca Eventi Calcolo del 2 Eventi sopra soglia (IGEC) Ampiezza, Tempo di Arrivo, 2 eventi al giorno dovuti al rumore gaussiano (parametri di AURIGA): # Eventi > 3  9500 # Eventi > 4  1000 # Eventi > 4.5  200 # Eventi > 5  25 Dati Compressi 77 Mbytes/giorno (Hard Disk)

Ricerca di eventi impulsivi 2 Evento dati filtrati decimati (w = 1 sec) Soglia = 3 SNR Uscita del filtro di Wiener Time (sec) dati filtrati nel continuo

Decimazione dei dati filtrati Compressione dati FILTRATI: Banda ridotta 69.75 Hz [906 941] Hz 2.2 GBytes di dati filtrati per anno Ricostruzione dati raw (differenti filtraggi) Ricerca sogenti periodiche Ricerca fondo stocastico Filtro inverso (filtro sbiancate) nel dominio della frequenza Produzione dati sbiancati decimati Calcolo del 2 Adattamento del filtro Spettro di potenza dati filtrati c frequenza di campionamento (4882.8125) D fattore di decimazione (70) m intero positivo (26)

Identificazione degli eventi: reiezione degli spuri con il test del  [Nucl. Phys. B48, 104 (1996)] Il filtro di Wiener massimizza la funzione di verosimiglianza Lexp[-()] rispetto all’ampiezza A (e altri parametri q del segnale): campioni di dati raw In pratica si applica il filtro sbiancante che diagonalizza ij : campioni di dati sbiancati Per gli eventi trovati sopra soglia vengono calcolati gli scarti che devono soddisfare il test del c2

Test del  : reiezione degli spuri [Nucl. Phys. B49, 104 (1996)] Antenna SNR Tranducer SNR Elettrical SNR Time (sec) Time (sec) Time (sec) Ant Tra Ele un mese eventi di AURIGA 6 SNR (Montecarlo Dwpd = 50 Hz)

Eventi “candidati” ed Eventi “spuri” nei dati di AURIGA il modo “meno” e’ poco eccitato ovviamente qualunque altro segnale gravitazionale con struttura spettrale nella banda del rivelatore può eccitare i modi in modo asimmetrico: modi normali di black holes etc.....

Nel dominio della Frequenza

c2 in un giorno quieto

c2 in un giorno disturbato Prima del veto c2 Dopo il veto c2 Simulazioni

Veti da operatore & automatici Riempimento 1K pot Transfer di Elio Liquido Attività Varie Reset Squid Calibrazione Veti proposti analisi Veti proposti operatore

Rete di rivelatori paralleli

AURIGA-NAUTILUS June 98 finestra di coincidenza 1 s

EXPLORER-NAUTILUS June 98 finestra di coincidenza 1 s

EXPLORER-AURIGA June 98 finestra di coincidenza 1 s