1 Analisi di Veto ed identificazione di glitches Marina Del Prete.

Presentazione sul tema: "1 Analisi di Veto ed identificazione di glitches Marina Del Prete."— Transcript della presentazione:

1 1 Analisi di Veto ed identificazione di glitches Marina Del Prete

2 2 Veto analisi per i Burst-Noise Hunting Non si conosce la forma donda dei Burst -> si cercano eventi transienti (brevi nel tempo - alti SNR) in Frangia Scura. Gli eventi di rumore visti in Frangia Scura possono essere scambiati per eventi buoni e devono quindi essere riconosciuti ed eliminati. -> La veto analisi cerca in modo statistico gli eventi transienti in Frangia Scura coincidenti con eventi nei canali ausiliari. Una volta stabiliti i canali da vetare si pulisce la Frangia Scura dagli eventi rumorosi -> Lanalisi sui singoli eventi ad alto SNR permette di capirne la natura.

3 3 Analisi di un segmento in Science Mode Step 0: i Raw Data sono trattati con un metodo di de-noising e ricostruzione basato sullanalisi Wavelet (Elena): 1.WDF (Wavelet Detector Filter): attraverso una combinazione di diversi tipi di wavelet ricostruisce gli SNR dei diversi eventi (SNR vs GPS) 2. Wavelet: Attraverso il tipo di wavelet Daub24 ricostruisce le ampiezze degli eventi con più alto SNR ( Ampiezze vs GPS)

4 4 Analisi di un segmento in Science Mode Step1: si verifica se vi sono loudest events in Frangia Scura in coincidenza con i canali di rumore ambientale

5 5 Analisi di un segmento in Science Mode Step2:trovati gli eventi coincidenti con più alto SNR se ne ricostruisce levento in ampiezza e se ne studiano le caratteristiche:distribuzione temporale nei vari canali

6 6 Esempio della determinazione dei punti inziali di eventi in vari canali

7 7 Analisi di un segmento in Science Mode …spettrogrammi e li si confrontano con eventi dalle caratteristiche note.

8 8 Analisi di un segmento in Science Mode Step3: si verifica che i canali studiati si possano vetare Step4: si pulisce Frangia Scura dai glitches dovuti ai canali che si possono usare nel veto. Veto Analisi La base di partenza è stata un programma in matlab di N. Christensen

9 9 Dark Fringe channel Enviromental channel Veto Analisi Si ha un picco in Frangia Scura Si ha un picco in Frangia Scura e nel canale di rumore ambientale E un possible evento buono E possibile che il segnale in Frangia Scura sia un glitch E opportuno applicare un Veto sul Segnale in Frangia Scura

10 10 Veto Analisi N ntv = # eventi sopra soglia e usati per vetare dal canale di rumore N nt = # eventi sopra soglia nel cananle di rumore Use Percentage = 100 * ( N ntv / N nt ) Veto Efficiency = 100 * (N stv / N st ) t = finestra di veto t n = intervallo di tempo tra due picchi del canale di rumore < t Dead time = 100 * (N nt * t – overlap)/run time N stv = # eventi sopra soglia e vetati nel canale di Frangia Scura N st = # eventi sopra soglia nel canale di Frangia scura

11 11 Veto Analisi Ho sviluppato un metodo di analisi per applicare il Veto Studio dei parametri applicati: soglie sui canali ausiliari e veto windows. Al variare delle soglie e della finestra di veto si osserva il numero di eventi usati nellanalisi, il valore dell Use Percentage. SNR>=10 SNR<=100 N° events is about 100

12 12 Veto Analisi Studio dei parametri di Veto: Use Percentage, Veto Efficiency e Dead Time. Stabilito il range di soglie e finestre di veto buoni si studiano i valori di use percentage, veto efficiency e dead time per decidere se il canale è da vetare

13 13 Metodo per rendere più sicuro il veto riducendo il numero di coincidenze casuali. Decisi i canali che possono essere vetati e con quali finestre di veto e soglie per stabilire quante delle coincidenze trovate siano casuali: –Si shifta nel tempo Frangia Scura di alcuni secondi –Si applica la veto analisi con i parametri scelti e si ricalcola il valore dello Use Percentage Veto Analisi

14 14 Sviluppo di un programma in ROOT che svolge questa analisi. Il programma è per classi: –Classe dell coincidenze-> vetoClass.C –Classe di Veto -> coincClass.C Programmi chiamanti sono: Veto.C, plotVeto.C, shiftVeto.C vetoClass: –Metodi per leggere i dati e calcolare le lunghezze-> leggi() e ReadSignal() –Metodi per calcolare, considerare solo loverlap tra i segnali di rumore e Frangia Scura e calcolare il tempo di Run considerato-> OverlapChan(), UseOverlap e ScittimeOverlap() –Metodo per applicare i tagli sugli SNR-> CutOnSNR() Veto Analisi

15 15 –Metodi per ordinare nel tempo i segnali-> TimeSorting() –Metodi per shiftare nel tempi Frangia scura con e senza tagli-> ShiftDF() e ShiftDFCut() coincClass: –Metodo per applicare le finestre di Veto-> SetDt() –Metodi per trovare le coincidenze per il canale di rumore e di Frangia Scura-> FindCoinc() e Unique() –Metodo per calcolare il tempo morto, tiene conto di quante finestre di veto sono in overlap ->DeadTimeN() Veto Analisi

16 16 Veto Analisi Veto: –Carica le classi, definisce i nomi dei segnali –Definisce i parametri di veto: Use percentage, veto Efficiency, Dead Time. –Definisce le time windows –Applica l overlap tra frangia Scura ed il canale di rumore –Applica le time windows e le soglie sui segnali –Calcolo i parametri di veto –Salva il # coincidenze di DF e rumore e i parametri di veto per ogni soglia e time window applicata.

17 17 plotVeto: –Plot di #eventi rumore vs SNR per ogni Time Windows –Plots Use percentage, Veto Efficiency, Dead Time vs time Windows per ogni soglia sul rumore definita –Plots Use Percentage, Veto Efficiency vs Dead Time Veto Analisi shiftVeto: –Si applicano la veto window, le soglie sul canale di rumore, la Use Percentage e la Veto Efficiency trovate –Si applica un serie di soglie a partire da quella scelta precedentemente sugli SNR di Frangia Scura –Si ricalcolano i parametri Use Percentage, Veto Efficiency e si calcolano i rapporti tra questi parametri e quelli ottenuti senza shiftare i tempi di frangia Scura

18 18 Se opportuno si passa a ripulire Frangia Scura Risultati di veto Segm7 Segm8

19 19 Segmenti pronti per essere analizzati con la Veto analisi Tutti i segmenti del VSR1 di Frangia Scura (~280 segmenti) Tutti i canali di sismografi, magnetometri, microfoni e i tre di power supply (45 canali): dal segmento 7 al 12 (7,8,9 in studio o già studiati con la veto analisi) E inoltre i segmenti: 93,259, 278, 279,280 pronti o parzialmente pronti (già in studio 259,279 in studio per eventi di fulmine) Nota in preparazione sugli eventi trovati in coincidenza con i magnetometri che interessa prevalentemente i segmenti 7-8-259-278-279: Study of magnetic disturbances in the Dark Fringe

20 20 Passi futuri Applicare su più canali di rumore contemporaneamente Veto.C Aggiungere protezioni al programmma ed inserirli in pyNap Usare grid per il denoising e la ricostruzione dei dati Cominciare la stesura di un catalogo di eventi di rumore con caratteristiche note e caratterizzarli come eventi. Provare una procedura di matched filter con queste forme d'onda ed il segnale di frangia scura per la ripulitura del segnale

21 21 Problemi incontrati Problemi legati al centro di calcolo: 1.Prima è stato tolto lo spazio disco che ci era stato messo a disposizione 2.Poi il progressivo spegnimento delle farm a Cascina 3.Poi il trasferimento dei dati a Bologna ->Senza o quasi preavviso 4.Shutdown a Bologna dal 25 marzo-7 aprile 5.Lentezza di calcolo a Bologna (almeno 4 volte più lento da due o tre per ottenere i dati di un canale di rumore ad un minimo di ua settimana)