Sistema di analisi dati 1.2 per AURIGA - Filtraggio dei dati

Presentazione sul tema: "Sistema di analisi dati 1.2 per AURIGA - Filtraggio dei dati"— Transcript della presentazione:

1 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

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

3 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

4 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

5 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= s Un impulso con una durata di 1 ms: hmin ovvero SNR  40 per 21.4 M 10 kpc

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

7 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

8 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)

9 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

10 Decimazione dei dati filtrati
Compressione dati FILTRATI: Banda ridotta Hz [ ] 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 ( ) D fattore di decimazione (70) m intero positivo (26)

11 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

12 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)

13 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.....

14 Nel dominio della Frequenza

15 c2 in un giorno quieto

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

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

18 Rete di rivelatori paralleli

19 AURIGA-NAUTILUS June 98 finestra di coincidenza 1 s

20 EXPLORER-NAUTILUS June 98 finestra di coincidenza 1 s

21 EXPLORER-AURIGA June 98 finestra di coincidenza 1 s