Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > gr-qc > arXiv:0707.0128v1

帮助 | 高级搜索

广义相对论与量子宇宙学

arXiv:0707.0128v1 (gr-qc)
[提交于 2007年7月1日 ]

标题: F统计量搜索首次模拟LISA数据挑战中的白矮星双星

标题: F-statistic search for white-dwarf binaries in the first Mock LISA Data Challenge

Authors:Reinhard Prix, John T. Whelan
摘要: F统计量是连续引力波的最优检测统计量,即长时间(准)单色信号,其固有频率缓慢变化。 该方法最初是在地基探测器的背景下开发的,但同样适用于LISA,其中许多信号属于这一类信号。 我们报告了将LIGO/GEO F统计量代码应用于使用长波长极限(LWL)的LISA数据分析的应用,并展示了我们在第一次模拟LISA数据挑战中搜索白矮星双星信号的结果。 令人有些意外的是,LWL被发现足以——即使在高频下——检测信号并准确地定位天空和频率中的信号,而对TDI响应的更精确建模似乎仅在正确估计四个振幅参数时才是必要的。
摘要: The F-statistic is an optimal detection statistic for continuous gravitational waves, i.e., long-duration (quasi-)monochromatic signals with slowly-varying intrinsic frequency. This method was originally developed in the context of ground-based detectors, but it is equally applicable to LISA where many signals fall into this class of signals. We report on the application of a LIGO/GEO F-statistic code to LISA data-analysis using the long-wavelength limit (LWL), and we present results of our search for white-dwarf binary signals in the first Mock LISA Data Challenge. Somewhat surprisingly, the LWL is found to be sufficient -- even at high frequencies -- for detection of signals and their accurate localization on the sky and in frequency, while a more accurate modelling of the TDI response only seems necessary to correctly estimate the four amplitude parameters.
评论: 提交至CQG,用于第11届引力波数据分析研讨会的论文集
主题: 广义相对论与量子宇宙学 (gr-qc)
引用方式: arXiv:0707.0128 [gr-qc]
  (或者 arXiv:0707.0128v1 [gr-qc] 对于此版本)
  https://doi.org/10.48550/arXiv.0707.0128
通过 DataCite 发表的 arXiv DOI
期刊参考: LIGO-P070029-01-Z
相关 DOI: https://doi.org/10.1088/0264-9381/24/19/S19
链接到相关资源的 DOI

提交历史

来自: John T. Whelan [查看电子邮件]
[v1] 星期日, 2007 年 7 月 1 日 21:37:34 UTC (278 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
gr-qc
< 上一篇   |   下一篇 >
新的 | 最近的 | 2007-07

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号