跳到主要内容
Sandbox Physics
黑洞铃宕与无毛检验

为什么从峰值拟合铃宕需要泛音

Sandbox Physics ·

从铃宕峰值起只用基模拟合,会得到错误的质量和自转:泛音衰减得快,让早期信号衰减得比单个基模所能做到的更快。加上泛音,峰值处的偏差就消失;只用基模但晚点开始,偏差也会消失,代价是答案宽得多。这一章在一段合成记录上一步步搭起拟合,所以真值是已知的。

打开黑洞铃宕Lab

所用的频率来自上一章阻尼音调与克尔黑洞的频谱。懂最小二乘和概率分布就够了。

记录与噪声

我们的测试记录是合成的:220220 模加上 221221 泛音,都从 t=0t=0 开始,我们把这一刻叫作峰值:

s(t)=e−t/τ0cos⁡(2πf0t)+A1A0 e−t/τ1cos⁡(2πf1t−Δϕ),s(t)=e^{-t/\tau_0}\cos(2\pi f_0t)+\frac{A_1}{A_0}\,e^{-t/\tau_1}\cos(2\pi f_1t-\Delta\phi),

取 M=68.5 M⊙M=68.5\,\mathrm{M}_\odot、χ=0.69\chi=0.69、A1/A0=4A_1/A_0=4、Δϕ=0\Delta\phi=0,以 4096 Hz4096\,\mathrm{Hz} 采样 60M60M,约 20 ms20\,\mathrm{ms}。泛音比例参照对一个类似GW150914的数值模拟的拟合。Giesler, Isi, Scheel and Teukolsky, Black hole ringdown: the importance of overtones, Table I 再加上标准差为 σ\sigma 的高斯白噪声,σ\sigma 按整段的信噪比选定:

ρ=1σ∑is(ti)2=14.\rho=\frac{1}{\sigma}\sqrt{\sum_i s(t_i)^2}=14 .

这与Isi等人给出的GW150914峰值后信噪比一致。Isi, Giesler, Farr, Scheel and Teukolsky, Testing the no-hair theorem with GW150914, arXiv:1905.00869v2 真实探测器的噪声是有色的,真实信号在峰值之前也不是模式之和。这两处简化在复算教程里讨论。

用最小二乘消去振幅

质量和自转固定时,模式模型对振幅是线性的。把每个模式写成 ane−t/τncos⁡(2πfnt)+bne−t/τnsin⁡(2πfnt)a_n e^{-t/\tau_n}\cos(2\pi f_nt)+b_n e^{-t/\tau_n}\sin(2\pi f_nt),把这些函数在拟合窗口各采样时刻的取值排成矩阵 X(M,χ)X(M,\chi) 的列。数据为 dd,系数为 c=(a0,b0,a1,b1)c=(a_0,b_0,a_1,b_1),则

−2ln⁡L=∣d−Xc∣2σ2+const.-2\ln L=\frac{\lvert d-Xc\rvert^2}{\sigma^2}+\mathrm{const}.

最佳系数是 c^=(XTX)−1XTd\hat c=(X^\mathsf TX)^{-1}X^\mathsf Td。令 P=X(XTX)−1XTP=X(X^\mathsf TX)^{-1}X^\mathsf T 为投影到模型列空间的矩阵,就有 ∣d−Xc^∣2=∣d∣2−∣Pd∣2\lvert d-X\hat c\rvert^2=\lvert d\rvert^2-\lvert Pd\rvert^2。对振幅和相位取最大后的似然是

ln⁡Lprof(M,χ)=∣Pd∣22σ2+const.\ln L_{\mathrm{prof}}(M,\chi)=\frac{\lvert Pd\rvert^2}{2\sigma^2}+\mathrm{const}.

这叫轮廓似然。它把六个参数的搜索变成两个参数的搜索。代价是没有对振幅的不确定性求平均,区间会略窄;下面会实测这一点。

网格后验与90%区域

在网格上取平坦先验:质量从真值的 0.60.6 倍到 1.61.6 倍分81格,自转从 00 到 0.990.99、步长 0.0150.015,后验正比于 LprofL_{\mathrm{prof}}。90%区域是装下90%权重的最小网格集合。

要判断真值在不在里面,就算真值点的可信水平:比真值更可能的那些格子占了多少后验权重。水平低于 0.90.9,真值就在90%区域内;接近 11,说明它远在区域之外。

漏掉泛音会怎样

表3.1用同一段带噪声的记录,分别只用基模(N=0N=0)和用基模加泛音(N=1N=1)拟合,起点取峰值之后的不同时刻。质量给出中位数和5%到95%的范围。

表 3.1 一段合成记录上的起点扫描,真值 M=68.5 M⊙M=68.5\,\mathrm{M}_\odot、χ=0.69\chi=0.69、ρ=14\rho=14。
起点 t0/Mt_0/M样本数N=0N=0 质量N=0N=0 水平N=1N=1 质量N=1N=1 水平
00838348.1  [42.2, 55.0]48.1\;[42.2,\,55.0]1.0001.00068.9  [49.5, 89.1]68.9\;[49.5,\,89.1]0.4970.497
22808062.3  [48.2, 88.6]62.3\;[48.2,\,88.6]0.8620.86271.7  [47.3, 99.0]71.7\;[47.3,\,99.0]0.4630.463
44777769.8  [49.2, 98.5]69.8\;[49.2,\,98.5]0.8340.83465.4  [43.2, 103.0]65.4\;[43.2,\,103.0]0.8000.800
1010696959.8  [42.5, 100.0]59.8\;[42.5,\,100.0]0.5020.50272.8  [43.4, 100.9]72.8\;[43.4,\,100.9]0.8520.852
2020555574.4  [44.6, 105.8]74.4\;[44.6,\,105.8]0.2750.27573.8  [45.2, 104.7]73.8\;[45.2,\,104.7]0.4150.415

例题1。 为什么从峰值起只用基模会得到偏小的质量?早期泛音比基模强四倍,衰减又快约三倍,整个信号就弱得很快。单个模式要弱得快,QQ 就得小,也就是自转得低。拟合给出 χ=0.07\chi=0.07,这个自转下 Mω220=0.3825−0.0888iM\omega_{220}=0.3825-0.0888i。要让频率仍在真实的 249 Hz249\,\mathrm{Hz} 附近,就得 M=0.3825/(2π×249 Hz×4.925 μs)=49.6 M⊙M=0.3825/(2\pi\times249\,\mathrm{Hz}\times4.925\,\mu\mathrm s)=49.6\,\mathrm{M}_\odot,与拟合出的 48.148.1 很接近。48.1 M⊙48.1\,\mathrm{M}_\odot、χ=0.07\chi=0.07 时,这个模式 f=257 Hzf=257\,\mathrm{Hz}、τ=2.67 ms\tau=2.67\,\mathrm{ms}:音高差不多对,响的时间却比真实的 4.16 ms4.16\,\mathrm{ms} 短得多。

偏差的方向取决于具体记录。复算教程里,同样只用基模去拟合真实的GW150914数据,得到的质量反而高于整段信号的估计。站得住的结论是拟合有偏,而且起点越晚偏差越小。

选择起点

起点晚一些,泛音就在拟合开始前消失了。在这段记录里,t0=2Mt_0=2M 时真值已落进 N=0N=0 区域,到 10M10M 时水平是 0.500.50。代价是变宽:10M10M 处 N=0N=0 的范围跨 58 M⊙58\,\mathrm{M}_\odot,峰值处 N=1N=1 只跨 4040。带信号的样本少了,最响的那几个也被扔掉了。

Isi等人在GW150914里也碰到这个取舍:峰值后约 3 ms3\,\mathrm{ms},只用基模就和整段信号的估计对上了,只是不确定度比从峰值起加泛音时大。Isi, Giesler, Farr, Scheel and Teukolsky, Fig. 3 我们的表只是一次噪声抽样。换一次抽样,数字就不同;真值多常落进区域,看下面的覆盖率检验。

90%区域靠得住吗?

在100次独立的噪声抽样上,从峰值起重复 N=1N=1 拟合,数一数真值落进各个区域的次数。

表 3.2 100次抽样中真值落进最高密度区域的比例。
名义水平ρ=14\rho=14ρ=40\rho=40
0.500.500.400.400.370.37
0.680.680.580.580.600.60
0.900.900.890.890.880.88

90%区域盖住真值的频率和名义值差不多。50%和68%区域偏小。抽样100次时,二项分布的95%区间在 0.50.5 附近约为 0.400.40 到 0.600.60,在 0.680.68 附近约为 0.590.59 到 0.770.77;四个低水平的结果里有三个落在区间下方。我们怀疑原因是轮廓似然没有对振幅不确定性求平均,但还没有检验过。读Lab里较窄的范围时,请记住这一点。

Lab练习

  1. 在默认预设下,读出琥珀色“只用基模”的质量和薄荷绿“基模加泛音”的质量,与表3.1比较。
  2. 在应变图上把拟合起点拖到 2M2M、4M4M 和 10M10M,记下琥珀色区域第一次盖住白色十字是在哪里。
  3. 打开高级选项,换一次噪声抽样,看 N=1N=1 的中位数相对它的宽度挪了多远。

习题与讲解

  1. 证明 ∣d−Xc^∣2=∣d∣2−∣Pd∣2\lvert d-X\hat c\rvert^2=\lvert d\rvert^2-\lvert Pd\rvert^2。
  2. M=68.5 M⊙M=68.5\,\mathrm{M}_\odot、t0=10Mt_0=10M 时,窗口里有多少个样本?
  3. 在Lab里把泛音比例降到 0.30.3,峰值处只用基模的偏差应该变大还是变小?ρ=30\rho=30 时Lab显示什么?
  4. t0=2Mt_0=2M 时 N=0N=0 的可信水平是 0.8620.862。真值在90%区域内吗?
答案
  1. PP 对称且 P2=PP^2=P。由 Xc^=PdX\hat c=Pd,∣d−Pd∣2=dTd−2dTPd+dTP2d=∣d∣2−∣Pd∣2\lvert d-Pd\rvert^2=d^\mathsf Td-2d^\mathsf TPd+d^\mathsf TP^2d=\lvert d\rvert^2-\lvert Pd\rvert^2。
  2. 窗口从 10M10M 到 60M60M,即 50×0.3374 ms=16.87 ms50\times0.3374\,\mathrm{ms}=16.87\,\mathrm{ms},按 4096 Hz4096\,\mathrm{Hz} 是 6969 个样本,与表3.1一致。
  3. 应该变小,因为弱泛音对早期衰减的扭曲小。可是“微弱的泛音”预设(A1/A0=0.3A_1/A_0=0.3、ρ=30\rho=30)里,只用基模仍然排除真值,质量 56.7  [51.4, 62.5]56.7\;[51.4,\,62.5],因为信噪比高了,区域也变窄了。偏差大不大,要和宽度比。
  4. 在。0.862<0.90.862<0.9,真值在90%区域里,靠近边缘。

下一章把两个拟合出的音调变成无毛定理的检验:从两个音调到无毛检验。

在Lab里试一试

在应变图上把拟合起点从0拖到10,看琥珀色的“只用基模”区域怎样移动,直到盖住白色十字。 打开黑洞铃宕Lab

来源

  1. Giesler, Isi, Scheel and Teukolsky, Black hole ringdown: the importance of overtones, Table I
  2. Isi, Giesler, Farr, Scheel and Teukolsky, Testing the no-hair theorem with GW150914, arXiv:1905.00869v2

继续阅读

这一页直接连着哪些内容

在内容地图上看这个系列 →

黑洞铃宕与无毛检验 · 阅读路径

从黑洞的余响到无毛检验

  1. 文章刚并合的黑洞,为什么会像钟一样鸣响?
  2. 文章阻尼音调与克尔黑洞的频谱
  3. 当前页面为什么从峰值拟合铃宕需要泛音
  4. 文章从两个音调到无毛检验
  5. 文章复算铃宕音调、一段合成信号和GW150914的一小段数据
  6. 文章怎样读2019年GW150914泛音论文及其后的争论
这个页面有错误、看不明白,或者缺了什么?告诉我们
反馈类型

提交时会附带本页地址、Lab ID、网站语言和设备类型。请不要填写个人信息。反馈最多保存 12 个月。隐私政策