Analisi di Veto ed identificazione di glitches Marina
- Slides: 21
Analisi di Veto ed identificazione di glitches Marina Del Prete 1
Veto analisi per i Burst-Noise Hunting Non si conosce la forma d’onda 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 -> L’analisi sui singoli eventi ad alto SNR permette di capirne la natura. 2
Analisi di un segmento in Science Mode Step 0: i Raw Data sono trattati con un metodo di de-noising e ricostruzione basato sull’analisi 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 Daub 24 ricostruisce le ampiezze degli eventi con più alto SNR ( Ampiezze vs GPS) 3
Analisi di un segmento in Science Mode Step 1: si verifica se vi sono “loudest events” in Frangia Scura in coincidenza con i canali di rumore ambientale 4
Analisi di un segmento in Science Mode Step 2: trovati gli eventi coincidenti con più alto SNR se ne ricostruisce l’evento in ampiezza e se ne studiano le caratteristiche: distribuzione temporale nei vari canali 5
Esempio della determinazione dei punti inziali di eventi in vari canali 6
Analisi di un segmento in Science Mode …spettrogrammi e li si confrontano con eventi dalle caratteristiche note. 7
Analisi di un segmento in Science Mode Step 3: si verifica che i canali studiati si possano vetare Step 4: 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 8
Veto Analisi Dark Fringe channel Enviromental channel Si ha un picco in Frangia Scura E’ un possible evento buono Si ha un picco in Frangia Scura e nel canale di rumore ambientale E’ possibile che il segnale in Frangia Scura sia un glitch E’ opportuno applicare un Veto sul Segnale in Frangia Scura 9
Veto Analisi Use Percentage = 100 * ( Nntv/ Nnt) Nntv = # eventi sopra soglia e usati per vetare dal canale di rumore Nnt= # eventi sopra soglia nel cananle di rumore Veto Efficiency = 100 * (Nstv/ Nst) Nstv = # eventi sopra soglia e vetati nel canale di Frangia Scura Nst = # eventi sopra soglia nel canale di Frangia scura Dead time = 100 * (Nnt * Dt – overlap)/run time Dt = finestra di veto Dtn = intervallo di tempo tra due picchi del canale di rumore < Dt 10
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 nell’analisi, il valore dell’ Use Percentage. SNR>=10 SNR<=100 N° events is about 100 11
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 12
Veto Analisi 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 13
Veto Analisi Sviluppo di un programma in ROOT che svolge questa analisi. Il programma è per classi: – Classe dell coincidenze-> veto. Class. C – Classe di Veto -> coinc. Class. C Programmi chiamanti sono: Veto. C, plot. Veto. C, shift. Veto. C veto. Class: – Metodi per leggere i dati e calcolare le lunghezze-> leggi() e Read. Signal() – Metodi per calcolare, considerare solo l’overlap tra i segnali di rumore e Frangia Scura e calcolare il tempo di Run considerato-> Overlap. Chan(), Use. Overlap e Scittime. Overlap() – Metodo per applicare i tagli sugli SNR-> Cut. On. SNR() 14
Veto Analisi – Metodi per ordinare nel tempo i segnali-> Time. Sorting() – Metodi per shiftare nel tempi Frangia scura con e senza tagli-> Shift. DF() e Shift. DFCut() coinc. Class: – Metodo per applicare le finestre di Veto-> Set. Dt() – Metodi per trovare le coincidenze per il canale di rumore e di Frangia Scura-> Find. Coinc() e Unique() – Metodo per calcolare il tempo morto, tiene conto di quante finestre di veto sono in overlap ->Dead. Time. N() 15
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. 16
Veto Analisi plot. Veto: – 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 shift. Veto: –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 17
Risultati di veto Se opportuno si passa. Segm 7 a ripulire Frangia Scura Segm 8 18
Segmenti pronti per essere analizzati con la Veto analisi • Tutti i segmenti del VSR 1 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 19
Passi futuri • Applicare su più canali di rumore contemporaneamente Veto. C • Aggiungere protezioni al programmma ed inserirli in py. Nap • 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 20
Problemi incontrati • 1. 2. 3. 4. 5. Problemi legati al centro di calcolo: Prima è stato tolto lo spazio disco che ci era stato messo a disposizione Poi il progressivo spegnimento delle farm a Cascina Poi il trasferimento dei dati a Bologna ->Senza o quasi preavviso Shutdown a Bologna dal 25 marzo-7 aprile 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) 21
- Tripletta di identificazione nso
- A council that advised rome's leaders
- Veto a law
- Maysville veto
- Fundación marina orth
- Marina naboka
- Gueule de metec
- Texturing
- Marina satire
- Danswers
- Marina fanin
- Marina orazi
- Professional association of residents of ontario
- Marina ahmed
- Marina bettiol
- Marina abranovic
- Marina ljubić karanović
- Sekundarna devijantnost
- Weber
- Randleman lake marina
- Marina varga
- Marina goren