1 analisi di veto ed identificazione di glitches marina del prete
TRANSCRIPT
![Page 1: 1 Analisi di Veto ed identificazione di glitches Marina Del Prete](https://reader035.vdocuments.pub/reader035/viewer/2022062701/5542eb4b497959361e8b8176/html5/thumbnails/1.jpg)
1
Analisi di Veto ed identificazione di glitches
Marina Del Prete
![Page 2: 1 Analisi di Veto ed identificazione di glitches Marina Del Prete](https://reader035.vdocuments.pub/reader035/viewer/2022062701/5542eb4b497959361e8b8176/html5/thumbnails/2.jpg)
2
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.
![Page 3: 1 Analisi di Veto ed identificazione di glitches Marina Del Prete](https://reader035.vdocuments.pub/reader035/viewer/2022062701/5542eb4b497959361e8b8176/html5/thumbnails/3.jpg)
3
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 Daub24 ricostruisce le ampiezze degli eventi con più alto SNR ( Ampiezze vs GPS)
![Page 4: 1 Analisi di Veto ed identificazione di glitches Marina Del Prete](https://reader035.vdocuments.pub/reader035/viewer/2022062701/5542eb4b497959361e8b8176/html5/thumbnails/4.jpg)
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
![Page 5: 1 Analisi di Veto ed identificazione di glitches Marina Del Prete](https://reader035.vdocuments.pub/reader035/viewer/2022062701/5542eb4b497959361e8b8176/html5/thumbnails/5.jpg)
5
Analisi di un segmento in Science Mode
Step2: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
![Page 6: 1 Analisi di Veto ed identificazione di glitches Marina Del Prete](https://reader035.vdocuments.pub/reader035/viewer/2022062701/5542eb4b497959361e8b8176/html5/thumbnails/6.jpg)
6
Esempio della determinazione dei punti inziali di eventi in vari canali
![Page 7: 1 Analisi di Veto ed identificazione di glitches Marina Del Prete](https://reader035.vdocuments.pub/reader035/viewer/2022062701/5542eb4b497959361e8b8176/html5/thumbnails/7.jpg)
7
Analisi di un segmento in Science Mode
…spettrogrammi e li si confrontano con eventi dalle caratteristiche note.
![Page 8: 1 Analisi di Veto ed identificazione di glitches Marina Del Prete](https://reader035.vdocuments.pub/reader035/viewer/2022062701/5542eb4b497959361e8b8176/html5/thumbnails/8.jpg)
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
![Page 9: 1 Analisi di Veto ed identificazione di glitches Marina Del Prete](https://reader035.vdocuments.pub/reader035/viewer/2022062701/5542eb4b497959361e8b8176/html5/thumbnails/9.jpg)
9
Dark Fringe channelEnviromental channel
Veto Analisi
Si ha un picco in Frangia ScuraSi 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 sulSegnale in Frangia Scura
![Page 10: 1 Analisi di Veto ed identificazione di glitches Marina Del Prete](https://reader035.vdocuments.pub/reader035/viewer/2022062701/5542eb4b497959361e8b8176/html5/thumbnails/10.jpg)
10
Veto Analisi
Nntv = # eventi sopra soglia e usati per vetare dal canale di rumore Nnt= # eventi sopra soglia nel cananle di rumore
Use Percentage = 100 * ( Nntv/ Nnt)
Veto Efficiency = 100 * (Nstv/ Nst)
t = finestra di vetotn = intervallo di tempo tra due picchi del canale di rumore < t
Dead time = 100 * (Nnt * t – overlap)/run time
Nstv = # eventi sopra soglia e vetati nel canale di Frangia Scura
Nst = # eventi sopra soglia nel canale di Frangia scura
![Page 11: 1 Analisi di Veto ed identificazione di glitches Marina Del Prete](https://reader035.vdocuments.pub/reader035/viewer/2022062701/5542eb4b497959361e8b8176/html5/thumbnails/11.jpg)
11
Veto AnalisiHo 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<=100N° events is about 100
![Page 12: 1 Analisi di Veto ed identificazione di glitches Marina Del Prete](https://reader035.vdocuments.pub/reader035/viewer/2022062701/5542eb4b497959361e8b8176/html5/thumbnails/12.jpg)
12
Veto AnalisiStudio 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
![Page 13: 1 Analisi di Veto ed identificazione di glitches Marina Del Prete](https://reader035.vdocuments.pub/reader035/viewer/2022062701/5542eb4b497959361e8b8176/html5/thumbnails/13.jpg)
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
![Page 14: 1 Analisi di Veto ed identificazione di glitches Marina Del Prete](https://reader035.vdocuments.pub/reader035/viewer/2022062701/5542eb4b497959361e8b8176/html5/thumbnails/14.jpg)
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.CProgrammi chiamanti sono: Veto.C, plotVeto.C,
shiftVeto.CvetoClass:– Metodi per leggere i dati e calcolare le lunghezze->
leggi() e ReadSignal()– Metodi per calcolare, considerare solo l’overlap 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
![Page 15: 1 Analisi di Veto ed identificazione di glitches Marina Del Prete](https://reader035.vdocuments.pub/reader035/viewer/2022062701/5542eb4b497959361e8b8176/html5/thumbnails/15.jpg)
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
![Page 16: 1 Analisi di Veto ed identificazione di glitches Marina Del Prete](https://reader035.vdocuments.pub/reader035/viewer/2022062701/5542eb4b497959361e8b8176/html5/thumbnails/16.jpg)
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.
![Page 17: 1 Analisi di Veto ed identificazione di glitches Marina Del Prete](https://reader035.vdocuments.pub/reader035/viewer/2022062701/5542eb4b497959361e8b8176/html5/thumbnails/17.jpg)
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
![Page 18: 1 Analisi di Veto ed identificazione di glitches Marina Del Prete](https://reader035.vdocuments.pub/reader035/viewer/2022062701/5542eb4b497959361e8b8176/html5/thumbnails/18.jpg)
18
Se opportuno si passa a ripulire Frangia Scura
Risultati di veto
Segm7Segm8
![Page 19: 1 Analisi di Veto ed identificazione di glitches Marina Del Prete](https://reader035.vdocuments.pub/reader035/viewer/2022062701/5542eb4b497959361e8b8176/html5/thumbnails/19.jpg)
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
![Page 20: 1 Analisi di Veto ed identificazione di glitches Marina Del Prete](https://reader035.vdocuments.pub/reader035/viewer/2022062701/5542eb4b497959361e8b8176/html5/thumbnails/20.jpg)
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
![Page 21: 1 Analisi di Veto ed identificazione di glitches Marina Del Prete](https://reader035.vdocuments.pub/reader035/viewer/2022062701/5542eb4b497959361e8b8176/html5/thumbnails/21.jpg)
21
Problemi incontrati
• Problemi legati al centro di calcolo:1. Prima è stato tolto lo spazio disco che ci era
stato messo a disposizione2. Poi il progressivo spegnimento delle farm a
Cascina3. Poi il trasferimento dei dati a Bologna
->Senza o quasi preavviso4. Shutdown a Bologna dal 25 marzo-7 aprile5. 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)