ScholarGate
دستیار
Process / pipelineSignal Processing

فیلتر تطبیقی امواج گرانشی

فیلتر تطبیقی (Matched filtering) یک تکنیک پردازش سیگنال است که برای آشکارسازی امواج گرانشی با همبستگی دادن داده‌های آشکارساز با الگوهای موج نظری به کار می‌رود. هنگامی که دو جرم عظیم (سیاهچاله‌ها، ستاره‌های نوترونی) با هم ادغام می‌شوند، امواج گرانشی گسیل می‌کنند که از زمین عبور کرده و اعوجاج‌های کوچکی در تداخل‌سنج‌های لیزری مانند LIGO و Virgo ایجاد می‌کنند. فیلتر تطبیقی که توسط هری نایکوئیست (Harry Nyquist) صورت‌بندی شد، به طور بهینه این سیگنال‌ها را از نویز استخراج می‌کند و امکان آشکارسازی ادغام‌هایی در فواصل میلیاردها سال نوری را فراهم می‌سازد.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیدریافت اسلایدها

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

نقشهٔ روش

همسایگی روش‌های مرتبط — برای کاوش، یک گره را برگزینید.

منابع

  1. Abbott, B. P., et al. (2016). Observation of Gravitational Waves from a Binary Black Hole Merger. Physical Review Letters, 116(6), 061102. DOI: 10.1103/PhysRevLett.116.061102
  2. Weedman, D. (2010). Statistics of Matched Filtering and Bayes Theorem Applied to Gravitational Wave Data Analysis. Classical and Quantum Gravity, 10(9), S211. link
  3. Allen, B., Anderson, W. G., Brady, P. R., Brown, D. A., & Creighton, J. D. (2012). FINDCHIRP: An Algorithm for Detection of Gravitational Waves from Inspiraling Compact Binaries. Physical Review D, 85(12), 122006. DOI: 10.1103/PhysRevD.85.122006

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Gravitational Wave Signal Detection via Matched Filtering. ScholarGate. https://scholargate.app/fa/applied-physics/gravitational-wave-matched-filtering

کدام روش؟

این روش را در کنار نزدیک‌ترین روش‌های خویشاوندش بگذارید و آن‌ها را کنار هم بخوانید — کتابخانه کتاب‌ها را روی میز می‌گشاید؛ انتخاب با شماست.

مقایسهٔ کنار هم

ارجاع‌شده در

ScholarGateGravitational Wave Matched Filtering (Gravitational Wave Signal Detection via Matched Filtering). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/applied-physics/gravitational-wave-matched-filtering · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026