- Record: found
- Abstract: found
- Article: found
Application of the independent component analysis to the iKAGRA data
Preprint
KAGRA Collaboration ,
T. Akutsu ,
M. Ando ,
K. Arai ,
Y. Arai ,
S. Araki ,
A. Araya ,
N. Aritomi ,
H. Asada ,
Y. Aso ,
S. Atsuta ,
K. Awai ,
S. Bae ,
Y. Bae ,
L. Baiotti ,
R. Bajpai ,
M. A. Barton ,
K. Cannon ,
E. Capocasa ,
M. Chan ,
C. Chen ,
K. Chen ,
Y. Chen ,
H. Chu ,
Y-K. Chu ,
K. Craig ,
W. Creus ,
K. Doi ,
K. Eda ,
S. Eguchi ,
Y. Enomoto ,
R. Flaminio ,
Y. Fujii ,
M. -K. Fujimoto ,
M. Fukunaga ,
M. Fukushima ,
T. Furuhata ,
G. Ge ,
A. Hagiwara ,
S. Haino ,
K. Hasegawa ,
K. Hashino ,
H. Hayakawa ,
K. Hayama ,
Y. Himemoto ,
Y. Hiranuma ,
N. Hirata ,
S. Hirobayashi ,
E. Hirose ,
Z. Hong ,
B. H. Hsieh ,
G-Z. Huang ,
P. Huang ,
Y. Huang ,
B. Ikenoue ,
S. Imam ,
K. Inayoshi ,
Y. Inoue ,
K. Ioka ,
Y. Itoh ,
K. Izumi ,
K. Jung ,
P. Jung ,
T. Kaji ,
T. Kajita ,
M. Kakizaki ,
M. Kamiizumi ,
S. Kanbara ,
N. Kanda ,
S. Kanemura ,
M. Kaneyama ,
G. Kang ,
J. Kasuya ,
Y. Kataoka ,
K. Kawaguchi ,
N. Kawai ,
S. Kawamura ,
T. Kawasaki ,
C. Kim ,
J. C. Kim ,
W. S. Kim ,
Y. -M. Kim ,
N. Kimura ,
T. Kinugawa ,
S. Kirii ,
N. Kita ,
Y. Kitaoka ,
H. Kitazawa ,
Y. Kojima ,
K. Kokeyama ,
K. Komori ,
A. K. H. Kong ,
K. Kotake ,
C. Kozakai ,
R. Kozu ,
R. Kumar ,
J. Kume ,
C. Kuo ,
H-S. Kuo ,
S. Kuroyanagi ,
K. Kusayanagi ,
K. Kwak ,
H. K. Lee ,
H. M. Lee ,
H. W. Lee ,
R. Lee ,
M. Leonardi ,
C. Lin ,
C-Y. Lin ,
F-L. Lin ,
G. C. Liu ,
Y. Liu ,
L. Luo ,
E. Majorana ,
S. Mano ,
M. Marchio ,
T. Matsui ,
F. Matsushima ,
Y. Michimura ,
N. Mio ,
O. Miyakawa ,
A. Miyamoto ,
T. Miyamoto ,
Y. Miyazaki ,
K. Miyo ,
S. Miyoki ,
W. Morii ,
S. Morisaki ,
Y. Moriwaki ,
T. Morozumi ,
M. Musha ,
K. Nagano ,
S. Nagano ,
K. Nakamura ,
T. Nakamura ,
H. Nakano ,
M. Nakano ,
K. Nakao ,
R. Nakashima ,
T. Narikawa ,
L. Naticchioni ,
R. Negishi ,
L. Nguyen Quynh ,
W. -T. Ni ,
A. Nishizawa ,
Y. Obuchi ,
T. Ochi ,
W. Ogaki ,
J. J. Oh ,
S. H. Oh ,
M. Ohashi ,
N. Ohishi ,
M. Ohkawa ,
K. Okutomi ,
K. Oohara ,
C. P. Ooi ,
S. Oshino ,
K. Pan ,
H. Pang ,
J. Park ,
F. E. Pena Arellano ,
I. Pinto ,
N. Sago ,
M. Saijo ,
S. Saito ,
Y. Saito ,
K. Sakai ,
Y. Sakai ,
Y. Sakai ,
Y. Sakuno ,
M. Sasaki ,
Y. Sasaki ,
S. Sato ,
T. Sato ,
T. Sawada ,
T. Sekiguchi ,
Y. Sekiguchi ,
N. Seto ,
S. Shibagaki ,
M. Shibata ,
R. Shimizu ,
T. Shimoda ,
K. Shimode ,
H. Shinkai ,
T. Shishido ,
A. Shoda ,
K. Somiya ,
E. J. Son ,
H. Sotani ,
A. Suemasa ,
R. Sugimoto ,
T. Suzuki ,
T. Suzuki ,
H. Tagoshi ,
H. Takahashi ,
R. Takahashi ,
A. Takamori ,
S. Takano ,
H. Takeda ,
M. Takeda ,
H. Tanaka ,
K. Tanaka ,
K. Tanaka ,
T. Tanaka ,
T. Tanaka ,
S. Tanioka ,
E. N. Tapia San Martin ,
D. Tatsumi ,
S. Telada ,
T. Tomaru ,
Y. Tomigami ,
T. Tomura ,
F. Travasso ,
L. Trozzo ,
T. Tsang ,
K. Tsubono ,
S. Tsuchida ,
T. Tsuzuki ,
D. Tuyenbayev ,
N. Uchikata ,
T. Uchiyama ,
A. Ueda ,
T. Uehara ,
S. Ueki ,
K. Ueno ,
G. Ueshima ,
F. Uraguchi ,
T. Ushiba ,
M. H. P. M. van Putten ,
H. Vocca ,
S. Wada ,
T. Wakamatsu ,
J. Wang ,
C. Wu ,
H. Wu ,
S. Wu ,
W-R. Xu ,
T. Yamada ,
A. Yamamoto ,
K. Yamamoto ,
K. Yamamoto ,
S. Yamamoto ,
T. Yamamoto ,
K. Yokogawa ,
J. Yokoyama ,
T. Yokozawa ,
T. H. Yoon ,
T. Yoshioka ,
H. Yuzurihara ,
S. Zeidler ,
Y. Zhao ,
Z. -H. Zhu
08 August 2019
Read this article at
There is no author summary for this article yet. Authors can add summaries to their articles on ScienceOpen to make them more accessible to a non-specialist audience.
Abstract
We apply independent component analysis (ICA) to the real data from a gravitational wave detector for the first time. ICA separates various sources of signals from multiple detection channels making use of non-Gaussian nature of the statistical distributions of the sources. Specifically we use the iKAGRA data taken in April 2016, and calculate the correlations between the gravitational wave strain channel and 35 physical environmental channels. Using a couple of seismic channels which are found to be strongly correlated with the strain, we perform ICA. Injecting a sinusoidal continuous signal in the strain channel, we find that ICA recovers correct parameters with enhanced signal-to-noise ratio, which demonstrates usefulness of this method.
Related collections
Most cited references4
- Record: found
- Abstract: not found
- Article: not found
Blind separation of sources, part I: An adaptive algorithm based on neuromimetic architecture
Christian Jutten, Jeanny Herault (1991)
- Record: found
- Abstract: not found
- Article: not found
Blind source separation-semiparametric statistical approach
J.-F. Cardoso, Shun-ichi Amari (1997)
- Record: found
- Abstract: found
- Article: not found
Toward the detection of gravitational waves under non-Gaussian noises I. Locally optimal statistic
Jun’ichi YOKOYAMA (2014)