Python处理引力波：Q变换

基本原理

Q变换是一种自适应时间-频率分辨率的时频表示方法，由 Chatterji 等人（2004）提出，广泛用于处理瞬态引力波信号的可视化与特征提取，论文地址https://arxiv.org/pdf/gr-qc/0412119.pdf。其核心数学表达式为

$$x(\tau ,f)={\int }_{-\infty }^{\infty }x(t)w(t-\tau ,f)e^{-i2\pi ft}\mathrm{d}t$$

式中，$w(t-\tau ,f)$是以$\tau$为中心的时域窗口，其宽度与$f$成反比，从而高频处窗窄，低频处窗宽。其有效带宽$\Delta f\approx \frac{f}{Q}$。其中，$Q$为品质因子，无量纲，其定义为

$$Q=\frac{f_c}{{\sigma }_f}$$

其中$f_c$是中心频率，${\sigma }_f$为带宽。

也就是说，Q变换通过Q值实现了对频率的自适应调节，从而在处理未知频率特征信号时，能够在效率和准确性上达成均衡。

gwpy封装

在gwpy中，提供了q_gram和q_transform两种封装，前者为底层计算函数，返回Q变换的原始复数系数矩阵，后者为高层封装函数，直接返回 Spectrogram 对象。

gwpy官网提供了基于q_transform的可视化示例，绘图如下

该图可以明显看到引力波出现的过程，绘图代码如下

from gwpy.timeseries import TimeSeries
# hdata = TimeSeries.get("H1", 1126259446, 1126259478)    # 获取GW150914
# hdata.save("gw150914.hdf5")
hdata = TimeSeries.read("gw150914.hdf5")
qspecgram = hdata.q_transform(outseg=(1126259462.2, 1126259462.5))
plot = qspecgram.plot(figsize=[8, 4])
ax = plot.gca()
ax.set_xscale("seconds")
ax.set_yscale("log")
ax.set_ylim(20, 500)
ax.set_ylabel("Frequency [Hz]")
ax.grid(visible=True, axis="y", which="both")
ax.colorbar(cmap="viridis", label="Normalized energy")
plot.show()

参数

q_gram和q_transform中的核心参数是qrange和frange，二者功能为

• qrange 为搜索Q范围，覆盖不同纵横比的爆发信号，默认是(4,64)
• frange 频率搜索区间；限制计算量，避免低频噪声主导
• mismatch 最大允许失配度，用于控制时频网格密度

在上面的示例中，试用q_transform时输入了outseg参数，用于截取输出时段；减少内存占用，聚焦感兴趣区间。

小结

Q变换是一种自适应时频分析方法，由Chatterji等人提出，用于处理引力波信号。其核心在于通过品质因子Q实现频率自适应调节，高频区使用窄窗，低频区使用宽窗。gwpy库提供了q_gram和q_transform两种实现，后者可直接生成时频谱图。关键参数包括qrange（Q值范围）、frange（频率区间）和mismatch（网格密度控制）。示例代码展示了如何用q_transform分析GW150914引力波事件数据，通过设置outseg参数聚焦关键时段，生成能量归一化的对数频率时频谱图。该方法在未知频率信号