Types d'événements à détecter
SOMMAIRE
- Signaux Crête (Spikes)
- Signaux Gaussiens (Gaussians)
- Signaux Triples (Triplets)
- Signaux Pulsés (Pulses)
Signaux Crête (Spikes) - pics temporaires
Les signaux crête (ou Spikes en anglais) sont des ondes radio qui se produisent sur une seule fréquence et sont assez puissants pour être distingués du bruit général. Pour extraire ces événements à partir des données brutes, nous devons appliquer le nettoyage et la régularisation des données, la correction des données, et la transformée de Fourier rapide (FFT). En complément des signaux crête (spikes) isolés, SETI@home recherche également une succession de pics se produisant selon un modèle précis, Signaux Gaussiens, Signaux pulsés (pulses), et Signaux triples (triplets).
Exemples de pics représentés dans un graphique
Ce graphique représente le nombre de crêtes détectés pour chaque fréquence. Presque toutes ces détections sont des bruits. Les trois pics à 1419, 1420 et 1421 mégahertz sont dûs aux signaux tests qui sont constamment injectés pour s'assurer que le système fonctionne. Le quatrième pic est dû à une interférence.
SETI@home recherche des signaux pour 15 largeurs de bande différentes, chacun étant deux fois plus approximatif que le précédent. Ce graphique montre le nombre de signaux détectés en fonction de la largeur de bande.
Signaux Gaussiens: émissions continues
Les signaux radio envoyés par un émetteur éloigné devraient devenir plus forts puis plus faible lorsque le point central du télescope traverse ce secteur du ciel. Plus précisement, la puissance devrait augmenter puis diminuer avec une courbe en forme de cloche (une courbe gaussienne). L'ajustement de cette courbe gaussienne est un excellent test pour déterminer si une onde radio a été produite « en dehors d'ici » et pas par une banale source d'interférence quelque part sur Terre, puisque les signaux en provenance de la Terre laisseront apparaitre une puissance constante, plûtot que des courbes. Le test gaussien est seulement appliqué pour des résolutions de fréquence supérieures ou égales à 0.59 hertz.
Pour ce shéma, "power" (la puissance) nous indique la puissance de la courbe gaussienne par rapport au bruit de l'univers. "fit" (adéquation) est une mesure pour savoir si la croissance puis la décroissance se rapproche de la forme d'une courbe gaussienne idéale (courbe en cloche). Une valeur fit basse signifie une meilleure adéquation avec la forme idéale. (on procéde actuellement à un test du khi-deux, c'est à dire, une mesure de la distance entre les données de départ et la courbe gaussienne idéale.). Comme le bruit de fond peut parfois par hasard simuler une courbe gaussienne, l'écran de veille de SETI@home sélectionne uniquement les Gaussiens 3,2 fois plus puissants que le niveau du bruit fond moyen de l'univers avec un "fit" inférieur à 10.
Quelques exemples de courbes d'adéquation tracées dans un graphique
Les signaux potentiellement envoyés par un émetteur éloigné devraient devenir plus forts puis plus faible durant le déplacement du radio-télescope au dessus de ce point du ciel. Plus précisement, la puissance devrait croître puis décroître avec une courbe en forme de cloche (une courbe gaussienne). L'application SETI@home recherche cette forme caractéristique.
Sur ce graphique, les bâtons rouges retranscrivent les données recueillies par le radio-télescope. La courbe jaune (lissée) trace "le meilleur ajustement gaussien" (best fit gaussian) pour la série donnée. Plus la valeur du chi-deux est faible, meilleur est l'adéquation.
Le premier graphique montre l'application SETI@home qui a détecté un ajustement gaussien d'un signal très puissant ; ce signal test a été artificiellement injecté pour s'assurer que le matériel et le logiciel fonctionnaient correctement.
Le second graphique montre un ajustement gaussien trouvé par l'application dans une vraie unité de travail. Cette unité de travail ne contient que du bruit fond cosmique (aucun signal n'est présent), mais le bruit de fond peut quelques fois et par hasard ressembler à un signal gaussien.
La distribution de nombreux ajustements gaussiens est obtenue à partir des données d'une journée de mesure. Pour chaque signal gaussien détecté par un client, ce graphique affiche un point positionné en fonction de la puissance détectée et de la valeur du facteur de test du Chi deux (le test du Chi deux est une mesure de la qualité de l'ajustement de la courbe gaussienne idéale avec les données). Les candidats les plus intéressants sont ceux situés dans le coin inférieur droit du graphique, avec une faible valeur du Chi 2 (bon ajustement) et une forte puissance. Nous avons défini la région des "meilleurs" ajustements gaussiens, et l'avons représentée par une ligne jaune. La ligne est droite en fait - Elle apparaît courbée à cause de l'échelle logarithmique appliquée en abscisse. Les meilleurs ajustements de cette région sont étudiées plus en détail dans les graphiques suivants. Noter que l'application ne reporte pas les Gaussiens avec un Chi 2 supérieur à 10 (ce sont des mauvais ajustements).
Voici un graphique représentant tous les signaux gaussians obtenus à ce jour(année 2000). Cette série de données est utilisée pour tracer les graphiques suivants.
Nous nous demandons ici combien de signaux gaussiens ont été détectés pour chacune des résolutions de fréquence que l'application a examiné.
Il n'y a aucun signal gaussien pour les trois résolutions les plus fines, parce que nous ne calculons pas d'ajustements gaussiens pour ces résolutions. En effet, la résolution temporelle est trop faible pour ces résolutions de fréquences en vue de produire suffisamment d'éléments dans la durée.
Il y a deux raisons pour lesquelles nous voyons peu ou pas de signaux gaussiens aux résolutions de fréquences les plus grossières. Tout d'abord, nous en voyons moins parce que nous en calculons moins. Deuxièmement, les signaux en bande étroite ne dépassent pas aussi facilement le niveau de bruit à des résolutions plus larges. Aussi, à moins que le signal soit très puissant, il ne sera pas assez fort par rapport au bruit de fond pour être reporté par l'application d'ajustement gaussien.
Puisque nous sommes capables de mesurer les signaux en bande étroite les plus faibles à des résolutions de fréquence plus élevées, les graphiques suivant ont été obtenus pour une largeur de bande de 0,6 Hz.
Ce graphique trace le nombre de signaux gaussiens intéressants qui ont été détectés pour chaque vitesse de dérive en fréquences, en employant une analyse à la résolution de fréquences de 0,6 Hz.
Ce graphique montre le nombre de signaux gaussiens intéressants qui ont été détectés pour chaque fréquence examinée à une résolution de 0,6 Hz
Ici nous voyons nos signaux gaussiens les plus intéressants distribués sur une carte du ciel. Les amas aux déclinaisons extrêmes sont dues au fait que le faisceau du radio-télescope dévie tout seul dans le ciel avec la rotation de la Terre (l'antenne SETI n'est pas conçue pour pointer un objet céleste et suivre sa trajectoire dans le ciel) ; aussi le mouvement du faisceau du télescope ralentit naturellement lorsqu'il atteint les déclinaisons extrêmes. Nous voyons alors plus de signaux gaussiens simplement parce que nous passons plus de temps à regarder ces régions.
Un signal triple est une série de trois signaux crête équidistants. L'écran de veille de SETI@home détermine des triplets en regardant chaque paire de signaux crête supérieur à un seuil fixe de puissance. Il recherche alors avec précision un autre pic entre les deux pics. Si un pic est trouvé, un triplet est enregistré puis reporté à Berkeley.
Nos voisins les extraterrestres pourraient ne pas envoyer un signal sympa avec une tonalité uniforme qui serait relativement facile à détecter. Ils pourraient envoyer une série d'impulsions espacées - une utilisation plus économique de la puissance. L'écran de veille SETI@home recherche la répétition d'impulsions et de signaux triples, à des résolutions de fréquence supérieures ou égales à 0,59 hertz.
Pour trouver une série d'impulsions répétées, l'écran de veille SETI@home applique un test spécial appelé algorithme de repli rapide (fast folding algorithm). Si l'application découvre une série d'impulsions repétées, elle les représentera statistiquement pour décrire ce qu'elle a trouvé :
"power" nous indique la puissance d'une impulsion par rapport au bruit de fond cosmique. "period" nous indique la durée entre les signaux pulsés (en secondes). Puisque les IFR et le bruit aléatoire peuvent tout deux simuler un signal pulsé, nous avons placé un seuil minimum pour l'acceptation. Ce seuil est calculé de façon dynamique et dépend de la durée et le nombre de fois où les données ont été pliées. (Pour les polards en math, celà implique d'inverser une fonction connue sous le nom de "fonction gamma incomplète"). Le "score" d'un signal pulsé est obtenue en effectuant la soustraction suivante : amplitude du signal pulsé - seuil minimum. Un signal pulsé avec un score supérieur à 1 sera reporté lorsque l'application retournera son résultat à Berkeley.