5.2.2 信号提取：匹配滤波、机器学习降噪（CNN/GAN）、实时触发系统（GstLAL）

文档摘要

5.2.2 信号提取：匹配滤波、机器学习降噪（CNN/GAN）、实时触发系统（GstLAL）在引力波天文学的精密宇宙听诊器里，信号提取不是“从噪声中找信号”的浪漫比喻，而是毫秒级时间分辨率下、信噪比（SNR）常低于1的物理极限搏斗——LIGO-Virgo-KAGRA联合观测中，典型双黑洞并合事件在探测器输出中仅表现为一个振幅不足 $10^{-21}$ 米的应变扰动，埋没在激光散粒噪声、地震微颤、电源纹波、量子辐射压力噪声构成的复合噪声基底之下。这已非传统滤波能企及的疆域；它是一场对数学工具、计算架构与实时决策逻辑的三重严苛考验。而本节所聚焦的“5.2.2 信号提取”，正是这场考验的核心战壕：匹配滤波是它的古典火炮，机器学习降噪是它的智能装甲，GstLAL则是它跳动的实时脉搏。