Gravitational Wave Data Exploration: A Practical Training in Programming and Analysis
转载自：https://wjn1996.blog.csdn.net/article/details/120607050
这是关于 DeepLearning.ai 联合 OpenAI 推出《面向开发者的 ChatGPT 提示工程》教程相关的资料整理，讲师为 DeepLearning 创始人吴恩达以及 OpenAI 开发者 Isa Fulford。 视频字幕文件已开源至 [GitHub](https://github.com/GitHubDaily/ChatGPT-Prompt-Enginee)，这个帖子几乎完全参考了 Datawhale 的 [GitHub](https://github.com/datawhalechina/prompt-engineering-for-developers) 上的整理，以方便我个人学习和资料查找。
The paper describes a neural network architecture, based on **normalizing flows** alone, that is able to generate posteriors on the **full** $D = 15$ dimensional parameter space of quasi-circular binary inspirals, using input data surrounding the first observed GW event, **GW150914**, from multiple gravitational-wave detectors.
由于个人研究课题的需要，我仔细的研读了 `Scipy.signal.spectral` 的[源码](https://github.com/scipy/scipy/blob/master/scipy/signal/spectral.py)。此文就是关于此源码的详细解析教程，以方便我未来回溯相关**谱分析** (**spectral analysis**) 的细节，也通过阅读成熟且优美的源代码提高自己的 Python 编程开发能力。内容涉及：`stft`, `istft`, `csd`, `welch`, `coherence`, `periodogram`, `spectrogram`, `check_COLA`, `check_NOLA`, `lombscargle`
最近发现在 Scipy 信号处理的原代码中，可以利用对负数取余的便利操作，进一步优化和清晰我们数据处理的过程。此贴计划直接简明扼要的介绍和记录 “负数取余” 的 trick。
现代对音乐声音的分析，一般都采用一种具有相同指数分布规律的时频变换算法——**CQT** (Constant-Q transform)。我根据研究的需要，将该算法的 MATLAB 代码翻译到 Python 版本。
此文简明扼要探讨了 Python 装饰器中 Property 的 Setter 和 Getter 的运行机制，并且给出了几个非常典型的代码示例。
**S变换**是一种可逆的时频分析方法，它是短时窗傅立叶变换和小波变换的结合。它克服了短时窗傅立叶变换不能调节分析窗口频率的问题，同时引入了小波变换的多分辨率分析，且与傅立叶频谱保持直接的联系，针对地震资料的特点有很好的时频分析能力。
Python Script to plot cumulative GW Events until the end of O3a and Public Alerts in O3b