Signal Processing

🧬 Revolutionary LLM-guided framework for automated algorithmic discovery in gravitational wave detection. Combines evolutionary optimization with Monte Carlo Tree Search to achieve 20.2% improvement over domain-specific methods and 59.1% over LLM-based optimization frameworks on MLGWSC-1 benchmark.

🌊 AI-powered gravitational wave detection system using Model Context Protocol (MCP) for efficient parameter space exploration. Features optimization client, analysis server, and automated parameter exploration for LIGO GW150914 data with LLM-agent validation.

Deep learning method for rapid detection of massive black hole binary coalescences in LISA data, achieving high sensitivity with no false alarms while processing 1-year data in seconds.

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。

All I need to know on "*data analysis in gravitational-wave science*".

此文基于自己最初学习引力波数据处理的时候，研究 Pyhon/MATLAB 等编程语言和程序包中的 `fft` 具体含义的科学笔记。