• Aucun résultat trouvé

Méthode du temps de montée sur les données CODALEMA Comme vu à la section 1.4.2, les stations autonomes de CODALEMA sont identiques à celles

suppression du bruit de fond dans les données RAuger

3.3 Méthode du temps de montée sur les données CODALEMA Comme vu à la section 1.4.2, les stations autonomes de CODALEMA sont identiques à celles

CCR(t) = 0, 028 ± 0, 006 t. Le χ2 d’une fonction cumulative C pour une trace donnée est défini par

χ2 =Pt70 %

t10 %(C(t) − ˜CCR(t))2 représentant l’écart à la tendance suivie par une cumulative gerbe. La trace est sélectionnée si χ2 < 0, 7. On obtient avec cette méthode une efficacité comparable à celle

obtenue précédemment avec un facteur de suppression égal à 86 %.

3.3 Méthode du temps de montée sur les données CODALEMA

Comme vu à la section 1.4.2, les stations autonomes de CODALEMA sont identiques à celles uti-lisées pour RAuger (même antenne, même électronique). Au vu du succès de cette méthode sur les données RAuger, l’utilisation du temps de montée du pulse principal afin de discriminer les gerbes atmosphériques du bruit de fond a donc été testée sur les données de CODALEMA par D. Torres en

108 Chapitre 3 - Suppression du bruit de fond dans les données RAuger octobre 2012 [121, 122].

L’étude a été réalisée sur un échantillon de 88 traces gerbe détectées en coïncidence par les stations radio et les scintillateurs de CODALEMA en polarisation EO entre mai et septembre 2012 et d’un échantillon de 1000 traces bruit de fond enregistrées durant la même période. Les fonctions cumu-latives obtenues pour ces deux échantillons sont présentées dans la figure 3.15. On observe la même tendance que pour RAuger, les cumulatives de l’échantillon gerbe présentent des pentes similaires et atteignent leurs maximums plus vite que les cumulatives de l’échantillon bruit de fond.

Fig.3.15 – Fonctions cumulatives normalisées obtenues pour les échantillons gerbe (en rouge) et bruit de fond (en bleu) en polarisation EO constitués respectivement de 88 et 1000 traces.

Comme pour RAuger, les paramètres utilisés pour le calcul du temps de montée ont été optimisés afin de minimiser le rapport entre le nombre de traces gerbe rejetées et le nombre de traces bruit de fond rejetées. En effet, l’environnement radio est différent (comme par exemple la présence de transformateurs EDF). De plus l’intensité et la direction du champ géomagnétique sont différentes à Nançay, de même que le maillage plus petit, entraînant la détection de gerbes de plus faibles énergies, ces paramètres influences le champ électrique mesuré par CODALEMA. Pour cette dernière, les pa-ramètres optimums correspondent à un filtrage effectué dans la bande 24-82 MHz et à un temps de montée défini comme le temps nécessaire pour passer de 10 % à 70 % du maximum de la cumulative. Comme pour RAuger, l’électronique utilisée étant identique, la fenêtre temporelle contenant le pulse principal est fixe : 250 ns entre tmin = 1000 ns et tmax = 1250 ns, le temps de déclenchement des stations CODALEMA est situé aux environs de 1100 ns comme pour RAuger. L’étude a également été effectuée seulement en EO.

Les histogrammes des temps de montée obtenus pour les deux échantillons sont présentés dans la figure 3.16. Comme observé sur les données RAuger, les temps de montée obtenus pour les évènements gerbe sont plus courts que ceux obtenus pour l’échantillon de traces bruit de fond. Pour les 88 traces gerbe étudiées, les temps de montée sont en effet tous inférieurs à 20 ns. Les comportements des deux échantillons sont très différents, les deux histogrammes sont facilement séparables, mais le nombre de traces bruit de fond utilisé ici est trop faible. Une fois calibrée, la méthode est élargie à un plus grand

3.3 - Méthode du temps de montée sur les données CODALEMA 109 nombre de traces bruit de fond.

Fig.3.16 – Histogrammes des temps de montée pour les échantillons gerbe (en rouge) et bruit de fond (en bleu) constitués respectivement de 88 et 1000 traces détectées entre mai et septembre 2012. Les temps de montée des traces gerbe sont tous inférieurs à 20 ns.

L’étude est alors réalisée sur un échantillon de 106 traces bruit de fond enregistrées en polarisation EO par 20 stations du réseau CODALEMA choisies aléatoirement afin de restreindre la quantité de données à analyser. La corrélation entre les limites inférieure et supérieure tmin et tmax du calcul de temps de montée est utilisée, il s’agit en effet de la méthode d’étude du temps de montée ayant donné les meilleurs résultats pour RAuger. Pour cela, on étudie le critère suivant : χ2 = (tmax− (a tmin+ b))2. Une trace bruit de fond est rejetée si son χ2 est supérieur au double du χ2 maximum obtenu pour une trace gerbe : χ2

max= 23. Une coupure supplémentaire est appliquée sur les limites de calcul du temps de montée, tmin et tmax. Le résultat de cette étude pour une station CODALEMA ayant détecté 103

traces durant la période analysée est présenté dans la figure 3.17.

Appliquée sur les 20 stations ayant pris des données dans la période étudiée correspondant à 106

traces bruit de fond et 88 traces gerbe, la méthode conduit à la suppression globale de 94,2 % de traces bruit de fond et ne supprime aucune des 88 traces gerbe. Les taux de suppression du bruit de fond station par station (pour les 20 stations ayant participé à cette étude) sont présentés dans la figure 3.18.

Conclusion

La discrimination des évènements radio induits par des gerbes atmosphériques des évènements bruit de fond est un des principaux défis de la radio détection des rayons cosmiques. La stratégie mise en jeu dans ce chapitre afin de trouver une observable radio permettant de discriminer les évènements gerbe des évènements bruit de fond, et donc d’améliorer la détection autonome, est basée sur la com-paraison des comportements relatifs à deux échantillons distincts : un composé d’évènements bruit de

110 Chapitre 3 - Suppression du bruit de fond dans les données RAuger

Fig.3.17 – Corrélation entre les limites de calcul du temps de montée tmin et tmax pour les 103 traces bruit de fond (points colorés) détectées par une station CODALEMA et les 88 traces gerbe (croix noires). Le fit linéaire réalisé sur les traces gerbe est indiqué par la ligne pleine et donne tmax = (0, 97 ± 0.01).tmin + 48 ±6, 7 . La valeur de χ2 maximale obtenue pour les traces gerbe est égale à 23. La coupure 2.χ2

max est indiquée par la ligne pointillée. Le code couleur représente la densité de traces de bleu foncé : peu peuplé à rouge : très peuplé.

fond (2.107 traces) et un constitué de gerbes atmosphériques. Les évènements gerbe (95 traces) ont été détectés en coïncidence entre le SD et les stations radio de RAuger.

Nous avons décrit ici deux méthodes explorant différentes observables discriminantes potentielles. La première a été construite dans le domaine fréquentiel et fournit un facteur de suppression de bruit fond égal à 59,4 %. Cette méthode rejette également 3,26 % de traces gerbe. Le rapport entre le nombre de traces bruit de fond rejetées et le nombre de traces gerbe rejetées n’est pas satisfaisant (environ 0,055). De plus, cette méthode fait appel à des ressources informatiques importantes dues à l’application successive de plusieurs FFTs. Afin de diminuer ce rapport, une méthode de réjection a été développée dans le domaine temporel. La discrimination entre bruit de fond et gerbe atmosphérique est alors basée sur la caractérisation de la forme d’onde. La comparaison entre les deux échantillons a permis d’observer que la durée du pulse principal des évènements gerbe est plus courte que celle du bruit de fond dans la majorité des cas. On utilise alors le temps de montée du pulse principal dans une courte fenêtre en temps comme observable discriminante. L’application de différentes coupures sur cette observable a permis de rejeter près de 90 % des traces bruit de fond et seulement une trace gerbe (1,05 %) dont le signal est de très mauvaise qualité. Cette méthode répond à nos attentes avec un rapport entre le nombre de traces bruit de fond rejetées et le nombre de traces gerbe rejetées très satisfaisant, égal à environ 0,012 (4,6 fois plus petit et donc efficace que la première méthode), et un plus faible besoin en ressources informatiques, la méthode nécessitant moins de FFTs. Cette méthode a été présentée au cours de la conférence internationale RICAP [123] et de la conférence nationale SF2A [124]. Elle a également fait l’objet d’un poster à l’ISAPP en 2012 [125].

3.3 - Méthode du temps de montée sur les données CODALEMA 111

Fig. 3.18 – Plan du réseau CODALEMA indiquant les taux de suppression du bruit de fond pour chacune des 20 stations ayant participé à l’étude, choisies aléatoirement afin de restreindre la quantité de données à analyser. Les taux de suppression sont indiqués au-dessus des cercles colorés représentant les stations participantes. L’échelle colorée représente le nombre d’évènements détectés par chaque station entre février et septembre 2012. Les stations non utilisées pour cette étude sont indiquées par des croix noires (restriction de la quantité de données à analyser). Pour chaque station le taux de réjection est pondéré par le nombre d’évènements détectés.

motivant le test de la méthode de réjection basée sur l’étude du temps de montée du pulse principal sur cette expérience. Cette observable a donc pu être étudiée dans un environnement radio différent et dans l’hémisphère nord. L’étude a porté sur six mois de prise de données de 20 stations CODALEMA (entre février et septembre 2012) ; deux échantillons ont été étudiés : le premier constitué de 106 traces bruit de fond et le second de 88 traces gerbe détectées en coïncidence entre les stations radio et les scintillateurs de CODALEMA. Le facteur de suppression du bruit de fond durant cette période est égal à 94,2 % sur l’ensemble des traces enregistrées par les 20 stations, la méthode permet donc de réduire significativement le lot de données à analyser. Afin d’en profiter au mieux, l’algorithme est installé on-line (au fil de l’acquisition) sur la chaine d’acquisition de CODALEMA depuis janvier 2013 au niveau 2 de déclenchement, T2.

La méthode du temps de montée décrite dans ce chapitre a été appliquée aux données d’AERA dans le cadre du développement d’une méthode de sélection des coïncidences AERA-SD présentée dans le chapitre suivant.

Chapitre 4

Sélection des coïncidences entre AERA