本研究提出了一种新方法，结合信号处理与深度学习，解决传统CFAR算法在调优和环境敏感性方面的难题。实验结果表明，该方法在目标检测中显著优于传统方法，检测率和虚警率提高了10倍。

本研究使用 PyCBC 搜索在先进的引力波探测器数据中紧密物体二进制合并引起的引力波。搜索已在第一次高级 LIGO 观测运行中使用，明确识别了两个黑洞二进制合并事件。该分析能够衡量虚警率低至每一百万年一次，为信号的自信检测所需。本研究使用了最初 LIGO 的第六次科学运行的数据，证明了新的分析降低了搜索中的背景噪声，使得对于之前的搜索，二进制中子星系统的灵敏度增加了 30％。