Quickest Sequence Phase Detection
相位检测序列是长度为$n$的循环序列，使得任何长度为$k$的连续子序列的位置可以根据该子序列的噪声观测来确定。本文在$n\to\infty$的极限下，给出了最小可能$k$的界，并给出了一些序列的构造。我们进一步考虑多个相位检测序列，其中每个序列的任何长度- $k$连续子序列的位置可以同时从这些序列的噪声混合物中确定。我们研究了序列长度之间的最佳权衡，并描述了一些序列的构造。我们比较这些相位检测问题，他们的自然信道编码同行，并显示在多序列的情况下，基本限制之间的严格分离。对抗性和概率噪声模型都得到了解决。
2017-04-19 cs.IT math.IT
Syndrome-based Fusion Rules in Heterogeneous Distributed Quickest Change Detection
针对带1比特非匿名反馈的HetDQCD问题，提出基于综合征的融合规则族，并借助Hasse图界与剪枝搜索分析加权投票规则，实现优于匿名投票和群组选择的检测性能。
2024-05-11 cs.IT math.IT
Quantum-enhanced quickest change detection of transmission loss
本文提出利用时间模式干涉仪分裂压缩光，为相干通信系统的相位调制激光脉冲附加跨时间箱纠缠的微量量子光子，在不影响通信速率的前提下，将零差接收器检测信道损耗突变的能力最高提升至变化前损耗的倒数，并探讨了最快变化检测的量子极限及联合通信与变化检测问题。
2025-11-01 cs.IT math.IT quant-ph
Multi-Chart Detection Procedure for Bayesian Quickest Change-Point Detection with Unknown Post-Change Parameters
在贝叶斯框架下研究了随机过程突变的快速检测问题。与经典的贝叶斯最快变点检测问题不同，本文考虑了变化后分布不确定的情况。具体地说，观察者只知道变化后的分布属于参数分布族，但他不知道变化后参数的真实值。在这种情况下，我们提出了两个多图检测过程，分别称为M-SR过程和修改的M-SR过程，并证明了这两个过程是渐近最优的，当后改变的参数属于一个有限集，并渐近$ε-$最优的后改变的参数属于一个有限的措施紧集。这两种算法都可以有效地计算，因为它们的检测统计数据可以递归地更新。然后，我们扩展的研究，考虑多源监测问题与未知的变化后的参数。当这些监测源是相互独立的，我们提出了一个基于窗口的修改M-SR检测过程，并表明，所提出的检测方法是一阶渐近最优的后变化的参数属于有限集。我们表明，所提出的算法的计算和空间复杂度只线性增加相对于源的数量。
2017-08-23 cs.IT math.IT
Exactly Optimal Bayesian Quickest Change Detection for Hidden Markov Models
本文研究了贝叶斯环境下隐马尔可夫模型的最快检测问题。我们构建了一个增强的HMM表示的问题，允许应用动态规划方法来证明Shiryaev的规则是一个（精确的）最优解。这种增强的表示突出了问题的基本信息结构，并建议可能放宽到更多的异国情调的变化事件的先验文献中没有出现。最后，这种增强表示也使我们能够提出一个有效的计算方法来实现最优解。
2023-03-16 cs.IT cs.SY eess.SY
On the Performance of Quickest Detection Spectrum Sensing: The Case of Cumulative Sum
快速变化检测（QCD）是许多应用中的基本问题。给定在某个翻转点周围呈现两种不同分布的测量序列，目标是尽可能快地检测翻转点周围分布的变化。QCD问题出现在许多实际应用中，例如，质量控制、电力系统线路中断检测、频谱重用以及资源分配和调度。在本文中，我们专注于频谱感知作为我们的应用程序，因为它是一个关键的过程，正确的功能的认知无线电网络。基于累积和（Cumulative sum，Cumulative sum），推导了基于Cumulative sum的频谱感知的检测概率和虚警概率。我们使用数值模拟证明了我们推导的正确性。
2020-01-22 cs.IT cs.NI math.IT
Bayesian Quickest Change Point Detection with Sampling Right Constraints
研究了带抽样权约束的贝叶斯最快变化检测问题。具体来说，存在一系列随机变量，其概率密度函数将在未知时间发生变化。目标是以使得平均检测延迟和虚警概率的线性组合最小化的方式检测这种变化。讨论了两类抽样权约束。第一个是有限采样权约束，其中观察者可以从该随机序列中最多获取$N$个观察值。在这种设置下，我们表明，成本函数可以写为一组迭代函数，可以解决马尔可夫最优停止理论。最佳停止规则是一个阈值规则。当虚警概率趋于零时，平均检测延迟的渐近上界被开发出来。这个上界表明，有限采样权问题的性能接近经典贝叶斯最快检测的几种情况下的实际利益。本文讨论的第二个约束是随机抽样权约束，其中抽样权通过观测值消耗并随机补充。如果没有剩余的采样权限，则观察者不能进行观察。我们描述的最优解，它有一个非常复杂的结构。对于实际应用，我们提出了一种低复杂度的算法，该算法的采样规则是只要观察者还有采样权就取观察值，检测方案是阈值规则。我们表明，这种低复杂度的计划是一阶渐近最优的虚警概率为零。
2014-07-15 cs.IT math.IT
Bandwidth-Constrained Distributed Quickest Change Detection in Heterogeneous Sensor Networks: Anonymous vs Non-Anonymous Settings
研究异构传感器网络中带宽受限的分布式快速变化检测，提出加权投票规则，优于匿名方案，揭示匿名代价。
2023-05-09 cs.IT math.IT
Non-Bayesian Quickest Detection with Stochastic Sample Right Constraints
在本文中，我们研究了传感器的最佳检测方案的设计和分析，这些传感器用于监测环境的变化，并由从环境中收集的能量供电。在这种类型的应用中，检测延迟至关重要。我们将此问题建模为具有随机能量约束的最快变化检测问题。特别是，由可再生能源供电的无线传感器从随机序列中获取观测值，其分布将在某个未知时间发生变化。这种变化意味着有意义的事件。传感器中的能量通过进行观察而消耗，并随机补充。如果电池中没有剩余能量，则传感器无法进行观察。我们的目标是设计一个功率分配方案和检测策略，以最大限度地减少最坏情况下的检测延迟，这是一个报警的时间和时间之间的差异时，发生变化。两种类型的平均游程长度（ARL）的约束，即算法级ARL约束和系统级ARL约束，被认为是。我们提出了一个低复杂度的计划，其中的能量分配规则是花费能量采取观察，只要电池不空和检测方案是累积和测试。我们表明，该计划是最优的配方与算法级ARL约束，是渐近最优的配方与系统级ARL约束。
2013-02-15 cs.IT math.IT
On the Fundamental Tradeoff of Joint Communication and Quickest Change Detection with State-Independent Data Channels
该研究率先探究集成感知通信场景下通信与最快变化检测的信息论权衡，构建对应问题模型，提出基于恒定子块组成码和SCS检测规则的内界及匹配的部分逆定理，验证其渐近最优性并给出多类信道的权衡示例。
2024-10-10 cs.IT eess.SP math.IT
Quickest Eigenvalue-Based Spectrum Sensing using Random Matrix Theory
我们调查的频谱感知应用的样本协方差矩阵的特征值的基础上的最快检测的潜力。考虑了加性高斯白噪声（AWGN）环境下，主用户（PU）和次用户（SU）分别为$1$和$K$的简单相移键控（PSK）模型.在$\mathcal{H}_0$（仅噪声）和$\mathcal{H}_1$（信号+噪声）这两种检测假设下，样本协方差矩阵的特征值遵循Wishart分布。对于$K = 2$ SU的情况下，我们推导出的概率密度函数（PDF）的最大-最小特征值（MME）检测器下$\mathcal{H}_1$的解析公式。利用$\mathcal{H}_0$下的文献结果，我们研究了两种检测方案。首先，我们根据分析结果计算MME块检测器的接收机操作特性（ROC）。其次，我们介绍了两种基于特征值的最快检测算法：累积和（Cumulative sum，Cumulative sum）算法，当PU信号的信噪比（SNR）是已知的和使用广义似然比的算法，在SNR是未知的情况下。给出了该算法的平均虚警时间$τ_\text{fa}$和平均检测时间$τ_\text{d}$的界。数值模拟说明了块检测方案的最快检测方法的潜在优势。
2015-10-13 cs.IT cs.NI math.IT
Distributed Bayesian Quickest Change Detection in Sensor Networks via Two-layer Large Deviation Analysis
提出了一种基于随机流言的传感器间通信结构的分布式贝叶斯最快变化检测算法。在没有控制或融合中心的情况下，每个传感器以并行和分布式方式执行其本地变化检测过程，通过随机传感器间通信与其相邻传感器交互以传播信息。通过将网络中的信息传播过程建模为马尔可夫过程，提出了两层大偏差分析方法来分析算法的性能。第一层分析表明，虚警概率与条件平均检测时延之间的关系满足大偏差原理，即当条件平均检测时延增加时，罕见事件的虚警概率以指数速度衰减到零，其中Kullback-Leibler信息数是一个关键因素.第二层分析表明，当平均通信次数增加时，并非所有观测值在传感器处都可用的罕见事件的概率以指数快速的速率衰减到零，其中还导出了该速率的大偏差上界和下界，基于此，我们表明分布式算法的性能以指数快速收敛到集中式算法的性能，通过证明定义的分布式Kullback-Leibler信息数收敛于集中式Kullback-Leibler信息数。
2015-12-08 cs.IT math.IT
Quickest Change Detection with Mismatched Post-Change Models
在本文中，我们研究了最快的变化检测与不匹配的变化后的模型。变点是随机过程的分布发生变化的时刻。最快变化检测的目标是在一定的性能约束下最小化未知变化点的检测延迟，例如平均游程长度（ARL）到虚警或虚警概率（PFA）。大多数现有的变化检测程序假设完美的知识的随机过程分布之前和之后的变化点。然而，在许多实际应用中，如异常检测，变更后的分布往往是未知的，需要估计有限数量的样本。在本文中，我们研究的情况下，有一个真正的变化后的分布和检测过程中使用的不匹配。我们分析识别两个经典的检测程序，累积和（CANUUM）程序和Shiryaev-Roberts（SR）程序不匹配的变更后模型的影响。失配模型的影响的特点是在各种有限的或渐近性能界限的ARL，PFA，和平均检测延迟（ADD）。结果表明，修改后的模型不匹配导致ADD增加，性能下降的速率取决于两个Kullback-Leibler（KL）偏差之间的差异，一个是先验分布和修改后分布之间的差异，另一个是真实分布和不匹配的修改后分布之间的差异.
2016-01-26 cs.IT math.IT stat.ME
Non-parametric Quickest Change Detection for Large Scale Random Matrices
考虑了基于具有单个未知变点的观测序列的$n\times p$随机矩阵的分布变化的最快检测问题。矩阵的行的变化前和变化后的分布的形式被假定为属于具有稀疏色散矩阵的椭圆轮廓密度的家族，但在其他方面是未知的。我们提出了一个非参数的停止规则，这是基于一个新的汇总统计相关的k-最近邻列之间的相关性，每个观察到的随机矩阵。在大尺度制度的$p\rightarrow \infty$和$n$固定，我们表明，在所有功能的建议的汇总统计量，建议的停止规则是渐近最优的最小最大最快变化检测（QCD）模型。
2015-06-20 cs.IT math.IT math.ST
Quickest Detection Of Deviations From Periodic Statistical Behavior
本文提出了一类新的随机过程，称为独立周期同分布（i.p.i.d.）过程被定义为捕获周期性变化的统计行为。提出了算法来检测这种ipid的变化。流程.结果表明，该算法可以递归计算，是渐近最优的。这个问题在流量数据、社交网络数据和神经数据中的异常检测中有应用，其中已经观察到周期性统计行为。
2018-10-30 cs.IT eess.SP math.IT
Quickest Change Detection
检测随机系统和时间序列的统计特性变化的问题出现在科学和工程的各个分支中。它具有广泛的重要应用，从机器监控到生物医学信号处理。在所有这些应用中，被监测的观测值响应于环境中的变化或异常而经历分布的变化，并且目标是尽可能快地检测到变化，受到虚警约束。在这一章中，最快变化检测问题的两个公式，贝叶斯和极大极小，并讨论了这些公式的最优或渐近最优解。然后，一些推广和扩展的最快变化检测问题进行了说明。本章最后讨论了应用和未决问题。
2012-10-19 cs.IT math.IT math.OC
A Binning Approach to Quickest Change Detection with Unknown Post-Change Distribution
最快检测分布变化的问题被认为是在假设变化前的分布是已知的，和变化后的分布只知道属于一个家庭的分布区别于离散化版本的变化前的分布。提出了一种顺序变化检测过程，该过程将样本空间划分为有限数量的箱，并监视落入这些箱中的每个箱中的样本的数量以检测变化。提出了一种近似广义似然比检验的检验统计量。结果表明，建议的检验统计量可以有效地计算使用递归更新计划，并提供了一个程序，用于选择在该计划中的箱数。各种渐近性质的检验统计量推导出的平均检测延迟和平均游程长度之间的性能权衡虚警的见解。对合成数据和真实数据的测试表明，我们的方法在性能上与现有的非参数变化检测方法相当或更好。
2018-11-02 cs.IT math.IT stat.AP
Quickest Change Detection in Parametric Models With 1-Bit Measurements
University of Minnesota（明尼苏达大学）
针对含未知参数的1比特量化观测的参数模型变化检测问题，提出AQuTeCUSUM算法，其通过在线估计参数并自适应选阈值最大化Kullback-Leibler散度，经理论证明渐近最优，并在高斯、泊松分布下验证性能。
2026-08-20 cs.IT math.IT math.ST
Minimax Optimality of Shiryaev-Roberts Procedure for Quickest Drift Change Detection of a Brownian motion
研究了检测布朗运动漂移变化的问题。假设变点具有未知参数的修正指数先验分布。最坏情况下的分析，这些参数通过导致最小-最大的问题制定。分析和数值的理由是建立一个专门设计的起点的Shiryaev-罗伯茨程序是完全最佳的建议的数学设置。
2016-10-09 cs.IT math.IT math.OC
Quickest Detection of Time-Varying False Data Injection Attacks in Dynamic Linear Regression Models
受动态智能电网中虚假数据注入攻击（FDIA）的顺序检测的启发，我们考虑了动态线性回归模型中顺序检测时变FDIA的更一般的问题。线性回归模型和FDIA中的未知时变参数向量对设计计算高效的检测器提出了重大挑战。我们首先提出了两个累积和型算法来解决这一挑战。一种是广义累积和算法（Generalized Cumulative-Sum，GSTUM），另一种是广义累积和算法（Relaxed Generalized Cumulative-Sum，RGSTUM），它是GSTUM的一种改进算法。可以表明，所提出的RGARUM算法的计算复杂性与观测的数量成线性比例。接下来，考虑Lordon的设置，对于任何给定的约束的预期虚警周期，在建议RGARUM算法中采用的阈值的下限推导，这提供了一个指导方针，建议RGARUM算法的设计，以达到规定的性能要求。此外，对于任何给定的阈值中采用的建议RGARUM算法，上界的预期检测延迟也提供。建议RGARUM算法的性能也数值研究的背景下，IEEE标准的电力系统FDIA。
2018-11-13 cs.IT math.IT
Consensus-based Distributed Quickest Detection of Attacks with Unknown Parameters
被认为是在一个分布式估计系统中的顺序攻击检测，其中每个传感器连续产生一个所需的确定性标量参数被加性噪声破坏的一位量化样本。攻击前和攻击后模型中的未知参数，即待估计的期望参数和被攻击传感器处注入的恶意数据，对设计计算高效的方案以使每个传感器仅通过使用与相邻传感器的本地通信来检测攻击的发生构成了重大挑战。考虑了广义累积和（GSTUUM）算法，该算法在GSTUUM检验统计量中用未知参数的最大似然估计代替未知参数。对于所考虑的问题，提供了一个充分条件，在此条件下，可以保证期望的虚警周期的GSTRUUM是大于任何给定的值。接下来，我们考虑GSTRUUM的分布式实现。首先，我们提出了一个替代的检验统计量，这是渐近等价的GSTUUM。然后基于所提出的替代测试统计量和运行的共识算法，我们提出了一个分布式近似GSTUUM算法，显着降低了过高的计算复杂性的集中式GSTUUM。数值结果表明，分布式近似GSTUUM算法可以提供一个性能，是集中式GSTUUM。
2018-02-08 cs.IT math.IT
Finite-Horizon Quickest Change Detection Balancing Latency with False Alarm Probability
The Grainger College of Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校格兰格工程学院）
针对非平稳环境下的有限时域最快变化检测问题，本文推导通用时延下界，设计阶最优检测器，将结论从分布已知场景推广到次高斯非参数场景，并通过仿真验证理论结果。
2025-11-16 cs.IT math.IT stat.ML
Minimax Robust Quickest Change Detection
最快变化检测过程的最优性的流行准则是Lorden准则、Shiryaev-Roberts-Pollak准则和贝叶斯准则。本文考虑了这些最快变化检测问题的鲁棒版本，当变化前和变化后的分布不完全已知但属于已知的不确定性分布类别时。对于满足特定条件的不确定性类，它表明，人们可以识别最不利的分布（LFD）的不确定性类，这样的LFD设计的检测规则是最佳的鲁棒性问题在极大极小意义上。的条件是类似的，所需的鲁棒性假设检验问题的LFD识别最初由Huber研究。在Lorden最优性准则下的渐近设定中，也得到了鲁棒检验所引起的时滞的上界。这个界限量化了为保证鲁棒性而产生的延迟惩罚。当LFD可以被识别时，所提出的测试比基于广义似然比（GLR）统计量的Cumsum测试更容易实现，这是一种流行的方法，用于这种鲁棒的变化检测问题。所提出的测试也显示出更好的性能比GLR测试在模拟的一些参数值。
2010-06-01 cs.IT math.IT math.ST
Quickest Change Detection with a Censoring Sensor in the Minimax Setting
Hong Kong University of Science and Technology（香港科技大学）；Zhejiang University（浙江大学）；Royal Institute of Technology（皇家理工学院）
本文研究了具有 censoring 传感器的最快变化检测问题，通过最小最大方法优化 censoring 策略和停止时间，以最小化检测延迟并满足平均运行长度和平均能量成本的约束。
2014-11-12 cs.IT cs.SY eess.SY
Quickest Detection with Discretely Controlled Observations
University of Michigan（密歇根大学）
研究连续时间贝叶斯最快检测问题，其中观测时间有限，通过跳跃算子方法建立最优策略存在性并设计算法，证明当观测次数趋于无穷时收敛到Shiryaev经典连续观测问题。
2014-12-03 cs.IT cs.SY eess.SY
Bayesian Quickest Change Detection of an Intruder in Acknowledgments for Private Remote State Estimation
对于地理上分离的信息物理系统，远程监视或控制站点处的状态估计对于确保系统的稳定性和可靠性是重要的。通常出于安全或商业原因，有必要确保过程状态和控制信息的机密性。当前感兴趣的主题是机密国家信息的私人传输。许多传输编码方案依赖于可能易受来自对手的干扰的干扰。我们考虑一个隐形入侵者，有选择地阻止窃听，使窃听者获得一个可靠的状态估计击败编码方案。我们利用贝叶斯最快变化检测技术，快速检测在线入侵者在远程发射机和接收机的存在。
2022-12-16 cs.IT cs.SY eess.SP
Data-Efficient Minimax Quickest Change Detection with Composite Post-Change Distribution
最快变化检测的问题进行了研究，有一个额外的约束的成本之前使用的观察变化点和变化后的分布是复合的。极小极大公式提出了这个问题。假设变化后的分布族中有一个成员在某种意义上是最不利的。提出了一种基于最不利分布的开关观测控制算法，并采用基于广义似然比的方法进行变化检测。在改变后的分布族是有限的，或者改变前和改变后的分布都属于一个单参数指数族的条件下，证明了该算法对所有可能的改变后分布都是渐近最优的.
2014-10-13 cs.IT math.IT math.PR
Quickest Detection over Sensor Networks with Unknown Post-Change Distribution
我们提出了一个最快的变化检测问题，传感器网络中的传感器的子集正在发生变化和局部变化后的分布是未知的。网络中的每个传感器在有限的字母表上观察局部离散时间随机过程。初始时，观测值是独立同分布（i.i.d.）的。已知的变化前分布独立于其它传感器。在固定但未知的变化点处，传感器的固定但未知的子集经历变化并开始观察来自未知分布的样本。我们假设可以使用分布空间上的凹（或凸）局部统计量来量化变化。我们提出了一个渐近最优的和计算易处理的停时Lorden的标准。在这种情况下，我们提出的方法使用凹的全球累积和（CIMUM）统计融合中心和抑制最有可能的虚警使用信息投影。最后，我们给出了一些数值模拟的结果，我们的算法所描述的问题。
2021-02-09 cs.IT eess.SP math.IT
Hierarchical Quickest Change Detection via Surrogates
Virginia Tech（弗吉尼亚理工大学）；University of Arizona（亚利桑那大学）
时间序列数据中的变化检测（CD）是一个关键问题，因为它揭示了驱动时间序列的潜在生成过程中的变化。尽管受到了极大的关注，一个重要的未探索的方面是如何有效地利用额外的相关信息，以提高检测和理解的变化点。我们提出了分层最快变化检测（HQCD），一个框架，正式的过程中，将额外的相关源早期变点检测。HQCD背后的核心思想植根于最快检测理论，HQCD可以被视为其对分层设置的新推广。源被分类为目标和代理，HQCD利用这种结构来系统地吸收观测数据，以更新跨层的变点统计。通过最小化延迟同时仍然保持可靠性界限来提供对实际变化点的决策。此外，HQCD还揭示了目标变化与代理变化之间的有趣关系。我们验证HQCD的可靠性和性能对几个国家的最先进的方法，为合成数据集（已知的变点）和几个现实生活中的例子（未知的变点）。实验结果表明，HQCD算法在不损失检测延迟的前提下，获得了显著的鲁棒性。我们的现实生活中的实验也展示了层次设置的有用性，通过连接代理源（如Twitter聊天）到目标源（如最终导致重大起义的与就业有关的抗议活动）。
2016-03-31 cs.IT cs.LG math.IT
Quickest Detection with Rough Path Signatures
The Pennsylvania State University（宾夕法尼亚州立大学）
研究粗糙路径信号分布变化的最快检测，通过将信号建模为变化前后粗糙路径的连接，转化为最优停止问题，给出最优停止规则及统计保证，扩展到分布鲁棒公式，经数值评估，性能在布朗设置中可比最优方法，在分数布朗设置中更优且抗扰动。
2026-07-28 cs.IT math.IT math.PR
Quickest Change Detection in Continuous-Time in Presence of a Covert Adversary
本文研究连续时间最快变化检测中隐蔽对手将变化后漂移设为虚警约束函数时的检测延迟渐近行为，推导了不同收敛速率下的精确渐近表达式，并证明当漂移按 Θ(1/√γ) 缩放时对手实现最大损害。
2025-09-22 cs.CR cs.IT math.IT
Quickest Change Detection under Transient Dynamics: Theory and Asymptotic Analysis
研究了瞬态动力学下的最快变化检测（quickest change detection，QCD）问题，其中从初始分布到最终持久分布的变化不是瞬时发生的，而是经过一系列瞬态阶段的。不同阶段内的观测值由不同的分布生成。我们的目标是尽可能快地检测到的变化，同时控制的平均游程长度（ARL）的虚警，当瞬态阶段的持续时间是完全未知的。两个算法被认为是动态累积和（CuSum）算法，在早期的工作中提出的，和一个新构造的加权动态CuSum算法。这两种算法承认递归，方便他们的实际实施，他们是自适应的未知的瞬态持续时间。具体而言，他们的渐近最优性建立相对于Lorden的和Pollak的标准作为ARL虚警和瞬态阶段的持续时间去无穷大，在任何相对速率。数值结果证明了所提出的算法的自适应性，并验证了理论结果。
2018-12-12 cs.IT math.IT math.ST
Quickest Search for a Change Point
本文考虑了一个随机变量序列根据一个共同的分布。分布可能在一组未知的时刻经历瞬态变化，称为变点。目标是从序列中顺序地收集测量值，并设计动态决策规则，以便实时的最快地识别一个变化点，同时并行地控制假警报率。此设置不同于传统的变点检测设置，在传统的变点检测设置中，最多存在一个可以是持久的或瞬时的变点。该问题被认为是在极大极小设置与约束的虚警率之前的第一个变化发生。证明了Shewhart检验在最坏情况变点和最坏情况数据实现下达到精确最优性。数值评估也提供了评估性能的决策规则的特点。
2018-04-25 cs.IT math.IT
Robust Quickest Change Detection with Cost-Efficient Experiment Design and Unknown Post-Change Model
University of Pittsburgh（匹兹堡大学）
本文针对多实验场景下后变分布未知的鲁棒最快变化检测问题，提出基于最不利分布设计的算法，该算法满足相关约束且具有一阶渐近最优性，可最小化最坏情况平均检测延迟。
2026-10-14 cs.IT eess.SP math.IT
Quickest Change Detection for Multiple Data Streams Using the James-Stein Estimator
Aalto University（阿尔托大学）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文研究了在多个独立高斯数据流中检测任意未知均值偏移的最快变化检测问题，提出使用詹姆斯-斯蒂文估计器构建检测方案，实现非渐近和渐近性能的提升，通过仿真实验验证了其在大数量数据流时的优越性。
2025-04-04 cs.IT math.IT math.ST
Quickest Change Detection in Discrete-Time in Presence of a Covert Adversary
Inria centre at Université Côte d’Azur（法国蔚蓝海岸大学Inria研究中心）
本文研究了在存在隐秘对抗者的情况下，如何在离散时间中实现最快速度的变化检测，并推导了在特定条件下保持隐秘的条件。
2026-02-16 cs.CR cs.IT math.IT
Quickest Detection of Dynamic Events in Networks
研究了网络中动态事件的快速检测问题。在某个未知的时间，一个事件发生，网络中的许多节点受到该事件的影响，因为它们的观测统计数据发生了变化。假设事件是动态的，因为它可以沿着网络中的边缘传播，并且随着时间的推移影响越来越多的节点。假设事件传播动力学是未知的。我们的目标是设计一个顺序算法，可以检测到一个“重大”事件，即，当事件影响不少于$η$节点时，尽可能快，同时控制虚警率。首先研究了全连通网络，然后将结果推广到任意连通网络。所设计的算法被证明是自适应的未知的传播动力学，和他们的一阶渐近最优证明的虚警率为零。该算法可以在每个时间步的网络规模上以线性计算复杂度实现，这对于在线实现至关重要。数值模拟验证了理论结果。
2018-07-16 cs.IT eess.SP math.IT
Bandit Quickest Changepoint Detection
Indian Institute of Science（印度科学学院）；Boston University（波士顿大学）
针对传感器资源受限下的突变检测问题，提出bandit最快变点检测的在线感知方案，推导了信息论下界与方案的期望延迟界，证明低虚警率下的最优性，实验验证了方法有效性。
2023-06-13 cs.IT cs.LG math.IT
Fundamental Limits Of Quickest Change-point Detection With Continuous-Variable Quantum States
University of Arizona（亚利桑那大学）
本文提出了一种适用于无限维量子系统的最快速度点检测方法，证明了QUSUM策略在连续变量系统中的渐近最优性。
2025-04-22 cs.IT math-ph math.IT
Multi-stream Quickest Change Detection: Foundations and Recent Advances
Aalto University（阿尔托大学）
本文综述了高维多传感器系统中快速变化检测的最新进展，重点解决结构约束和有限传感资源下的挑战，介绍了利用稀疏性等方法处理高维性、采样约束以及多流检测问题，并讨论了机器学习在未知概率模型或大规模系统中的应用。
2026-04-20 cs.IT math.IT math.ST
Quickest detection in coupled systems
这项工作考虑的问题，最快的检测信号的耦合系统中的$N$传感器，从环境中接收连续的顺序观察。它是假设的信号，这是由一般伊藤过程建模，耦合跨传感器，但其发病时间可能会有所不同，从传感器到传感器。考虑两种主要情况;在第一种情况下，信号强度在传感器之间是相同的，而在第二种情况下，它们相差一个常数。目标是系统中的任何传感器接收信号的第一时间的最佳检测。该问题被配制成一个随机最优化问题，其中扩展的最小Kullback-Leibler发散准则被用作检测延迟的测量，与第一个虚警的平均时间的约束。考虑了传感器采用累积和策略的情况，证明了当到达第一个虚警的平均时间无限增加时，$N$累积和的最小值是渐近最优的.特别地，在传感器之间的信号强度相等的情况下，可以看出，随着到第一假警报的平均时间无限制地增加，$N$ -$N$ -UM停止规则和未知的最优停止方案的检测延迟的差趋向于与传感器的数量相关的常数。可替换地，在信号强度不相等的情况下，可以看出该差趋于零。
2014-03-16 cs.IT math.IT math.OC
Learning Where to Look: UCB-Driven Controlled Sensing for Quickest Change Detection
本文提出基于UCB算法的受控感知方法，用于多通道最快变化检测问题，在保证误报率的前提下，自适应地集中感知最有信息的通道，实现检测延迟的最优性。
2026-03-30 cs.IT cs.SY eess.SY
Bayesian Quickest Detection of Propagating Spatial Events
Aalto University（阿尔托大学）
在许多现代应用中，快速检测通过传感器网络传播的空间事件是广泛关注的。特别是在通信、雷达、物联网、环境监测和生物监测中，我们可能会观察到传播场或粒子。在本文中，我们提出了贝叶斯连续的单点和多个变化点检测程序，快速检测这种现象。使用一个动态规划框架，我们推导出的结构的最佳单事件最快的检测过程中，最小化的平均检测延迟（ADD）的虚警概率上界。多传感器系统配置是任意的，传感器可以是移动的。在罕见事件制度，最佳程序收敛到一个更实际的阈值测试的后验概率的变化点。利用空间事件的传播特性，导出了该后验概率的一种方便的递归计算方法。在渐近条件下分析了后验概率门限检验的ADD，并在检测受路径损耗影响的随机高斯信号的情况下进行了具体分析。然后，我们展示了如何提出的程序是很容易扩展到检测多个传播的空间事件并行在多个假设检验设置。提出了一种提供严格的错误发现率（FDR）控制的方法。在模拟部分中，它表明，利用事件的空间属性减少ADD相比，不利用此信息的程序，即使在模型失配。
2022-06-27 cs.IT math.IT math.ST
Data-Efficient Quickest Change Detection in Minimax Settings
最快变化检测的经典问题进行了研究，在检测过程中使用的观测成本的额外约束。变点被建模为一个未知的常数，并提出了极大极小公式的问题。在这些配方的目的是找到一个停时和一个开-关的观察控制策略的观察序列，以尽量减少最坏的可能的平均延迟的版本，受约束的虚警率和时间的观察的分数之前采取的变化。一个算法称为DE-CuSum的建议，并证明是渐近最优的建议配方，误报率为零。数值结果表明，DE-CuSum算法具有良好的权衡曲线，并表现出显着优于分数采样的方法，在分数采样中，观察被跳过使用的硬币投掷序列的结果，独立的观察过程。这项工作是指导的见解，从早期的研究贝叶斯版本的这个问题。
2012-11-15 cs.IT math.IT math.OC
Covert Bayesian Quickest Change Detection
School of Electrical and Computer Engineering, Georgia Institute of Technology（佐治亚理工学院电气与计算机工程学院）
研究在贝叶斯和无限时间框架下隐蔽最快变化检测问题，提出隐蔽预算指标，分析在误报概率和隐蔽预算约束下检测延迟的第二阶界限，并提出可行方案。
2026-05-15 cs.IT cs.SY eess.SY
Quickest detection of a minimum of disorder times
研究了多源最快检测问题。假设存在两个独立的泊松过程$X^{1}$和$X^{2}$，其无序时间分别为$θ_{1}$和$θ_{2}$;即，$X^1$和$X^2$的强度分别在随机的不可观测时间$θ_1$和$θ_2$发生变化。$θ_1$和$θ_2$相互独立，呈指数分布。定义$θ\triangleq θ_1 \wedge θ_2=\min\{θ_{1},θ_{2}\}$。对于任何相对于由观测生成的过滤可测量的停止时间$τ$，定义形式为\[ R_τ=\mathbb{P}(τ<θ)+c \mathbb{E}[(τ-θ)^{+}], \]的罚函数，其中$c>0$和$(τ-θ)^{+}$是$τ-θ$的正部分。感兴趣的是找到使上述性能指标最小化的停止时间$τ$。由于观测值$X^{1}$和$X^{2}$都揭示了关于无序时间$θ$的信息，因此即使是这个简单的问题也比分别解决$X^{1}$和$X^{2}$的无序问题更复杂。这个问题是制定在三维充分统计方面，相应的最佳停止问题进行检查。还解决了一个二维最优停时问题，其最优停时在一定参数范围内与原问题的最优停时一致。这个问题的价值函数作为原问题的价值函数的紧上界。这两个解决方案的特点是迭代合适的功能操作。
2007-04-25 cs.CE cs.IT math.IT
Quickest Detection for Changes in Maximal kNN Coherence of Random Matrices
本文讨论了基于具有单个未知变化点的矩阵观测序列的$n\times p$随机矩阵列间最大相干性变化的最快检测问题。假设随机矩阵具有相同分布的行，并且最大相干性被定义为与任何行相关联的最大$p \choose 2$相关系数。同样，$k$最近邻（kNN）相干性被定义为这些相关系数中的第$k$大。假设观测矩阵的变化前和变化后分布的形式属于具有稀疏色散矩阵的椭圆轮廓密度的家族，但在其他方面是未知的。提出了一种非参数停止规则，该规则基于每个观测随机矩阵的列之间的最大k-最近邻样本相干性。这是一个汇总统计量，与样本相关性图中是否存在度至少为$k$的中心顶点的检验相关。在纯高维的制度，其中$p\rightarrow \infty$和$n$是固定的性能界限上的延迟和虚警性能的建议停止规则。当变化前的色散矩阵是对角的，它表明，在所有的功能，建议的汇总统计量，建议的停止规则是渐近最优的最小最快变化检测（QCD）模型下的停止阈值接近无穷大。该理论也适用于序贯假设检验和固定样本量检验。
2018-04-30 cs.IT math.IT math.PR
Reinforcement Learning Design for Quickest Change Detection
该研究针对最快变化检测问题，提出可适配任意代理信息状态的强化学习方法，分析了演员-评论家随机梯度下降与Q-learning两种算法的理论性质，并通过数值实验为通用场景算法设计提供参考。
2024-09-13 cs.IT math.IT math.OC
Byzantine Fault Tolerant Distributed Quickest Change Detection
University of Michigan（密歇根大学）；Worcester Polytechnic Institute（伍斯特理工学院）
研究在连续和离散时间下，多传感器在存在拜占庭故障时的分布式最快变化检测问题，提出低复杂度分布式方案和集中化分组方案以恢复性能。
2014-12-29 cs.IT cs.SY eess.SY
Quickest Change Detection of a Markov Process Across a Sensor Array
最近的注意力在多传感器设置中的最快变化检测一直在观察的密度在所有传感器由于中断而在同一时刻改变的情况下。在这项工作中，一个更一般的情况下被认为是在传感器的变化传播，其传播可以建模为马尔可夫过程。一个集中的，贝叶斯版本的这个问题，与融合中心，具有完善的信息的观测和先验知识的变化过程的统计，被认为是。最小化平均检测时延的问题，虚警约束制定为部分可观测马尔可夫决策过程（POMDP）。洞察的最佳停止规则的结构。在限制的情况下，罕见的中断，我们表明，结构的最佳测试减少到阈值的后验概率的假设，没有发生变化。我们建立的渐近最优性（在消失的虚警概率制度）的阈值测试在一定条件下的Kullback-Leibler（KL）的分歧后，和前的变化密度。在传感器上的近瞬时变化传播的特殊情况下，该条件降低到K-L发散为正的温和条件。数值研究表明，这种低复杂度阈值测试的结果在一个天真的测试，如一个单一的传感器测试或测试，错误地假设的变化瞬间传播的性能有很大的改善。
2008-12-19 cs.IT math.IT math.ST
Quickest Change Detection with Confusing Change
University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文针对最速变化检测中需区分坏变化与混淆变化的问题，提出S-CuSum和J-CuSum两种基于累积和的检测程序，可在避免虚警的同时快速检测坏变化，并给出性能保证。
2024-05-01 cs.IT cs.LG eess.SP
Quickest Time Herding and Detection for Optimal Social Learning
本文考虑了理性代理（例如，网络中的传感器）之间的社会学习。我们考虑三种模式的社会学习的复杂性增加的顺序。在第一个模型中，基于其对噪声底层状态过程的私人观察，每个代理自私地优化其局部效用并广播其动作。该协议导致了羊群行为，代理最终选择相同的行动，而不管他们的观察。然后，我们制定了第二个更一般的模型，每个代理是仁慈的，并选择其传感器模式，以优化社会福利功能，以促进社会学习。使用格规划和随机订单，它表明，每个代理的最佳决策是由贝叶斯分布的空间上的切换曲线。然后，我们提出了第三个更一般的模型，社会学习发生，以实现最快的时间变化检测。几何和相位类型的变化时间分布被认为是。本文证明了最优决策的特征又是一条切换曲线。我们提出了一种估计这条切换曲线的随机逼近（自适应滤波）算法。最后，我们提出了一个不断变化的世界（马尔可夫目标）的社会学习模型的扩展，其中代理人在多次迭代中学习。利用Blackwell随机优势，给出了近视决策为最优决策的条件.我们还分析了目标动态对社会福利成本的影响。
2011-05-14 cs.IT math.IT math.OC
Data-Efficient Minimax Quickest Change Detection in a Decentralized System
传感器网络被认为是一个序列的随机变量在每个传感器观察。在每一个时间步，一个处理后的版本的观察是从传感器传输到一个共同的节点称为融合中心。在某个未知的时间点，所有传感器节点处的观测值的分布发生变化。目标是在虚警率和每个传感器观测成本的限制下，尽快检测这种分布变化。针对上述问题，提出了极大极小问题的求解方法.提出了一种数据有效的算法，在该算法中，在每个传感器处使用自适应采样策略来控制在改变之前使用的观测值的成本。为了节省通信成本，偶尔从每个传感器向融合中心发送二进制数字。结果表明，所提出的算法是全局渐近最优的配方，作为虚警率趋于零。
2014-08-20 cs.IT math.IT math.PR
Quickest Change Detection Using Mismatched CUSUM
University of Florida（佛罗里达大学）
本文针对最快变化检测问题，提出失配CUSUM形式的停止规则，基于隐马尔可夫模型推导线性函数类下的最优解，建立条件独立模型的渐近理论，数值验证了近似的准确性。
2026-08-21 cs.IT math.IT math.ST
