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
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
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 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
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 Search over Brownian Channels
在本文中，我们解决了Lai，Poor，Xin和Georgiadis（2011，IEEE Transactions on信息论）提出的一个开放问题。考虑一个布朗运动序列，其未知漂移等于1或0，我们可以一次观察到一个。我们给出了一个程序，尽快找到一个过程，这是一个布朗运动与非零漂移。这个原始的最快搜索问题，其中过滤本身是依赖于观察策略，减少到一个单一的过滤脉冲控制和最优停止问题，这反过来又减少到一个最优停止问题的反射扩散，这可以显式解决。
2013-06-24 cs.IT math.IT math.OC
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
Quickest Change Detection in Autoregressive Models
本文研究自回归模型中的快速变化检测，提出计算高效的Ergodic CuSum算法并证明其渐近最优，针对参数未知情况设计在线梯度上升CuSum算法，并给出虚警下界。
2023-10-13 cs.IT eess.SP math.IT
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
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
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
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
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
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
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
Quickest Change Detection with Controlled Sensing
本文研究了参数不确定与受控感知下的最快变化检测问题，提出基于自适应CuSum统计量的WCC方法，通过近期观测估计参数并最大化Kullback-Leibler散度选择动作，在Lorden极小化极大准则下证明其一阶渐近最优性。
2023-10-26 cs.IT math.IT math.ST
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 Inference of Susceptible-Infected Cascades in Sparse Networks
我们考虑尽可能快地估计网络级联的任务。级联被假定为传播根据一般的易感感染的过程与异构传输速率从网络中的未知源。虽然传播不是直接可观察的，但关于其传播的噪声信息可以通过多轮易出错的诊断测试来收集。我们提出了一种新的自适应程序，快速输出估计级联源和全传播下，这个观察模型。值得注意的是，在网络拓扑结构上的温和条件下，我们的程序能够估计$n$ -顶点网络中级联的完全扩展，在$\mathrm{poly log}(n)$顶点受到级联影响之前。我们补充我们的理论分析与仿真结果说明我们的方法的有效性。
2023-02-10 cs.IT cs.SI math.IT
Data-Efficient Quickest Outlying Sequence Detection in Sensor Networks
针对传感器网络中未知时刻、未知子集传感器的观测分布变化检测问题，提出带多约束的极小极大表述与渐近最优算法，数值验证其性能显著优于传统分数采样方法。
2014-11-04 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 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
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
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
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 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 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
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 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
Active Sampling for the Quickest Detection of Markov Networks
考虑形成马尔可夫随机场（MRF）的$n$随机变量。MRF的真实模型是未知的，并且它被假设属于二进制集合。其目的是顺序采样的随机变量（一次一个），真正的MRF模型可以用最少的样本数检测，而在并行，决策的可靠性进行控制。最优决策过程的核心要素是用于随时间选择和采样随机变量的规则。这样的过程在每个时刻并且自适应于所收集的数据，选择被期望为关于模型的最多信息的随机变量，从而呈现达到可靠决策所需的总体最小数量的样本。现有的磁流变液结构检测研究一般是同时对整个网络进行采样，并侧重于设计最优检测规则，而不考虑数据采集过程。本文描述了一般MRF的抽样过程，结合序贯概率比检验，证明了在大$n$的渐近线上是最优的。设计抽样过程的关键是设计一种信息度量，以捕捉决策随时间推移的内在统计依赖性。此外，当MRF可以由非循环概率图形模型建模时，所示的采样规则采取计算简单的形式。一般情况下的性能分析，并解释在几个特殊的情况下的结果：高斯MRF，非渐近制度，连接到Bauffff的规则控制（主动）传感，和集群检测的问题。
2020-08-02 cs.IT math.IT stat.ME
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
Distributed Detection/Isolation Procedures for Quickest Event Detection in Large Extent Wireless Sensor Networks
研究了大范围无线传感器网络（$\wsn$）中的一个固定点事件的分布式检测问题，该事件只影响其附近传感器的观测值.事件发生在$\wsn$的覆盖区域（或感兴趣区域（$\ROI$））中的未知时间和随机位置。我们考虑一个一般的传感模型，其中事件在传感器节点的影响取决于事件和传感器节点之间的距离;特别是，在布尔传感模型中，在事件周围的给定半径的磁盘中的所有传感器同样受到影响。在\cite{nikiforov95change_isolation}、\cite{nikiforov03lower-bound-for-det-isolation}、\cite{tartakovsky08multi-decision}、{ \em}中报告的先前工作之后，将问题公式化为在以下约束下尽可能早地检测事件并将其定位到$\ROI$的子区域的问题：（$\tfa$）由$γ$下界，并且假分离的概率（$\pfi$）以$α$ }为上界，其中$γ$和$α$是目标性能要求。在这种情况下，我们提出了分布式程序的事件检测和隔离（即$\mx$，$\all$和$\hall$），基于本地融合的$\CUSUM$ s在传感器。对于这些程序，我们得到的最大平均检测/隔离延迟（$\add$），$\tfa$和$\pfi$上的界限，从而提供了一个上限$\add$为$\min\{γ,1/α\} \to \infty$。对于布尔传感模型，我们表明，我们…
2011-07-18 cs.IT cs.NI math.IT
Sequential Change Detection for Learning in Piecewise Stationary Bandit Environments
针对分段平稳老虎机场景下的有限时域最快变化检测问题，提出两种未知分布下的检验方法，证明其时域阶最优性且延迟特性契合老虎机遗憾分析需求，并用数值结果验证理论性能。
2025-06-17 cs.IT cs.SY eess.SY
