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
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
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
One shot schemes for decentralized quickest change detection
这项工作考虑了N个分布式传感器，从环境中接收连续的顺序观测的最快检测的问题。这些传感器采用累积和（CSCUM）策略，并通过一次性方案与中央融合中心进行通信。单触发方案是传感器仅与融合中心通信一次的方案，之后它们必须发出检测信号。通信显然是异步的，并考虑融合中心采用最小策略的情况，这意味着当第一次通信发生时，它会发出警报。假设在传感器处接收到的观测是独立的，并且信号出现的时间点是不同的。结果表明，有没有损失的性能相比，集中式的情况下，在扩展的Lorden最小-最大意义上的一次拍摄计划，因为最小的N个NMEUMS是渐近最优的平均时间之间的虚警增加没有约束。
2008-08-03 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
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-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
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
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
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
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
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 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
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 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
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 with Social Learning: Interaction of local and global decision makers
我们考虑如何本地和全球的决策政策相互作用的停止时间的问题，如最快的时间变化检测。个体智能体通过社会学习做出短视的局部决策，即每个智能体记录对噪声底层状态过程的私人观察，自私地优化其局部效用，然后广播其局部决策。给定这些局部决策，全局决策者如何在底层状态根据相位型分布变化时实现最快的时间变化检测？本文提出了四个结果。首先，使用Blackwell优势的措施，它表明，在社会学习的最快检测所产生的最优成本总是大于经典的最快检测。其次，它表明，在一般情况下，最佳的决策政策，基于社会学习的最快检测的特点是多个阈值内的贝叶斯分布的空间。第三，使用格规划和随机优势，充分条件给出的最优决策策略，由一个单一的线性超平面，或更一般地说，一个阈值曲线。这个阈值曲线的最佳线性近似估计制定为一个基于模拟的随机优化问题。最后，本文表明，在多智能体传感器管理与最快的检测，每个代理人认为世界根据其事先，最优策略具有类似的结构，社会学习。
2012-03-02 cs.GT cs.IT math.IT
Quickest Search Over Multiple Sequences with Mixed Observations
本文讨论了序列寻找一个独立同分布（i.i.d.）考虑通过搜索多个序列从概率分布$F_1$中提取的序列，其中一些序列从$F_1$中提取，而其他序列从不同的分布$F_0$中提取。允许传感器一次进行一次观察。最近的一项研究表明，如果每个观测值来自一个序列，则累积和（Cumulative Sum，Cumulative Sum）检验是最优的。在本文中，我们提出了一种新的方法，其中每个观察可以是来自多个序列的样本的线性组合。测试有两个阶段。在第一阶段，即扫描阶段，采用一对序列的线性组合，希望扫描通过不太可能由$F_1$生成的序列，并快速识别一对序列，使得它们中的至少一个极有可能由$F_1$生成。在第二阶段，即细化阶段，人们更仔细地检查从第一阶段识别的对，并挑选一个序列作为最终序列。在这种设置下的问题属于一类多停时问题。特别是，它是一个有序的两个级联马尔可夫停时问题。我们使用多停时理论的工具得到最优解。数值仿真结果表明，该搜索策略可以显著减少搜索时间，尤其是当$F_{1}$稀少时。
2013-02-15 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
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
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 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
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
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 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
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
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
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
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
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 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 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 Search over Multiple Sequences with Mixed Observation
本文讨论了序列寻找一个独立同分布（i.i.d.）考虑通过搜索多个序列从概率分布$f_1$中提取的序列，其中一些序列从$f_1$中提取，而其他序列从不同的分布$f_0$中提取。允许观察员每次进行一次观察。最近的研究表明，如果每个观测值来自一个序列，则累积和检验是最优的。在本文中，我们提出了一种新的方法，其中每个观察可以是来自多个序列的样本的线性组合。测试有两个阶段。在第一阶段，即扫描阶段，采用一对序列的线性组合，希望扫描通过不太可能由$f_1$生成的序列，并快速识别一对序列，使得它们中的至少一个极有可能由$f_1$生成。在第二阶段，即细化阶段，人们更仔细地检查从第一阶段识别的对，并挑选一个序列作为最终序列。在这种设置下的问题属于一类多停时问题。特别是，它是一个有序的两个级联马尔可夫停时问题。我们使用多停时理论的工具得到最优解。最优解具有相当复杂的结构。为了便于实现，提出了一种低复杂度的算法，在扫描阶段观测器采用累积和检验，在细化阶段观测器采用序贯概率比检验。当$f_{1}$发生的先验概率较小时，分析了这种低复杂度算法的性能。分析和数值仿真结果表明，当$f_{1}$稀少时，该搜索策略可以显著减少搜索时间。
2013-12-09 cs.IT 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
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
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
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
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
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 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 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
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
Accurate Evaluation of Quickest Changepoint Detectors via Non-parametric Survival Analysis
NEC Corporation（日本NEC公司）
本文提出非参数估计方法用于快速突变点检测中的平均运行长度和平均检测延迟，通过将突变点检测与生存分析类比，解决了有限和不规则序列长度下的估计问题，提升了模型的鲁棒性和可解释性。
2026-05-11 cs.IT cs.LG math.IT
Data-Efficient Quickest Change Detection with On-Off Observation Control
在本文中，我们扩展了Shiryaev的最快的变化检测配方也占成本的观察前的变化点。观测成本通过在变化发生之前检测过程中使用的平均观测数来捕获。我们的目标是选择一个开-关观察控制策略，决定是否采取一个给定的观察，随着停时的变化被宣布，以便最小化的平均检测延迟，受约束的虚警概率和观察成本。通过考虑约束问题的拉格朗日松弛，并利用动态规划参数，我们得到了一个基于概率的\textit{a posteriori}双阈值算法，它是经典Shiryaev算法的推广.我们提供了一个渐近分析的双阈值算法，并表明该算法是渐近最优的，即，对于固定的观测成本，双阈值算法的性能接近Shiryaev算法的性能，因为虚警的概率变为零。我们还表明，使用模拟，两个阈值算法具有良好的观察成本延迟权衡曲线，并提供显着降低观察成本相比，天真的方法分数采样，其中样本被随机跳过。我们的分析表明，对于实际的约束选择，这两个阈值可以相互独立地设置：一个基于虚警的约束，另一个仅基于观测成本约束。
2011-11-22 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 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
Asymptotic Optimality in Byzantine Distributed Quickest Change Detection
研究了Byzantine分布式最快变化检测（BDQCD）算法，融合中心通过一组可能被破坏的分布式传感器监测突发事件的发生。我们首先考虑的二元假设的情况下，只有一个后改变的假设，并证明了一个新的逆一阶渐近检测延迟在大的平均时间到虚警制度。这一逆命题是严密的，因为它与Fellouris等人所示的当前最佳可重构性相一致;从而刻画了二元BDQCD的最优渐近性能。这一结果的一个重要含义是，即使有妥协的传感器，每个传感器和融合中心之间的1位链接足以实现渐近最优。为了适应多个后改变的假设，我们制定了多假设BDQCD问题，并再次调查在不同的带宽约束下的最佳一阶性能。首先，通过将我们的逆从二进制扩展到多假设BDQCD得到逆。两个家庭的停止规则，即同时$d$ -th报警和多拍$d$ -th报警，然后提出。在足够的链路带宽下，当$d$被设置为诚实传感器数目时，同时发生的第$d$次告警可以达到与推导出的逆界一致的渐近性能，因此，多假设BDQCD的渐近最优性能再次得到表征.此外，尽管仅对于某些特殊情况被示出为渐近最优，但是第多次发射$d$次警报比同时第$d$次警报更具有带宽效率和能量效率。在上述成功的基础上，描述了BDQCD的渐近最优性，相应的领导者-追随者Stackelberg游戏制定和它的解决方案被发现。
2019-09-06 cs.IT math.IT math.ST
On the Fundamental Tradeoff of Joint Communication and QCD: The Monostatic Case
Department of Electrical Engineering and Computer Science, Daegu Gyeongbuk Institute of Science and Technology (DGIST)（大邱庆北科学技术院电气与计算机工程系）
本文提出了一种联合通信与快速变化检测的编码策略，通过动态反馈优化通信与检测的权衡，揭示了ISAC系统设计中的最优 tradeoff 方法。
2025-12-09 cs.IT math.IT
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
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 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
Bayesian Sequential Detection with Phase-Distributed Change Time and Nonlinear Penalty -- A POMDP Approach
我们证明了几种类型的贝叶斯序贯检测问题的最优决策策略在后验分布空间上具有阈值切换曲线结构。这是建立在部分观测马尔可夫决策过程（POMDP）框架中使用格规划和随机订单。提出了一种随机梯度算法来估计该阈值曲线的最佳线性逼近。我们说明这些结果首先考虑最快的时间检测相位型分布的变化时间和方差停止处罚。然后证明了阈值切换曲线也出现在其他几个贝叶斯决策问题，如最快的瞬态检测，指数延迟（风险敏感）的处罚，停止时间问题的社会学习，和多智能体调度在不断变化的世界。利用Blackwell优势，证明了动态决策问题的最优决策策略是近视策略的下界。最后，它示出了如何实现的最优决策策略的成本变化与变化的时间分布施加偏序的过渡矩阵。
2011-06-13 cs.IT math.IT stat.ME
