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
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
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
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 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 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-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
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
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
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
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
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 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
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
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
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
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
A Novel Algorithm for Cooperative Distributed Sequential Spectrum Sensing in Cognitive Radio
本文研究了认知无线电中的协作频谱感知问题。在我们以前的工作中，我们已经开发了DualSPRT，一个分布式算法的合作频谱感知使用顺序概率比测试（SPRT）在认知无线电以及在融合中心。该算法运行良好，但不是最优的。在本文中，我们提出了一种改进的算法- SPRT-CSPRT，这是从累积和程序（CSPUM）的动机。我们从理论上进行了分析。我们也修改这个算法来处理SNR和衰落的不确定性。
2012-11-23 cs.IT math.IT stat.AP
Change Detection with Compressive Measurements
最快变化点检测涉及检测序列中的统计变化，同时最小化受虚警约束的检测延迟。在本文中，变点检测的问题进行了研究时，决策者只能获得压缩测量。首先，Shiryaev的过程与压缩测量的平均检测延迟的表达式推导出在渐近制度的虚警概率为零。其次，延迟对压缩比和信噪比的依赖性被明确量化。在各种感知矩阵构造下，包括高斯系综和随机投影，研究了有压缩和无压缩的延迟比。对于一个目标比例的延迟后，压缩前，测量的数量，以满足这一目标与预先指定的概率推导出一个充分条件。
2014-04-11 cs.IT math.IT math.ST
Cost-Aware Learning and Optimization for Opportunistic Spectrum Access
The Pennsylvania State University（宾夕法尼亚州立大学）；University of Science and Technology of China（中国科学技术大学）
本文研究了认知无线电系统中多信道机会频谱接入的代价感知联合学习和优化问题。我们研究了一个离散时间模型，其中时间轴被划分为帧。每个帧由感测阶段和随后的传输阶段组成。在感测阶段，用户能够在决定在接下来的传输阶段使用其中一个之前顺序地感测通道的子集。我们假设信道状态根据帧到帧的独立伯努利随机过程在忙和空闲之间交替。为了捕捉信道感知中固有的不确定性，我们假设当信道空闲时每次传输的奖励是随机变量。我们还将随机成本与传感和传输行为相关联。我们的目标是理解在离线和在线设置中，动作的成本和回报将如何影响用户的最佳行为，并且设计相应的机会主义频谱接入策略以最大化预期的累积净回报（即，奖励减去成本）。我们从一个离线设置开始，在这个设置中，渠道状态、成本和奖励的统计数据是事先已知的。我们发现，最优策略表现出递归的双阈值结构，用户需要比较的信道统计与这些阈值顺序，以决定其行动。有了这样的见解，我们然后研究在线设置，其中的渠道，成本和奖励的统计信息是未知的先验。我们明智地平衡探索和利用，并表明，累积的遗憾规模在O（log T）。我们还建立了一个匹配的下界，这意味着我们的在线算法是顺序最优的。仿真结果证实了我们的理论分析。
2018-04-11 cs.IT cs.LG cs.NI
