[论文解读] Detection of sparse additive functions

Ghislaine Gayraud, Yuri I. Ingster|arXiv (Cornell University)|Nov 29, 2010

Statistical Methods and Inference参考文献 8被引用 4

一句话总结

该论文针对高维高斯白噪声模型中稀疏可加函数的检测问题，基于光滑性与稀疏性约束，提出了自适应极小极大检验方法。其建立了与稀疏向量模型中相同的渐近检测边界，证明在高稀疏性条件下（d^{1-b} 个非零分量，b ∈ (0,1)）可实现最优检测速率。

ABSTRACT

We study the problem of detection of a high-dimensional signal function in the white Gaussian noise model. As well as a smoothness assumption on the signal function, we assume an additive sparse condition on the latter. The detection problem is expressed in terms of a nonparametric hypothesis testing problem and it is solved according to the asymptotical minimax approach. The minimax test procedures are adaptive in the sparsity parameter for high sparsity case. We extend to the functional case the known results in the detection of sparse high-dimensional vectors. In particular, our asymptotic detection boundaries are derived from the same asymptotic relations as in the vector case.

研究动机与目标

• 为应对高维信号函数检测中的维数灾难问题，通过引入可加结构与稀疏性约束。
• 将检测问题形式化为非参数假设检验：原假设为常数信号，备择假设为具有光滑分量的稀疏可加信号。
• 推导出在高稀疏性区域（b ∈ (0,1)）下对未知稀疏性参数具有自适应性的渐近极小极大检验程序。
• 将已知的稀疏向量模型中的检测边界推广至稀疏可加函数的功能设定。
• 建立精确的检测阈值，刻画在光滑性与稀疏性约束下可检测性的极限。

提出的方法

• 在高斯白噪声模型中形式化检测问题：dX(t) = f(t)dt + εdW(t)，t ∈ [0,1]^d。
• 假设信号 f 为可加且稀疏：f(t) = ∑_{j=1}^d ξ_j f_j(t_j)，其中 ξ_j ∈ {0,1}，且 K = d^{1−b} 个活跃分量。
• 通过Sobolev型半范数施加光滑性：f_j ∈ ˜S_τ，即τ-光滑、均值为零、1-周期的L²函数空间，且满足ǁf_jǁ_{2}^{(τ)} ≤ 1。
• 利用渐近极小极大方法推导检测边界，将函数型检验问题转化为关于傅里叶系数的极值问题。
• 应用指数矩界与指数切比雪夫不等式，控制原假设与备择假设下的第一类与第二类错误。
• 通过证明函数型检测与向量型检测的等价性，建立相同的检测阈值，其依赖于傅里叶系数的行为与尾部概率。

实验结果

研究问题

• RQ1 在光滑性与稀疏性约束下，高维高斯白噪声模型中稀疏可加函数的最优检测速率是什么？
• RQ2 能否在高稀疏性区域构造出不依赖于稀疏性参数 b 的自适应极小极大检验？
• RQ3 稀疏可加函数的检测边界与稀疏向量设定下的检测边界有何异同？
• RQ4 光滑性（τ）与稀疏性（b）在决定信号可检测阈值中的作用是什么？
• RQ5 在何种条件下，无法以高概率区分常数信号与稀疏可加信号？

主要发现

• 在高维高斯白噪声模型中，稀疏可加函数的检测边界与稀疏向量模型完全一致，确立了渐近等价性。
• 在高稀疏性条件下（b ∈ (0,1)），本文构造出自适应极小极大检验，可在不依赖稀疏性指数 b 的前提下实现最优检测速率。
• 检测阈值由条件 r_ε ≍ ε^{2τ/(2τ+1)} d^{(1−b)/2} 定义，该条件刻画了渐近可检测的最小信号强度。
• 渐近检测边界通过涉及傅里叶系数与高斯过程矩生成函数的极值问题推导得出。
• 分析表明，光滑性参数 τ 与稀疏性指数 b 共同决定可检测性的极限，边界取决于 d、ε、τ 与 b 之间的相互作用。
• 通过指数矩界与利用指数切比雪夫不等式控制尾部概率，建立了理论保证，确保第一类与第二类错误率在渐近下趋于零。