Detecting a smooth signal: Optimality of cusum based procedures
平滑信号检测：基于累积和程序的最优性AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究一般平滑信号检测，未明确给出时间序列或结构变化设定，故不据累积和术语归类。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
平滑信号检测：基于累积和程序的最优性
- 研究问题
- 在随机平滑函数模型中，残差累积和为什么有助于检测非多项式信号，其检验能力能否获得局部最优性的理论依据？
- 方法与思路
- 作者用基于差分的粗糙度度量选择信号协方差，并证明相应局部最强检验的统计量可写为残差累积和序列的平方和。
- 材料陈述的贡献
- 摘要称该联系为残差累积和检测平滑信号的能力提供理论支持；最优性依据来自指定随机模型和协方差选择。
- 阅读关注点
- 核对随机信号模型、粗糙度度量与协方差的对应关系，以及局部最强检验的备择范围和残差累积和的具体定义。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；最优性限于所述模型框架，不能据累积和名称推断结构突变检验结论。
原文摘要
Cox et al. (1988) show that under a random smooth function model with signal covariance matrix V, a locally most powerful test for the presence of a nonpolynomial signal is based on the statistic yTVy. We show that if a well-known difference-based roughness measure is used to derive a natural choice for V then this statistic is the sum of squares of a residual cusum sequence. Thus we confirm theoretically the long-held impression that the residual cusum sequence is powerful as a tool for the detection of smooth signal.