Fundamental Bounds and Efficient Estimation for Dead-Time-Constrained Event Detection, with Application to Single-Photon Lidar

Riepilogo Tecnico: Limiti Fondamentali ed Stima Efficiente per il Rilevamento di Eventi Vincolato da Tempo Morto

Formulazione del Problema
Il lavoro affronta il problema statistico di stimare parametri fisici da processi periodici di rilevamento di eventi binari soggetti a tempo morto non paralizzabile e gating. In tali sistemi, un evento di rilevamento rende il rivelatore inattivo per un intervallo di recupero fisso $t_d$ (tempo morto), durante il quale non possono essere registrati ulteriori eventi. Inoltre, lo sperimentatore può impiegare il gating, una scelta progettuale in cui il rivelatore viene attivato solo durante specifici intervalli temporali per ottimizzare la raccolta di informazioni o mitigare l'effetto pile-up.

Questa configurazione genera un processo stocastico non indipendente e non identicamente distribuito (non-i.i.d.). Gli autori formalizzano questa classe di problemi come processi di Rilevamento di Eventi con Tempo Morto (DED). La sfida principale è che il tempo morto e il gating introducono una discrepanza sistematica tra le statistiche di rilevamento osservate e i tassi di eventi fisici sottostanti, rendendo inapplicabili le teorie asintotiche standard i.i.d. L'obiettivo è determinare i limiti inferiori fondamentali per l'accuratezza della stima in questo contesto e identificare gli stimatori che raggiungono tali limiti.

Metodologia
Gli autori sviluppano una teoria statistica asintotica per i processi DED al crescere del numero di periodi di osservazione $T \to \infty$. La metodologia procede attraverso i seguenti passaggi:

1. Definizione del Modello: Il processo è definito da probabilità di incidenza periodiche $p_t(\theta)$ (dove $\theta$ è il parametro di interesse) e da una regola di gating che determina l'attivazione del rivelatore $G_t$. L'esito osservato è $Y_t = G_t Z_t$, dove $Z_t$ è l'evento latente di Bernoulli. Il modello impone la causalità e il vincolo del tempo morto: un rilevamento al tempo $t$ forza $G_s = 0$ per $s \in \{t+1, \dots, t+D\}$.
2. Identificazione della Statistica Sufficiente: Utilizzando il teorema di fattorizzazione di Neyman–Fisher, gli autori derivano la funzione di verosimiglianza per il processo. Identificano una statistica sufficiente composta da conteggi aggregati per fase: il numero di bin attivi ($N_r$) e il numero di rilevamenti ($S_r$) per ogni fase $r$ all'interno del periodo $K$. Questo risultato implica che l'istogrammazione hardware, che tipicamente scarta $N_r$ (conservando solo $S_r$), può perdere informazioni statisticamente utili, in particolare per schemi di gating adattivi.
3. Normalità Asintotica Locale (LAN): Per gestire la natura non-i.i.d. dei dati, gli autori stabiliscono che i processi DED soddisfano la proprietà di Normalità Asintotica Locale (LAN). Derivano il tasso di informazione di Fisher $I(\theta; \gamma)$, dove $\gamma$ rappresenta le frequenze di gating limitanti. Si dimostra che il tasso di informazione è una somma pesata delle informazioni di Bernoulli standard per ogni fase, pesata in base a quanto frequentemente quella fase viene campionata.
4. Limiti Inferiori: Utilizzando il quadro LAN, gli autori applicano il teorema di convoluzione di Hájek e il teorema minimax asintotico locale per derivare limiti inferiori fondamentali sulla varianza asintotica di qualsiasi stimatore regolare. Questi limiti sono caratterizzati dall'inverso del tasso di informazione di Fisher, $I_0^{-1}$.
5. Costruzione degli Stimatori:
   • Stimatore di Massima Verosimiglianza (MLE): Gli autori dimostrano che l'MLE, che massimizza la verosimiglianza derivata, è asintoticamente efficiente, raggiungendo i limiti inferiori derivati.
   • Stimatori One-Step: Riconoscendo che il calcolo dell'MLE richiede spesso la risoluzione di un problema di ottimizzazione non convessa, gli autori propongono stimatori one-step di Le Cam. Questi stimatori iniziano con uno stimatore "pilota" (che deve essere solo consistente a radice di $T$, non pienamente efficiente) e applicano un singolo passo di correzione Newton-Raphson utilizzando la funzione di punteggio e l'informazione di Fisher stimata.

Contributi Chiave

• Quadro Teorico: Il lavoro fornisce la prima teoria asintotica rigorosa per la stima dei parametri in processi binari periodici con tempo morto e gating arbitrario. Stabilisce la proprietà LAN e deriva il corrispondente tasso di informazione di Fisher per questo specifico contesto non-i.i.d.
• Limiti Fondamentali: Quantifica i limiti fondamentali dell'accuratezza della stima, dimostrando che le regole di gating influenzano l'informazione asintotica esclusivamente attraverso le loro frequenze di campionamento limitanti.
• Statistica Sufficiente: Identifica che il conteggio dei bin del rivelatore attivi ($N_r$) è un componente necessario della statistica sufficiente, sfidando la pratica comune di scartare questi dati nell'istogrammazione hardware.
• Stimatori Efficienti: Il lavoro dimostra l'efficienza asintotica dell'MLE per regole di gating generali e introduce una classe di stimatori one-step che raggiungono la stessa efficienza con un costo computazionale significativamente inferiore (evitando l'ottimizzazione iterativa non convessa).
• Progettazione Robusta del Pilota: Gli autori introducono specifici stimatori pilota per applicazioni lidar, incluso uno stimatore robusto a filtro adattato che utilizza la sottrazione di fondo basata sulla mediana e il matching di template, offrendo stabilità contro la specificazione errata del modello e la sensibilità all'inizializzazione.

Risultati e Validazione
I risultati teorici sono validati attraverso simulazioni ed esperimenti su dati reali nel contesto del lidar a singolo fotone:

• Efficienza Asintotica: Le simulazioni confermano che sia l'MLE che gli stimatori one-step convergono al limite inferiore dell'informazione di Fisher derivato all'aumentare del tempo di osservazione.
• Impatto del Tempo Morto: Lo studio dimostra che trascurare il tempo morto porta a una sottostima sostanziale dell'errore minimo ottenibile (di circa il 75% in scenari ad alto flusso).
• Sensibilità all'Inizializzazione: Si dimostra che l'MLE è sensibile all'inizializzazione; ipotesi iniziali scadenti possono portare alla convergenza verso ottimi locali, specialmente a dimensioni campionarie moderate. Lo stimatore one-step, quando accoppiato a un pilota robusto, evita questo inconveniente mantenendo l'efficienza.
• Robustezza: In caso di specificazione errata del modello (ad esempio, picchi di fondo non modellati), il pilota robusto combinato con un aggiornamento one-step supera gli approcci MLE standard inizializzati con metodi meno robusti (come l'inversione di Fourier).
• Prestazioni su Dati Reali: Gli esperimenti su dati reali di lidar a singolo fotone confermano che la teoria asintotica rimane predittiva a dimensioni campionarie pratiche e che lo stimatore one-step corregge efficacemente i bias negli stimatori presenti in letteratura.

Significato
Il lavoro rivendica importanza nel colmare una lacuna nella teoria statistica per i sistemi vincolati dal tempo morto, prevalenti in campi come il lidar, l'imaging della durata di vita della fluorescenza, l'astronomia a raggi X e la fisica nucleare. Fornendo un quadro rigoroso per i limiti fondamentali, il lavoro guida la progettazione razionale degli schemi di gating e delle strategie di compressione dei dati (tramite l'identificazione delle statistiche sufficienti). Inoltre, la proposta di stimatori one-step offre un'alternativa pratica all'ottimizzazione MLE computazionalmente costosa, consentendo una stima dei parametri efficiente e robusta in applicazioni reali dove la specificazione errata del modello e la sensibilità all'inizializzazione sono preoccupazioni critiche. Gli autori notano che la loro teoria può informare la futura progettazione hardware e la compressione dei dati in sistemi con larghezza di banda limitata.