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

Technische Samenvatting: Fundamentele Grenzen en Efficiënte Schatting voor Dode-Tijdbeperkte Gebeurtenisdetectie

Probleemformulering
Het artikel behandelt het statistische probleem van het schatten van fysische parameters uit periodieke binaire gebeurtenisdetectieprocessen die onderhevig zijn aan niet-paralyserende dode tijd en gating. In dergelijke systemen maakt een detectiegebeurtenis de detector gedurende een vast hersteltinterval $t_d$ (dode tijd) inactief, waarbij geen verdere gebeurtenissen kunnen worden geregistreerd. Bovendien kan de experimentator gating toepassen, een ontwerpkeuze waarbij de detector alleen wordt geactiveerd tijdens specifieke tijdsbins om informatieverzameling te optimaliseren of stapeling te mitigeren.

Deze opzet creëert een niet-onafhankelijk en niet-identiek verdeeld (niet-i.i.d.) stochastisch proces. De auteurs formaliseren deze klasse van problemen als Dead-Time Event Detection (DED)-processen. De kernuitdaging is dat dode tijd en gating een systematische discrepantie introduceren tussen de waargenomen detectiestatistieken en de onderliggende fysische gebeurtenissnelheden, waardoor standaard i.i.d. asymptotische theorieën niet van toepassing zijn. Het doel is om de fundamentele ondergrenzen voor schattingsnauwkeurigheid in deze setting te bepalen en schatters te identificeren die deze grenzen bereiken.

Methodologie
De auteurs ontwikkelen een asymptotische statistische theorie voor DED-processen naarmate het aantal waarnemingsperiodes $T \to \infty$. De methodologie verloopt via de volgende stappen:

1. Modeldefinitie: Het proces wordt gedefinieerd door periodieke incidentieprobabiliteiten $p_t(\theta)$ (waarbij $\theta$ de parameter van belang is) en een gatingregel die detectoractivatie $G_t$ bepaalt. Het waargenomen resultaat is $Y_t = G_t Z_t$, waarbij $Z_t$ de latente Bernoulli-gebeurtenis is. Het model handhaaft causaliteit en de dode-tijdsbeperking: een detectie op tijdstip $t$ dwingt $G_s = 0$ voor $s \in \{t+1, \dots, t+D\}$.
2. Identificatie van toereikende statistieken: Met behulp van de Neyman–Fisher-factorisatiestelling leiden de auteurs de likelihoodfunctie voor het proces af. Zij identificeren een toereikende statistiek bestaande uit fasegewijze geaggregeerde tellingen: het aantal actieve bins ($N_r$) en het aantal detecties ($S_r$) voor elke fase $r$ binnen de periode $K$. Dit resultaat impliceert dat hardware-histogrammering, die doorgaans $N_r$ verwijdert (en alleen $S_r$ behoudt), statistisch bruikbare informatie kan verliezen, met name voor adaptieve gating-schema's.
3. Lokale Asymptotische Normaliteit (LAN): Om de niet-i.i.d.-aard van de data te hanteren, stellen de auteurs vast dat DED-processen voldoen aan de eigenschap van Lokale Asymptotische Normaliteit (LAN). Zij leiden de Fisher-informatiesnelheid $I(\theta; \gamma)$ af, waarbij $\gamma$ de limietgatingfrequenties voorstelt. De informatiesnelheid blijkt een gewogen som te zijn van de standaard Bernoulli-informatie voor elke fase, gewogen naar hoe vaak die fase wordt bemonsterd.
4. Ondergrenzen: Met behulp van het LAN-kader passen de auteurs de Hájek-convolutiestelling en de lokale asymptotische minimax-stelling toe om fundamentele ondergrenzen af te leiden voor de asymptotische variantie van elke reguliere schatter. Deze grenzen worden gekenmerkt door het omgekeerde van de Fisher-informatiesnelheid, $I_0^{-1}$.
5. Constructie van schatters:
   • Maximum Likelihood Schatter (MLE): De auteurs bewijzen dat de MLE, die de afgeleide likelihood maximaliseert, asymptotisch efficiënt is en de afgeleide ondergrenzen bereikt.
   • Een-staps schatters: Inzichtelijk makend dat het berekenen van de MLE vaak het oplossen van een niet-convex optimalisatieprobleem vereist, stellen de auteurs Le Cam een-staps schatters voor. Deze schatters beginnen met een "piloot"-schatter (die slechts $\sqrt{T}$-consistent hoeft te zijn, niet volledig efficiënt) en passen een enkele Newton-Raphson-correctiestap toe met behulp van de scorefunctie en de geschatte Fisher-informatie.

Belangrijkste Bijdragen

• Theoretisch Kader: Het artikel biedt de eerste rigoureuze asymptotische theorie voor parameterschatting in periodieke binaire processen met dode tijd en willekeurige gating. Het vestigt de LAN-eigenschap en leidt de bijbehorende Fisher-informatiesnelheid af voor deze specifieke niet-i.i.d.-setting.
• Fundamentele Grenzen: Het kwantificeert de fundamentele limieten van schattingsnauwkeurigheid en toont aan dat gatingregels de asymptotische informatie uitsluitend beïnvloeden via hun limietbemonsteringsfrequenties.
• Toereikende Statistiek: Het identificeert dat de telling van actieve detectorbins ($N_r$) een noodzakelijk onderdeel is van de toereikende statistiek, wat de gebruikelijke praktijk uitdaagt om deze data bij hardware-histogrammering te verwerpen.
• Efficiënte Schatters: Het artikel bewijst de asymptotische efficiëntie van de MLE voor algemene gatingregels en introduceert een klasse van een-staps schatters die dezelfde efficiëntie bereiken met aanzienlijk lagere rekentkosten (door iteratieve niet-convexe optimalisatie te vermijden).
• Robuust Pilootontwerp: De auteurs introduceren specifieke pilootschatters voor lidar-toepassingen, waaronder een robuste matched-filter-schatter die gebruikmaakt van op medianen gebaseerde achtergrondaftrekking en template-matching, wat stabiliteit biedt tegen modelmisspecificatie en initiatiegevoeligheid.

Resultaten en Validatie
De theoretische resultaten worden gevalideerd via simulaties en experimenten met reële data in de context van single-photon lidar:

• Asymptotische Efficiëntie: Simulaties bevestigen dat zowel de MLE als de een-staps schatters convergeren naar de afgeleide Fisher-informatie-ondergrens naarmate de waarnemingstijd toeneemt.
• Invloed van Dode Tijd: De studie toont aan dat het negeren van dode tijd leidt tot een aanzienlijke onderschatting van de minimaal haalbare fout (ongeveer 75% in scenario's met hoge flux).
• Initiatiegevoeligheid: De MLE blijkt gevoelig te zijn voor initiatie; slechte begininschattingen kunnen leiden tot convergentie naar lokale optima, vooral bij matige steekproefgroottes. De een-staps schatter, gekoppeld aan een robuuste piloot, vermijdt deze valkuil terwijl de efficiëntie behouden blijft.
• Robuustheid: Bij modelmisspecificatie (bijvoorbeeld ongemodelleerde achtergrondbulten) presteert de robuuste piloot in combinatie met een een-staps update beter dan standaard MLE-benaderingen die zijn geïnitieerd met minder robuuste methoden (zoals Fourier-inversie).
• Prestaties met Reële Data: Experimenten met echte single-photon lidar-data bevestigen dat de asymptotische theorie voorspellend blijft bij praktische steekproefgroottes en dat de een-staps schatter effectief bias corrigeert in bestaande schatters uit de literatuur.

Betekenis
Het artikel claimt betekenis door een gat in de statistische theorie voor dode-tijdbeperkte systemen op te vullen, die wijdverbreid zijn in gebieden zoals lidar, fluorescentielevenstijdimaging, röntgenastronomie en kernfysica. Door een rigoureus kader voor fundamentele grenzen te bieden, leidt het werk tot het principiële ontwerp van gating-schema's en datacompressiestrategieën (via de identificatie van toereikende statistieken). Bovendien biedt het voorstellen van een-staps schatters een praktisch alternatief voor computereisende MLE-optimalisatie, waardoor efficiënte en robuuste parameterschatting mogelijk wordt in real-world toepassingen waar modelmisspecificatie en initiatiegevoeligheid kritieke zorgen zijn. De auteurs merken op dat hun theorie toekomstig hardwareontwerp en datacompressie in bandbreedte-beperkte systemen kan informeren.