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

Resumo Técnico: Limites Fundamentais e Estimação Eficiente para Detecção de Eventos com Tempo Morto

Formulação do Problema
O artigo aborda o problema estatístico de estimar parâmetros físicos a partir de processos periódicos de detecção de eventos binários sujeitos a tempo morto não paralisante e gating. Em tais sistemas, um evento de detecção torna o detector inativo por um intervalo fixo de recuperação $t_d$ (tempo morto), durante o qual nenhum evento adicional pode ser registrado. Além disso, o experimentador pode empregar gating, uma escolha de projeto onde o detector é ativado apenas durante intervalos de tempo específicos para otimizar a coleta de informações ou mitigar o acúmulo (pile-up).

Essa configuração cria um processo estocástico não independente e não identicamente distribuído (não-i.i.d.). Os autores formalizam essa classe de problemas como processos de Detecção de Eventos com Tempo Morto (DED). O desafio central é que o tempo morto e o gating introduzem uma discrepância sistemática entre as estatísticas de detecção observadas e as taxas de eventos físicos subjacentes, tornando as teorias assintóticas i.i.d. padrão inaplicáveis. O objetivo é determinar os limites inferiores fundamentais para a precisão da estimação neste cenário e identificar estimadores que alcancem esses limites.

Metodologia
Os autores desenvolvem uma teoria estatística assintótica para processos DED à medida que o número de períodos de observação $T \to \infty$. A metodologia procede através das seguintes etapas:

1. Definição do Modelo: O processo é definido por probabilidades de incidência periódicas $p_t(\theta)$ (onde $\theta$ é o parâmetro de interesse) e uma regra de gating que determina a ativação do detector $G_t$. O resultado observado é $Y_t = G_t Z_t$, onde $Z_t$ é o evento latente de Bernoulli. O modelo impõe causalidade e a restrição de tempo morto: uma detecção no tempo $t$ força $G_s = 0$ para $s \in \{t+1, \dots, t+D\}$.
2. Identificação da Estatística Suficiente: Usando o teorema da fatoração de Neyman–Fisher, os autores derivam a função de verossimilhança para o processo. Eles identificam uma estatística suficiente consistindo em contagens agregadas por fase: o número de bins ativos ($N_r$) e o número de detecções ($S_r$) para cada fase $r$ dentro do período $K$. Este resultado implica que a histogramação por hardware, que tipicamente descarta $N_r$ (retendo apenas $S_r$), pode perder informações estatisticamente úteis, particularmente para esquemas de gating adaptativo.
3. Normalidade Assintótica Local (LAN): Para lidar com a natureza não-i.i.d. dos dados, os autores estabelecem que os processos DED satisfazem a propriedade de Normalidade Assintótica Local (LAN). Eles derivam a taxa de informação de Fisher $I(\theta; \gamma)$, onde $\gamma$ representa as frequências de gating limitantes. A taxa de informação é mostrada como uma soma ponderada da informação de Bernoulli padrão para cada fase, ponderada pela frequência com que essa fase é amostrada.
4. Limites Inferiores: Usando o framework LAN, os autores aplicam o teorema de convolução de Hájek e o teorema minimax assintótico local para derivar limites inferiores fundamentais sobre a variância assintótica de qualquer estimador regular. Esses limites são caracterizados pelo inverso da taxa de informação de Fisher, $I_0^{-1}$.
5. Construção do Estimador:
   • Estimador de Máxima Verossimilhança (MLE): Os autores provam que o MLE, que maximiza a verossimilhança derivada, é assintoticamente eficiente, atingindo os limites inferiores derivados.
   • Estimadores de Um Passo: Reconhecendo que calcular o MLE frequentemente requer resolver um problema de otimização não convexo, os autores propõem estimadores de um passo de Le Cam. Esses estimadores começam com um estimador "pilot" (que precisa apenas ser consistente em $\sqrt{T}$, não totalmente eficiente) e aplicam uma única etapa de correção Newton-Raphson usando a função de pontuação e a informação de Fisher estimada.

Contribuições Principais

• Framework Teórico: O artigo fornece a primeira teoria assintótica rigorosa para estimação de parâmetros em processos binários periódicos com tempo morto e gating arbitrário. Estabelece a propriedade LAN e deriva a correspondente taxa de informação de Fisher para este cenário específico não-i.i.d.
• Limites Fundamentais: Quantifica os limites fundamentais da precisão da estimação, demonstrando que as regras de gating afetam a informação assintótica exclusivamente através de suas frequências de amostragem limitantes.
• Estatística Suficiente: Identifica que a contagem de bins de detector ativos ($N_r$) é um componente necessário da estatística suficiente, desafiando a prática comum de descartar esses dados na histogramação por hardware.
• Estimadores Eficientes: O artigo prova a eficiência assintótica do MLE para regras de gating gerais e introduz uma classe de estimadores de um passo que alcançam a mesma eficiência com custo computacional significativamente menor (evitando otimização iterativa não convexa).
• Design Robusto de Pilot: Os autores introduzem estimadores pilot específicos para aplicações de lidar, incluindo um estimador robusto de filtro casado que usa subtração de fundo baseada em mediana e correspondência de templates, oferecendo estabilidade contra má especificação do modelo e sensibilidade à inicialização.

Resultados e Validação
Os resultados teóricos são validados através de simulações e experimentos com dados reais no contexto de lidar de fóton único:

• Eficiência Assintótica: Simulações confirmam que tanto o MLE quanto os estimadores de um passo convergem para o limite inferior de informação de Fisher derivado à medida que o tempo de observação aumenta.
• Impacto do Tempo Morto: O estudo demonstra que negligenciar o tempo morto leva a uma subestimação substancial do erro mínimo atingível (em aproximadamente 75% em cenários de alto fluxo).
• Sensibilidade à Inicialização: O MLE mostra-se sensível à inicialização; palpites iniciais ruins podem levar à convergência para ótimos locais, especialmente em tamanhos de amostra moderados. O estimador de um passo, quando acoplado a um pilot robusto, evita essa armadilha enquanto mantém a eficiência.
• Robustez: Sob má especificação do modelo (por exemplo, picos de fundo não modelados), o pilot robusto combinado com uma atualização de um passo supera abordagens padrão de MLE inicializadas com métodos menos robustos (como inversão de Fourier).
• Desempenho com Dados Reais: Experimentos com dados reais de lidar de fóton único confirmam que a teoria assintótica permanece preditiva em tamanhos de amostra práticos e que o estimador de um passo corrige efetivamente vieses em estimadores da literatura existente.

Significado
O artigo reivindica significado ao preencher uma lacuna na teoria estatística para sistemas com restrição de tempo morto, que são prevalentes em campos como lidar, imageamento de tempo de vida de fluorescência, astronomia de raios-X e física nuclear. Ao fornecer um framework rigoroso para limites fundamentais, o trabalho orienta o design principiado de esquemas de gating e estratégias de compressão de dados (via identificação de estatísticas suficientes). Além disso, a proposta de estimadores de um passo oferece uma alternativa prática à otimização computacionalmente cara do MLE, permitindo estimação de parâmetros eficiente e robusta em aplicações do mundo real onde a má especificação do modelo e a sensibilidade à inicialização são preocupações críticas. Os autores notam que sua teoria pode informar o futuro design de hardware e compressão de dados em sistemas com largura de banda limitada.