BEISSON, Remi; VALLET, Pascal; GIREMUS, Audrey; GINOLHAC, G.

doi:10.1109/ssp49050.2021.9513795

Métadonnées

Afficher la notice complète

Licence d’utilisation du document

BEISSON, Remi
Laboratoire de l'intégration, du matériau au système [IMS]

VALLET, Pascal
Laboratoire de l'intégration, du matériau au système [IMS]

GIREMUS, Audrey

Laboratoire de l'intégration, du matériau au système [IMS]

Langue

Communication dans un congrès

Ce document a été publié dans

2021 IEEE Statistical Signal Processing Workshop (SSP), 2021-07-11, Rio de Janeiro. 2021-07-11

IEEE

Résumé en anglais

This paper is devoted to the problem of testing equality between the covariance matrices of L multivariate Gaussian time series with dimension M, in the context where each of the L covariance matrices is the sum of a low-rank K component and the identity matrix. Assuming N 1 , …, N L samples are available for each time series, a new test statistic, based on the eigenvalues of the L sample covariance matrices (SCM) of each time series as well as the eigenvalues of a pooled SCM mixing the N 1 +…+N L available samples, is pro-posed and proved to be consistent in the high dimensional regime in which M, N 1 , …, N L converge to infinity at the same rate, while K and L are kept fixed. Numerical simulations show that the proposed test statistic is competitive with other relevant methods for moderate values of M, N 1 , …, N L .< Réduire

Mots clés en anglais

Change detection

Covariance

Spiked models

Random matrix theory

Métadonnées

Partager cette publication !

Licence d’utilisation du document

Change Detection in The Covariance Structure of High-Dimensional Gaussian Low-Rank Models

Langue

Ce document a été publié dans

Résumé en anglais

Mots clés en anglais

URI

DOI

Unités de recherche