针对分段常数函数加平稳遍历高斯噪声的长数据序列，提出了一种基于微分平滑和多重测试的变化点检测方法。作为Schwartzman等人[27]和Cheng和Schwartzman[5]开发的用于峰值检测的STEM算法的应用，该方法在平滑和微分观测序列后将变化点检测为显著的局部极大值和极小值。该算法与用于阈值化p值的Benjamini-Hochberg过程相结合，在序列长度和跳跃大小变大时，提供了对错误发现率（FDR）和功率一致性的渐近强控制。仿真结果表明，FDR水平保持在非渐近条件下，并指导平滑带宽的选择。这些方法在磁强计传感器数据和基因组阵列CGH数据中进行了说明。R Cran中有一个名为“dSTEM”的R包。