論文の概要: Channel-Robust RFF for Low-Latency 5G Device Identification in SIMO Scenarios

• arxiv url: http://arxiv.org/abs/2511.08902v1
• Date: Thu, 13 Nov 2025 01:15:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-13 22:34:54.287936
• Title: Channel-Robust RFF for Low-Latency 5G Device Identification in SIMO Scenarios
• Title（参考訳）: SIMOシナリオにおける低遅延5Gデバイス識別のためのチャネルローバスRFF
• Authors: Yingjie Sun, Guyue Li, Hongfu Chou, Aiqun Hu,
• Abstract要約: RFF(Radio frequency fingerprint)は、物理層のデバイスを識別し、偽造攻撃をブロックし、遅延を大幅に低減する。 本稿では,複数の受信アンテナからの信号を用いて,遅延を伴わずにマルチパス問題に対処する新しいRFF抽出手法を提案する。 提案手法は,20dBの信号-雑音比(SNR)の下で,30個のユーザ機器(UE)の識別精度を96.13%向上させる。
• 参考スコア（独自算出の注目度）: 12.602422198307815
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ultra-low latency, the hallmark of fifth-generation mobile communications (5G), imposes exacting timing demands on identification as well. Current cryptographic solutions introduce additional computational overhead, which results in heightened identification delays. Radio frequency fingerprint (RFF) identifies devices at the physical layer, blocking impersonation attacks while significantly reducing latency. Unfortunately, multipath channels compromise RFF accuracy, and existing channel-resilient methods demand feedback or processing across multiple time points, incurring extra signaling latency. To address this problem, the paper introduces a new RFF extraction technique that employs signals from multiple receiving antennas to address multipath issues without adding latency. Unlike single-domain methods, the Log-Linear Delta Ratio (LLDR) of co-temporal channel frequency responses (CFRs) from multiple antennas is employed to preserve discriminative RFF features, eliminating multi-time sampling and reducing acquisition time. To overcome the challenge of the reliance on minimal channel variation, the frequency band is segmented into sub-bands, and the LLDR is computed within each sub-band individually. Simulation results indicate that the proposed scheme attains a 96.13% identification accuracy for 30 user equipments (UEs) within a 20-path channel under a signal-to-noise ratio (SNR) of 20 dB. Furthermore, we evaluate the theoretical latency using the Roofline model, resulting in the air interface latency of 0.491 ms, which satisfies ultra-reliable and low-latency communications (URLLC) latency requirements.
• Abstract（参考訳）: 超低レイテンシ、第5世代のモバイル通信(5G)の目印は、識別に正確なタイミング要求を課している。 現在の暗号解では計算オーバーヘッドが増加し、識別遅延が増大している。 RFF(Radio frequency fingerprint)は、物理層のデバイスを識別し、偽造攻撃をブロックし、遅延を大幅に低減する。 残念なことに、マルチパスチャネルはRFFの精度を損なうため、既存のチャネル耐性メソッドはフィードバックや処理を複数のタイムポイントにわたって要求し、余分なシグナリング遅延を引き起こす。 この問題に対処するために,複数の受信アンテナからの信号を用いて,遅延を伴わずにマルチパス問題に対処する新しいRFF抽出手法を提案する。 単一ドメイン法とは異なり、複数アンテナからの同時チャネル周波数応答(CFR)のログLinear Delta Ratio(LLDR)は、識別的RFF特性の保存に使われ、マルチタイムサンプリングを排除し、取得時間を短縮する。 最小チャネル変動への依存を克服するため、周波数帯域をサブバンドに分割し、LLDRを各サブバンド内で個別に計算する。 シミュレーションの結果,20dBの信号-雑音比(SNR)の下で,30個のユーザ機器(UE)に対して96.13%の識別精度が得られた。 さらに,Rooflineモデルを用いて理論的遅延を評価することにより,超信頼性・低遅延通信(URLLC)のレイテンシ要求を満たす空気インターフェースのレイテンシが0.491msとなる。

関連論文リスト

• A Zero Added Loss Multiplexing (ZALM) Source Simulation [34.91883081037593]
  本稿では,設計選択が出力率と忠実度にどのように影響するかを示すモジュール型ZALMシミュレータを提案する。 I/Rコントローラを備えたNetSquidで構築され、20以上のパラメータを公開し、I/RおよびREALISTICモードをサポートし、再利用可能なコンポーネントを提供する。 デフォルト設定を使用すると、平均フィデリティは0.8で一定であるが、ソースで0.0075から50kmで0.0に減少し、SPDC縮退帯域幅を狭めることで、フィデリティに影響を与えることなくビットレートが大幅に増加する。
  論文  参考訳（メタデータ） (2025-10-29T22:41:40Z)
• Transmitter Identification via Volterra Series Based Radio Frequency Fingerprint [3.7848713545513317]
  RFF(Radio Frequency Fingerprinting)は、暗号を必要とせず、偽造に抵抗するため、有望な解決策を提供する。 既存のRFFアプローチは、しばしば統一理論と効果的な特徴抽出を欠いている。 本研究では,送信機をブラックボックスとしてモデル化し,送信信号への影響を分析する。 パブリックなLoRaデータセットの実験では、静的チャネルでは98%以上の精度で、マルチパスとドップラー効果下で90%以上の精度で、最先端のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2025-10-22T10:11:41Z)
• Dim and Small Target Detection for Drone Broadcast Frames Based on Time-Frequency Analysis [13.693769465573297]
  本稿では,通信プロトコルの時間周波数解析に基づく,ドローン放送フレームのターゲット検出アルゴリズムを提案する。 提案アルゴリズムは,既存のアルゴリズムと比較して評価基準を2.27%改善する。
  論文  参考訳（メタデータ） (2025-05-14T02:53:42Z)
• Task-Oriented Feature Compression for Multimodal Understanding via Device-Edge Co-Inference [54.53508601749513]
  本稿では,マルチモーダル理解のためのタスク指向特徴圧縮(TOFC)手法を提案する。 圧縮効率を向上させるために、視覚特徴の特性に基づいて複数のエントロピーモデルを適応的に選択する。 その結果,TOFCはデータ転送オーバーヘッドを最大52%削減し,システム遅延を最大63%削減できることがわかった。
  論文  参考訳（メタデータ） (2025-03-17T08:37:22Z)
• Communication-Efficient Federated Learning by Quantized Variance Reduction for Heterogeneous Wireless Edge Networks [55.467288506826755]
  フェデレーテッド・ラーニング(FL)は、無線エッジネットワークにおけるローカル・プライバシ・アウェア・コラボレーティブ・モデルトレーニングの有効なソリューションとして認識されている。 既存の通信効率の高いFLアルゴリズムは、デバイス間の大きなばらつきを低減できない。 本稿では,高度分散還元方式に依存する新しい通信効率FLアルゴリズムであるFedQVRを提案する。
  論文  参考訳（メタデータ） (2025-01-20T04:26:21Z)
• OFDM-Standard Compatible SC-NOFS Waveforms for Low-Latency and Jitter-Tolerance Industrial IoT Communications [53.398544571833135]
  この研究は、スペクトル的に効率的な不規則なSinc (irSinc) 整形法を提案し、1924年に従来のSincを再考した。 irSincは、誤差性能を犠牲にすることなくスペクトル効率が向上した信号を生成する。 我々の信号は、5G標準信号構成により、同じスペクトル帯域内で高速なデータ伝送を実現する。
  論文  参考訳（メタデータ） (2024-06-07T09:20:30Z)
• FrFT based estimation of linear and nonlinear impairments using Vision Transformer [10.615067455093516]
  非線形信号対雑音比(SNRNL)、光信号対雑音比(OSNR)、色分散(CD)、差分群遅延(DGD)の4つの重要な障害を共同で評価することが不可欠である。 提案手法は,光学性能モニタリング(OPM)分野における顕著な進歩を示すとともに,広い範囲にわたる線形および非線形障害の正確な推定を実現する。
  論文  参考訳（メタデータ） (2023-08-25T09:59:35Z)
• Real-Time GPU-Accelerated Machine Learning Based Multiuser Detection for 5G and Beyond [70.81551587109833]
  非線形ビームフォーミングフィルタは、大規模な接続を伴う定常シナリオにおいて、線形アプローチを著しく上回る。 主な課題の1つは、これらのアルゴリズムのリアルタイム実装である。 本稿では,大規模並列化によるAPSMに基づくアルゴリズムの高速化について検討する。
  論文  参考訳（メタデータ） (2022-01-13T15:20:45Z)
• Harnessing Wireless Channels for Scalable and Privacy-Preserving Federated Learning [56.94644428312295]
  無線接続は、フェデレートラーニング(FL)の実現に有効である Channel randomnessperturbs 各ワーカはモデル更新をインバージョンし、複数のワーカはバンド幅に大きな干渉を発生させる。 A-FADMMでは、すべてのワーカーがモデル更新をアナログ送信を介して単一のチャンネルを使用してパラメータサーバにアップロードする。 これは通信帯域幅を節約するだけでなく、各ワーカーの正確なモデル更新軌跡を任意の盗聴者から隠蔽する。
  論文  参考訳（メタデータ） (2020-07-03T16:31:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。