論文の概要: Spectral fingerprint recognition of mobile signals via Rydberg atomic sensors

• arxiv url: http://arxiv.org/abs/2610.35301v1
• Date: Mon, 26 Oct 2026 12:07:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-29 18:17:58.033995
• Title: Spectral fingerprint recognition of mobile signals via Rydberg atomic sensors
• Title（参考訳）: Rydberg原子センサーによる移動体信号の分光指紋認識
• Abstract要約: 我々は、Rydberg電磁誘導透過分光法とディープラーニングに基づく移動信号分類のための量子可能なフレームワークを実証する。 スペクトルフィンガープリントデータセットに基づいてトレーニングされた畳み込みニューラルネットワークは、初期ベースライン分類精度93.44%を達成する。 提案方式は,60秒間におけるフレームレベルの認識精度を87.67%向上させる。
• 参考スコア（独自算出の注目度）: 62.34329837194793
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rydberg-atom sensors have emerged as a promising quantum technology for broadband radio-frequency detection owing to their intrinsic calibration, wide frequency coverage, and high sensitivity. However, their potential for intelligent identification of real-world wireless signals remains largely unexplored. Here, we demonstrate a quantum-enabled framework for mobile signal classification based on Rydberg electromagnetically induced transparency spectroscopy and deep learning. Three types of wireless emissions, including cellular voice call, Wi-Fi, and 5G signals from three commercial smartphone brands, are measured to construct a spectral-fingerprint dataset. A convolutional neural network trained on this dataset achieves an initial baseline classification accuracy of 93.44\%. To compensate for spectral drifts induced by temporal and environmental variations, a progressive fine-tuning strategy is employed to continuously adapt the pretrained model, enabling robust classification across diverse deployment scenarios. Furthermore, continuous real-time monitoring is demonstrated under dynamically varying wireless conditions, including cellular voice call, Wi-Fi, and their coexistence. The proposed system achieves an overall frame-level recognition accuracy of 87.67\% over a 60-s measurement. These results establish a pathway toward intelligent quantum radio-frequency sensing and highlight the potential of Rydberg-atom platforms for real-time wireless signal awareness and spectrum monitoring.
• Abstract（参考訳）: Rydberg-atomセンサーは、固有のキャリブレーション、広い周波数範囲、高感度のため、ブロードバンド無線周波数検出のための有望な量子技術として登場した。 しかし、現実世界の無線信号のインテリジェントな識別の可能性はほとんど解明されていない。 本稿では、Rydberg電磁誘導透過分光とディープラーニングに基づく移動体信号分類のための量子可能なフレームワークを実証する。 携帯電話の音声通話、Wi-Fi、および3つのスマートフォンブランドからの5G信号を含む3種類の無線放射を測定し、スペクトル指紋データセットを構築した。 このデータセットでトレーニングされた畳み込みニューラルネットワークは、初期ベースライン分類精度93.44\%を達成する。 時間的・環境的な変動によって引き起こされるスペクトルのドリフトを補償するため、事前訓練されたモデルに継続的に適応し、多様な展開シナリオにまたがる堅牢な分類を可能にするプログレッシブ微調整戦略が採用されている。 さらに、セルラー音声通話、Wi-Fi、およびそれらの共存を含む、動的に変化する無線条件下で、連続的なリアルタイム監視が実演される。 提案方式は,60秒間におけるフレームレベルの認識精度を87.67\%とする。 これらの結果は、インテリジェントな量子無線周波数センシングへの経路を確立し、リアルタイム無線信号認識とスペクトルモニタリングのためのRydberg-atomプラットフォームの可能性を強調している。

関連論文リスト

• Spectrum Shortage for Radio Sensing? Leveraging Ambient 5G Signals for Human Activity Detection [5.225254533678075]
  Ambient Radio Sensing (ARS) はISACのアプローチであり、無線信号を無線で再送することでスペクトルの希少性に対処する。 ARSは、受動的に通信信号を受信し、それを増幅して周囲の物体を照らし、反射した信号をキャプチャするスタンドアロンデバイスとして機能する。 我々は,ARSのプロトタイプを開発し,周辺5G信号を用いた広範囲な実験によりその有効性を検証した。
  論文  参考訳（メタデータ） (2026-03-03T23:18:03Z)
• WiFi-based Cross-Domain Gesture Recognition Using Attention Mechanism [61.79272554643873]
  本稿では,マルチセマンティックアテンション機構と自己注意に基づくチャネル機構を融合したジェスチャー認識ネットワークを提案する。 その結果、99.72%のドメイン内精度を維持するだけでなく、97.61%のクロスドメイン認識でも高い性能を発揮することがわかった。
  論文  参考訳（メタデータ） (2025-12-04T07:09:13Z)
• Rydberg Atomic Quantum Receivers for Multi-Target DOA Estimation [77.32323151235285]
  ライドバーグ原子量子受信機(RAQR)は、古典的な無線通信とセンシングのための有望なソリューションとして登場した。 まず、マルチターゲットDOA検出のためのRydberg原子量子一様線形アレイ(RAQ-ULA)を用いた無線受信機を提案し、このセンシングシステムの対応する信号モデルを提案する。 このセンサゲインミスマッチ問題を解決するために,我々のモデルに依存するRydberg原子量子ESPRIT(RAQ-ESPRIT)を提案する。
  論文  参考訳（メタデータ） (2025-01-06T07:42:23Z)
• Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
  デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。 無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。 そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
  論文  参考訳（メタデータ） (2023-12-08T13:50:30Z)
• GraSens: A Gabor Residual Anti-aliasing Sensing Framework for Action Recognition using WiFi [52.530330427538885]
  WiFiベースのヒューマンアクション認識(HAR)は、スマートリビングやリモート監視といったアプリケーションにおいて、有望なソリューションと見なされている。 本稿では,無線機器からのWiFi信号を用いた動作を,多様なシナリオで直接認識する,エンド・ツー・エンドのGabor残差検知ネットワーク(GraSens)を提案する。
  論文  参考訳（メタデータ） (2022-05-24T10:20:16Z)
• Federated Learning for Distributed Spectrum Sensing in NextG Communication Networks [3.509171590450989]
  NextGネットワークは、既存のユーザとスペクトルを共有する柔軟性を提供することを目的としている。 無線センサのネットワークは、大規模な展開領域における信号伝達のスペクトルを監視するために必要である。 精度を向上させるために、個々のセンサは、センサーデータまたはセンサー結果を相互または融合センタで交換することができる。
  論文  参考訳（メタデータ） (2022-04-06T18:18:42Z)
• Quantum-assisted Distortion-free audio signal sensing [2.530512865260924]
  量子支援型歪みのない音声信号(メロディ,音声)を高忠実度で検出する。 この方法では、電気通信への応用に向けた量子センサーの地平を広げることができる。
  論文  参考訳（メタデータ） (2021-11-07T14:40:58Z)
• Spectro-Temporal RF Identification using Deep Learning [3.8137985834223507]
  WRISTは、分光時間検出、フレームワーク、システムを備えた広帯域リアルタイムRF識別システムである。 得られたディープラーニングモデルは、時間と周波数のRF放射を検出し、分類し、正確に検出することができる。 WRIST検出器は、野生の非常に密集した環境でも平均的な平均精度が90に達する。
  論文  参考訳（メタデータ） (2021-07-11T19:02:07Z)

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。