Rydberg原子量子接收机的信道估计：基于全息快照的展开相位恢复
信息论
2026-05-12 v3 math.IT
摘要
提出了一种基于全息快照测量的模型驱动深度学习框架，用于Rydberg原子量子接收机（RAQR）的信道估计。具体而言，我们开发了一种基于Transformer的展开架构，称为URformer，以解决非线性偏置相位恢复问题，该问题是通过展开期望最大化Gerchberg-Saxton（EM-GS）算法的稳定变体推导而来的。所提出的URformer的每一层包含三个可训练模块：1）一个可学习滤波网络，用于替代经典EM-GS算法中固定的Bessel核；2）一个可训练门控机制，自适应地结合经典更新以确保训练稳定性；3）一个高效信道Transformer模块，通过捕获非局部信道依赖性来学习校正残差误差。数值结果表明，所提出的URformer以更低的导频开销显著优于经典迭代算法和传统黑盒神经网络。
引用
@article{arxiv.2509.12586,
title = {Channel Estimation for Rydberg Atomic Quantum Receivers: Unrolled Phase Retrieval from Holographic Snapshots},
author = {Jian Xiao and Ji Wang and Ming Zeng and Hongbo Xu and Xingwang Li and Arumugam Nallanathan},
journal= {arXiv preprint arXiv:2509.12586},
year = {2026}
}