非高斯区域中信号恢复的物理集成推断
光学
2026-01-27 v1 信号处理
应用物理
摘要
高性能室温传感常受限于非平稳 涨落与非高斯随机性。在自旋电子器件中，热激发的 Néel 翻转产生重尾噪声，掩盖微弱信号，使针对高斯统计优化的线性滤波器失效。在此，我们提出一种物理集成推断框架，利用分层 1D CNN-GRU 拓扑将信号形态与随机瞬态解耦。通过学习 Néel 弛豫的时间特征，该架构将自旋电子 Poisson 测辐射热计的等效微分噪声温度（NEDT）降低了六倍（从 233.78 mK 降至 40.44 mK），有效将室温灵敏度提升至接近低温极限。我们展示了该框架在电磁与生物频谱上的普适性，在雷达跟踪中实现了 9 倍的误差抑制，在 LiDAR 中实现了 40% 的不确定性降低，在 ECG 中实现了 15.56 dB 的信噪比（SNR）提升。这种硬件-推断耦合从涨落主导的区域中恢复确定性信号，在嘈杂的边缘环境中实现接近理想的检测极限。
引用
@article{arxiv.2601.18074,
title = {Physics-Integrated Inference for Signal Recovery in Non-Gaussian Regimes},
author = {Mohamed A. Mousa and Leif Bauer and Ziyi Yang and Utkarsh Singh and Angshuman Deka and Zubin Jacob},
journal= {arXiv preprint arXiv:2601.18074},
year = {2026}
}