【摘 要】
:
随着科技的蓬勃发展,信息安全逐渐引起了人们的高度关注,量子密钥分发(Quantum Key Distribution,QKD)基于未知量子态无法精确复制、量子态的叠加、纠缠等几个基本的量子力学特性弥补了传统密码学不能够实现无条件安全密钥分发的缺点,因此受到了许多学者的重视并加以研究。目前,一共有两种通过量子信道产生对称密钥的协议,分别是离散变量量子密钥分发(Discrete Variable Qu
论文部分内容阅读
随着科技的蓬勃发展,信息安全逐渐引起了人们的高度关注,量子密钥分发(Quantum Key Distribution,QKD)基于未知量子态无法精确复制、量子态的叠加、纠缠等几个基本的量子力学特性弥补了传统密码学不能够实现无条件安全密钥分发的缺点,因此受到了许多学者的重视并加以研究。目前,一共有两种通过量子信道产生对称密钥的协议,分别是离散变量量子密钥分发(Discrete Variable Quantum Key Distribution,DVQKD)和连续变量量子密钥分发(Continuous Variable Quantum Key distribution,CV-QKD),其区别主要在于发送端信息的载体和接收端对量子态的检测方式各不相同。DV-QKD和CV-QKD协议都包含了以下四个过程:(1)通过私密量子信道进行量子传输,(2)根据测量基筛选被测量的量子态,(3)在假定为无噪声的公共信道进行协商,(4)通过哈希函数进行隐私放大。在CV-QKD中,信息协商的目的是纠正由于窃听方干扰和量子信道噪声导致的不对称的密钥,整个过程中所采用的纠错码的协商效率和误帧率(Frame Error Rate,FER)这两个参数决定了量子密钥分发系统的最终密钥率和最大传输距离。其中使用场景最为广泛的是多边型低密度奇偶校验(Multi-Edge Type Low-Density Parity-Check,MET-LDPC)码,通过设计校验矩阵和优化译码算法,采用MET-LDPC码的信息协商能够在极低信噪比下实现较高的协商效率和系统吞吐量。然而MET-LDPC码为了适应波动的量子信道,需要针对不同的信噪比范围设计出极其复杂的校验矩阵,同时性能会随着信噪比的细微变化而大幅削减。本文针对该问题,对CV-QKD的信息协商算法展开研究,改进了采用无固定码率的纠错码的信息协商算法,避免了MET-LDPC码的弊端,本文的主要工作如下:(1)低信噪比下无固定码率纠错码Raptor码的性能探究。Raptor码作为无固定码率码,通过不断发送编码信息直到译码方能够成功译码,保证了所有数据帧的误帧率一定为0,因此先对Raptor码在二进制输入加性高斯白噪声(Binary Input Additive White Gaussian Noise,BI-AWGN)信道中的编译码性能进行仿真分析。(2)优化基于无固定码率Raptor码的多维协商算法。详细介绍多维协商算法并将Raptor码应用于多维协商算法中,旨在解决固定码率纠错码MET-LDPC码因信噪比的细微变化而性能降低的缺陷,同时对线性分组码在多维协商条件下的初始化公式进行推导,使得译码初始化的对数似然比值最精确。该算法不仅真正实现了码率兼容,同时也能够在极低信噪比(<-15d B)下实现较高的协商效率(>95%)。(3)对多维协商中的虚拟信道进行理论分析。通过对比Raptor码在BI-AWGN信道和多维协商算法中的性能,发现在多维协商中Raptor码未能达到BI-AWGN信道中的性能,因此展开对多维协商中构建的虚拟信道的分析。发现两者的区别在于虚拟信道并不完全是BI-AWGN信道,存在随信噪比变化的衰落系数,同时其噪声满足以d为自由度的t分布。而BI-AWGN信道中的噪声满足高斯分布,因此进行分析,推导出噪声满足t分布的虚拟信道容量并与BI-AWGN信道进行对比。
其他文献
近些年,随着深度学习和人工神经网络的快速发展,许多新的自动作曲(或称算法作曲)方法相继被提出并且深受该领域的研究人员的关注。算法作曲不仅能帮助作曲家创作出更优秀的作品,同时还降低了音乐创作的成本和门槛,使非专业人士也能够享受到创作的趣味。基于神经网络的作曲方法目前在实践中取得了一定的突破,该方法的优势是作曲系统在工作时不需要先验知识,能在较短时间内处理大规模的数据,进而大大提高了作曲效率。但是神经
位置敏感传感器(PSD,Position Sensitive Detector)作为一种非接触式的高精度位移传感器在测量领域越来越受到业界的重视。本文使用PSD位移传感器,通过硬件电路和软件程序的设计,搭建一套非接触式的高精度位移测量系统,主要解决了该传感器的温度漂移、非线性和噪声三个问题,具体工作内容如下:(1)对温度漂移问题,通过免疫算法优化最小二乘支持向量机内部的惩罚因子和核函数参数来构建温
随着遥感技术日渐发达,其应用也日趋广泛。遥感图像场景分类作为遥感技术的重要应用,一直是专家学者们的研究热点。目前,随着遥感图像的数量急剧增加,出现了越来越多的高分辨率遥感图像数据集,传统的基于特征和语义的遥感图像场景分类方法已经无法满足应用需求。近年来,以数据为驱动的深度学习发展迅猛,基于深度学习的分类方法凭借卷积神经网络能够轻松提取到图像中复杂丰富的高层特征,逐渐成为了遥感图像场景分类的主流方法
重型移动装备的位置检测在工业作业中应用广泛,其现有的技术不能充分满足在工业作业中的定位精度和自动化控制。本文在对现有的重型移动装备位置检测技术进行对比和分析的基础上,通过对感应无线技术进行研究,提出一种改进后的高分辨率地址检测算法。同时结合重型移动装备位置检测系统的现实作业要求,对整套系统的硬件、软件进行设计,满足重型移动装备定位系统高精密度位置检测和稳定的自动化控制系统。论文的主要工作和创新包括
近年来,多智能体协同控制成为控制领域的研究热点之一,一致性作为多智能体协同控制的基本问题,其应用涉及无人机编队、机器人等领域。实际中,多智能体系统需要分成多个簇,甚至因任务需求、物理环境或网络状况变化等需要改变队伍结构,才能完成复杂的任务。多智能体系统中智能体往往是空间分布的,通过网络拓扑连接实现信息交互。事件触发机制可在理想的系统性能和有限的网络通信资源之间进行折中。考虑到不同簇智能体的运行状态
由于能源危机和环境污染严重,每个国家都在想方设法的解决问题,其主要解决方案是通过大力开发清洁的、绿色环保的新能源,开展新能源的各项应用研发。近年来新能源汽车迅速发展,已成为世界主要的汽车强国研究和推广应用的重心,而燃料电池汽车作为一种可再生的清洁能源汽车,必然成为了各国的重点研究对象。燃料电池汽车相比于燃油车而言,它拥有零污染、噪音少、寿命长、能源利用率高等优点,因此在新能源汽车这一领域内,燃料电
碳纤维作为一种高性能材料,广泛应用于国防军工、医疗、交通运输等多个领域,被列为国家重点战略性材料。在碳纤维的生产过程中,凝固成形过程这一关键工序对原丝质量影响较大,进而对提升最终产品的质量较为关键。因此,对凝固成形过程的工艺研究、机理建模和虚拟实现具有重要意义。本文在研究碳纤维凝固成形机理的基础上,建立了碳纤维的凝固成形过程的动态模型、数值仿真和三维动画呈现,并设计和开发了基于B/S架构的碳纤维凝
在《中国制造2025》等国家政策背景下,制造业正在经历一个飞速发展的时期。并联机器人凭借自身优势,具有高速、精确、稳定的特点,在产品分拣环节具有及其重要的作用,被广泛应用于医疗、电子、食品等领域。针对并联机器人机械机构较为复杂、三个关节之间相互耦合、运动控制较为复杂,容易出现关节抖动、无法保证动态指标的现象。运用机器人运动学及动力学、神经网络算法、多项式插值函数、线性自抗扰控制策略等,借助Matl
随着电子商务领域的迅速发展,人们在网上购物也越来越方便,服装产品的线上交易量占比也不断增加,导致网络上的服装图像数据量增长迅猛。如何在网络上大量的服装图像数据库中精准地检索出人们需要的服装图像逐渐变为了一个热门的研究课题。传统的基于文本的服装图像检索方法由于需要人工标记,存在描述不清晰和主观性强等不足,使得检索结果准确度不高。传统的基于内容的服装检索方法存在背景干扰、遮挡等问题,提取服装特征有一定
随着智能家居技术的广泛应用,给人们的生活带来了更多便捷。以往的研究主要针对家居设备的状态监测与远程控制,然而,如何利用这些数据进一步提升家居环境下的生活智能化和用户安全性,成为了新的研究热点。另一方面,随着大数据和云计算的技术快速发展,针对大数据的数据挖掘技术也被广泛应用,特别是针对实时流数据的挖掘技术,成为了新的研究热潮。在此背景下,本文在智能家居环境中,以设备流数据作为研究对象,针对用户的行为