论文部分内容阅读
量子通信作为一种新型通讯方式,可分为分立变量量子通信(DVQC)和连续变量量子通信(CVQC)。目前,由于DVQC存在着缺乏理想高效的单光子源、信息容量小、信号弱、易受干扰及衰减等缺陷,限制了其发展和应用。而CVQC具有信息容量大、信号强、调制灵活等特点,适合远距离信号传输,已受到高度重视。但是,由于纠缠度有限,以及纠缠对损耗具有高敏感性,使通信保真度受到严重限制。本文旨在研究CVQC信道评估及其误差校正方案,从而提高其输出信号保真度。本文的主要工作是建立CVQC信道评估和优化方案。首先介绍了目前典型的量子通信保真度优化方案,包括基于弱测量的量子隐形传态(QT)输出信号保真度优化方案和基于多步量子操作的连续变量量子传输系统(CVQTS)的信号保真度优化方案。在分析经典神经网络和量子神经网络(QNN)原理的基础上,择优选取QNN作为信息处理工具,构建QNN的量子逻辑线路,提出了间接QNN学习结构。在保证量子通信安全的基础上,该结构能够完成对量子通信系统输出失真信号的校正。其次,本文提出基于QNN误差校正的QT方案,将间接QNN学习结构引入QT中,实现对QT输出信号的实时跟踪,能及时进行失真信号的校正。为了保证量子通信的保密性,QNN只抽取其中10%的通信信号作为神经网络的训练数据,然后利用训练得到的权值参数对输出信号进行校正,完成信号的高效传送。通过产生[0,π]之间的随机角度作为输入量子位序列的极化角,从而满足随机发送量子态的要求。仿真结果表明,不同的随机输入信号,通过QNN辅助传送后,QT的输出信号保真度都能接近1。最后,将上述方案引入CVQTS中,优化传输信号的保真度。该CVQTS方案利用N分束器将相干态进行分解后,通过N个QT进行信号传送,在接收端再进行重新组合。但是,在分束器数量有限的情况下,该方案达不到高保真度通信要求。本文提出基于QNN辅助的传送方案,对CVQTS的部分输入和输出信号进行实时跟踪学习,在不破坏通信安全性的情况下,实现对输出信号进行恢复和还原。仿真结果表明,在有限数量分束器的情况下,能够实现信号的高效率传送,输出信号保真度近似为1。QNN由简单的量子门构造而成,实验可操作性强,从而增加了系统的可实现性。