CN113225273B - 一种基于cs的自由空间cv-qkd信道参数估计方法 - Google Patents
一种基于cs的自由空间cv-qkd信道参数估计方法 Download PDFInfo
- Publication number
- CN113225273B CN113225273B CN202110321777.8A CN202110321777A CN113225273B CN 113225273 B CN113225273 B CN 113225273B CN 202110321777 A CN202110321777 A CN 202110321777A CN 113225273 B CN113225273 B CN 113225273B
- Authority
- CN
- China
- Prior art keywords
- qkd
- free space
- channel
- parameter estimation
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000011159 matrix material Substances 0.000 claims description 44
- 230000005540 biological transmission Effects 0.000 claims description 22
- 239000013598 vector Substances 0.000 claims description 17
- 238000002834 transmittance Methods 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
- H04L9/0816—Key establishment, i.e. cryptographic processes or cryptographic protocols whereby a shared secret becomes available to two or more parties, for subsequent use
- H04L9/0852—Quantum cryptography
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Complex Calculations (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于CS的自由空间CV‑QKD信道参数估计方法，具体包括如下步骤：步骤1，构建自由空间CV‑QKD信道参数估计稀疏表征模型；步骤2，采用OMP算法对步骤1所得的稀疏表征模型进行求解，根据求解结果计算自由空间CV‑QKD协议的密钥率。采用本发明克服了现有信道估计方法对接收信号、发送信号统计特性的依赖，降低了算法的运算复杂度，并利用自由空间信道的稀疏特性，降低了所需牺牲的原始变量，提高了自由空间CV‑QKD的性能。
Description
技术领域
本发明属于量子信息处理技术领域，涉及一种基于CS的自由空间CV-QKD信道参数估计方法。
背景技术
相较于离散变量量子密钥分发(Discrete-variable QKD,DV-QKD)，连续变量量子密钥分发(Continuous-variable QKD,CV-QKD)凭借其在密钥生成率、最远传输距离、与先进光通信技术的兼容性、设备成本等方面的优势与潜力，目前已成为国内外研究的热点。但是，由于CV-QKD协议的相关研究起步较晚，CV-QKD协议在QKD系统实现的发展过程中仍面临许多实际问题有待解决。尤其是对于能够承载更远传输距离的星地自由空间信道，CV-QKD在该环境下传输数据会受到大气湍流、辐射、多普勒效应等因素的影响，并且窃听者可采取的攻击手段更加灵活多样，因此需要针对各种外界因素，在信道参数估计、调制方式的影响分析、密钥率计算公式推演等方面开展研究，推动量子保密通信技术发展。
受大气湍流影响，自由空间信道的透射率、过量噪声等参数处于随时间、温度、海拔、距离等因素波动的状态，而并非如光纤信道一般具有固定的透射率与过量噪声。因此，在分析自由空间CV-QKD协议的实际安全性时，需要发送方与接收方共享一部分数据，估计出波动的信道参数，进而计算量子系统的协方差矩阵，实现自由空间CV-QKD的安全性分析。当前，最大似然参数估计方法能够利用发送和接收信号实现对参数稳定信道的估计，而对于参数变化的信道，则需要利用信号的统计特性，并且需要牺牲较多的原始变量以保证参数估计精度。近来，基于盲信道估计的参数估计方法得到验证，该方法只需要利用接收的量子态以及发送量子态的先验信息便能实现自由空间CV-QKD的信道参数估计，并不需要将部分原始变量公布出来用于参数估计，因此该方法不需要牺牲原始变量便能获得不错的参数估计精度。但是，该方法需要计算接收量子态二阶，甚至是更高阶的统计量才能完成信道参数估计，这必然增加了信道参数估计的运算量，而且利用有限长量子态计算得到的统计特性必然会与真实量子态的统计特性存在差异，从而引入估计误差。因此，需要对自由空间CV-QKD的信道参数估计方法进一步研究，以求在估计误差、牺牲的原始变量数量、运算量等方面提高性能。
发明内容
本发明的目的是提供一种基于CS(Compressed Sensing,CS，压缩感知)的自由空间CV-QKD信道参数估计方法，采用该方法克服了现有信道估计方法对接收信号、发送信号统计特性的依赖，降低了算法的运算复杂度，并利用自由空间信道的稀疏特性，降低了所需牺牲的原始变量，提高了自由空间CV-QKD的性能。
本发明所采用的技术方案是，一种基于CS(Compressed Sensing,CS，压缩感知)的自由空间CV-QKD信道参数估计方法，具体包括如下步骤：
步骤1，构建自由空间CV-QKD信道参数估计稀疏表征模型；
步骤2，采用OMP算法对步骤1所得的稀疏表征模型进行求解，根据求解结果计算自由空间CV-QKD协议的密钥率。
本发明的特点还在于：
步骤1的具体过程为：
步骤1.1，在自由空间CV-QKD协议中，构建收发双方的原始变量的传递变化关系式；
步骤1.2，对步骤1.1所得的关系式进行稀疏基选择并进行稀疏表示；
步骤1.3，基于步骤1.2所得结果，构建信道参数估计的稀疏表征模型。
步骤1.1的具体过程为：
在自由空间CV-QKD协议中，发送方发出的用于信道参数估计的原始变量为
其中M为整个量子态传输过程中的子信道个数；量子态通过自由空间信道后，在接收端得到的原始变量为
在自由空间CV-QKD协议中，收发双方的原始变量满足如下的传递变化关系式：
其中，Ti为第i个子信道的透射率，
为均值为0，方差为
的高斯噪声，因此，对于第i个子信道，收发双方的原始变量满足如下的矩阵关系式：
步骤1.2的具体过程为：
由于矩阵Hi所有元素非零，对非稀疏的矩阵Hi做傅里叶变换，获得一个满足非零元素个数K＜＜Ni的稀疏矩阵Θi，且逆离散傅里叶变换矩阵Ψ与发送信号矩阵Xi不相关，因此，公式(2)具有如下的稀疏表示形式：
Yi＝XiΨΘi+Zi (3)。
步骤1.3的具体过程为：
对收发信号矩阵Yi和Xi进行稀疏采样，将对Yi和Xi稀疏采样的
矩阵Φi设计为：
其中，
为向量
中的元素，该向量通过在0到Ni之间任取
个互不相同的整数构成，因此，收发双方原始变量之间的稀疏表示形式可以进一步改写为：
由于稀疏向量Θi中元素的值远大于矩阵Zi中元素的值，因此在重构(公式(5)中的向量Θi时，构建如下所示的自由空间CV-QKD信道参数估计稀疏表征模型：
步骤2的具体过程为：
步骤2.1，基于步骤1所得结果对信道参数估计值进行计算；
步骤2.2，根据步骤2.1所得结果计算自由空间CV-QKD协议的密钥率。
步骤2.1的具体过程为：
利用OMP算法重构出向量
向量
的逆傅里叶变换为信道传输矩阵的估计值为：
第i个子信道的透射率估计值表示为：
过量噪声的估计值表示为：
整个信道的透射率估计值为：
整个信道的过量噪声估计值为：
步骤2.2的具体过程为：
根据整个信道透射率过量噪声的估计值
及整个信道过量噪声的估计值
计算QKD协议中发送方与接收方的香农互信息IAB以及窃听者与接收方的Holevo信息χBE，将透射率估计值与过量噪声估计值带入量子态的协方差矩阵，利用如下公式(13)计算渐进极限条件下自由空间CV-QKD协议的密钥率K：
K＝βIAB-χBE (13)。
本发明的有益效果是，本发明针对自由空间CV-QKD协议对信道参数估计算法的精度、运算复杂度、原始变量(信号)数量需求，提出的基于压缩感知的自由空间CV-QKD信道参数估计方法，通过把自由空间信道看作多个具有稳定参数的子信道，使得信道展示出明显的稀疏性，因此只需采用较少的原始变量便能达到较高的参数估计精度，降低了所需的原始变量数量，并且该方法不需要计算收发信号的高阶统计量，降低了参数估计方法的运算复杂度。
附图说明
图1是本发明一种基于CS的自由空间CV-QKD信道参数估计方法的流程图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明一种基于CS的自由空间CV-QKD信道参数估计方法，如图1所示，本发明通过下列步骤实现：通过收发双方公开一段稀疏的原始变量，并提前约定好稀疏采样矩阵，根据信号传输关系式，构建自由空间CV-QKD信道参数估计稀疏表征模型；利用OMP算法对参数估计的稀疏表征模型求解，经过傅里叶逆变换获得到透射率的估计值，根据透射率与过量噪声的关系式，计算过量噪声的估计值，在此基础上，计算CV-QKD协议的密钥率。
步骤1，在将自由空间划分为多个子信道的基础上，通过对自由空间子信道进行稀疏处理，并结合双方公布的发送信号和接收信号(原始变量)，构建自由空间CV-QKD信道参数估计的稀疏表征模型。
自由空间信道参数虽然是随时间波动的，但由于信道参数的波动率在kHz量级，而CV-QKD系统的调制与检测频率达到了MHz量级，因此至少有上千个信号(量子态)在某一稳定的信道参数条件下完成了传输，而下一组上千个信号则与这一组信号要经历不同的信道参数。据此，可以将每一组信号对应的稳定信道看作一个子信道，在所有量子态传输的整个过程中，信道参数只针对不同组的信号具有不同的值，因此信道参数具有明显的稀疏性，在构建信道参数估计模型时可以通过对其进行稀疏处理，使其表现出稀疏性。
(1)信道参数估计的反问题表达式
如图1所示，在自由空间CV-QKD协议中，发送方发出的用于信道参数估计的原始变量为
其中M为整个量子态传输过程中的子信道个数。量子态通过自由空间信道后，在接收端得到的原始变量为
由于在自由空间CV-QKD协议中，收发双方的原始变量满足如下的传递变化关系式：
其中，Ti为第i个子信道的透射率，
为均值为0，方差为
的高斯噪声。因此，对于第i个子信道，收发双方的原始变量满足如下的矩阵关系式：
(2)稀疏基选择及稀疏表示
由上式可以看出，虽然式中的矩阵Hi所有元素非零，但所有元素相同，因此可以对矩阵Hi进行傅里叶变换得到Sa函数，甚至能够形成冲击函数。由此可以推断，在对非稀疏的矩阵Hi做傅里叶变换后，能够获得一个满足非零元素个数K＜＜Ni的稀疏矩阵Θi，且逆离散傅里叶变换矩阵Ψ与发送信号矩阵Xi不相关。因此，上式具有如下的稀疏表示形式：
Yi＝XiΨΘi+Zi (3)；
(3)信道参数估计的稀疏表征模型
根据以上的分析，可以对收发信号矩阵Yi和Xi进行稀疏采样，从而节省用于信道参数估计的原始变量。可以将对Yi和Xi稀疏采样的
矩阵Φi设计为：
其中，
为向量
中的元素，该向量通过在0到Ni之间任取
个互不相同的整数构成。因此，收发双方原始变量之间的稀疏表示形式可以进一步改写为：
由于稀疏向量Θi中元素的值远大于矩阵Zi中元素的值，因此在重构上式的向量Θi时，可以构建如下所示的自由空间CV-QKD信道参数估计稀疏表征模型：
其中，Hi为Ni×1的信道传输矩阵，Θi为Ni×1的稀疏信道传输矩阵，Ψ为Ni×Ni的逆离散傅里叶变换矩阵，
为
的发送信号稀疏采样矩阵，
为
的接收信号稀疏采样矩阵，Ni为全采样时估计第i个子信道参数所用的信号数量，
为第i个子信道采用稀疏采样时用于信道参数估计的信号数量。
步骤2，采用正交匹配跟踪(Orthogonal matching pursuit，OMP)算法对构建的自由空间CV-QKD信道参数估计稀疏模型进行求解，并将透射率、过量噪声的估计值带入密钥率计算公式，实现自由空间CV-QKD协议的安全性分析。
OMP算法是一种收敛快、运算复杂度低的稀疏重构算法，已广泛应用于基于压缩感知的研究中。通过利用OMP算法求解自由空间CV-QKD信道参数估计稀疏表征模型，能够得到稀疏信道传输矩阵Θi，该矩阵的逆傅里叶变换为信道传输矩阵Hi，从而能够得到信道透射率
在获得子信道透射率
的基础上，通过计算发送和接收信号的自相关RX和RY，并结合子信道透射率估计值、检测效率η、电子噪声υel，能够计算出过量噪声的估计值
步骤2的具体过程为：
(1)信道参数估计值计算
如图1所以，利用OMP算法能够重构出向量
其逆傅里叶变换为信道传输矩阵的估计值
因此，第i个子信道的透射率估计值可以表示为：
过量噪声的估计值可以表示为：
在获得子信道参数估计值的基础上，能够利用下式计算整个信道透射率、过量噪声的估计值。
(2)自由空间CV-QKD协议的密钥率计算；
对自由空间CV-QKD协议安全性分析的步骤主要是根据自由空间CV-QKD的系统框图，计算全局量子态的协方差矩阵，并将信道透射率和过量噪声的估计值带入协方差矩阵。根据量子态的协方差矩阵，根据整个信道透射率过量噪声的估计值
及整个信道过量噪声的估计值
计算QKD协议中发送方与接收方的香农互信息IAB以及窃听者与接收方的Holevo信息χBE，能够得到渐进极限条件下自由空间CV-QKD协议的密钥率；
将透射率估计值与过量噪声估计值带入量子态的协方差矩阵，利用下式计算渐进极限条件下自由空间CV-QKD协议的密钥率。
K＝βIAB-χBE (12)；
其中，β为协调效率。
Claims (6)
1.一种基于CS的自由空间CV-QKD信道参数估计方法，其特征在于：具体包括如下步骤：
步骤1，构建自由空间CV-QKD信道参数估计稀疏表征模型；
所述步骤1的具体过程为：
步骤1.1，在自由空间CV-QKD协议中，构建收发双方的原始变量的传递变化关系式；
所述步骤1.1的具体过程为：
在自由空间CV-QKD协议中，发送方发出的用于信道参数估计的原始变量为
其中M为整个量子态传输过程中的子信道个数；量子态通过自由空间信道后，在接收端得到的原始变量为
在自由空间CV-QKD协议中，收发双方的原始变量满足如下的传递变化关系式：
其中，Ti为第i个子信道的透射率，
为均值为0，方差为
的高斯噪声，υe1电子噪声；η为检测效率，因此，对于第i个子信道，收发双方的原始变量满足如下的矩阵关系式：
步骤1.2，对步骤1.1所得的关系式进行稀疏基选择并进行稀疏表示；
步骤1.3，基于步骤1.2所得结果，构建信道参数估计的稀疏表征模型；
步骤2，采用OMP算法对步骤1所得的稀疏表征模型进行求解，根据求解结果计算自由空间CV-QKD协议的密钥率。
2.根据权利要求1所述的一种基于CS的自由空间CV-QKD信道参数估计方法，其特征在于：所述步骤1.2的具体过程为：
由于矩阵Hi所有元素非零，对非稀疏的矩阵Hi做傅里叶变换，获得一个满足非零元素个数K＜＜Ni的稀疏矩阵Θi，且逆离散傅里叶变换矩阵Ψ与发送信号矩阵Xi不相关，因此，公式(2)具有如下的稀疏表示形式：
Yi＝XiΨΘi+Zi (3)。
3.根据权利要求2所述的一种基于CS的自由空间CV-QKD信道参数估计方法，其特征在于：所述步骤1.3的具体过程为：
对收发信号矩阵Yi和Xi进行稀疏采样，将对Yi和Xi稀疏采样的
矩阵Φi设计为：
其中，
为向量
中的元素，该向量通过在0到Ni之间任取
个互不相同的整数构成，因此，收发双方原始变量之间的稀疏表示形式可以进一步改写为：
由于稀疏向量Θi中元素的值远大于矩阵Zi中元素的值，因此在重构公式(5)中的向量Θi时，构建如下所示的自由空间CV-QKD信道参数估计稀疏表征模型：
4.根据权利要求3所述的一种基于CS的自由空间CV-QKD信道参数估计方法，其特征在于：所述步骤2的具体过程为：
步骤2.1，基于步骤1所得结果对信道参数估计值进行计算；
步骤2.2，根据步骤2.1所得结果计算自由空间CV-QKD协议的密钥率。
5.根据权利要求4所述的一种基于CS的自由空间CV-QKD信道参数估计方法，其特征在于：所述步骤2.1的具体过程为：
利用OMP算法重构出向量
向量
的逆傅里叶变换为信道传输矩阵的估计值为：
第i个子信道的透射率估计值表示为：
过量噪声的估计值表示为：
整个信道的透射率估计值为：
整个信道的过量噪声估计值为：
6.根据权利要求5所述的一种基于CS的自由空间CV-QKD信道参数估计方法，其特征在于：所述步骤2.2的具体过程为：
将透射率估计值与过量噪声估计值带入量子态的协方差矩阵，根据整个信道透射率过量噪声的估计值
及整个信道过量噪声的估计值
计算QKD协议中发送方与接收方的香农互信息IAB以及窃听者与接收方的Holevo信息χBE，利用如下公式(12)计算渐进极限条件下自由空间CV-QKD协议的密钥率K：
K＝βIAB-χBE (12)；
β为协调效率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110321777.8A CN113225273B (zh) | 2021-03-25 | 2021-03-25 | 一种基于cs的自由空间cv-qkd信道参数估计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110321777.8A CN113225273B (zh) | 2021-03-25 | 2021-03-25 | 一种基于cs的自由空间cv-qkd信道参数估计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113225273A CN113225273A (zh) | 2021-08-06 |
| CN113225273B true CN113225273B (zh) | 2022-10-11 |
Family
ID=77084139
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110321777.8A Active CN113225273B (zh) | 2021-03-25 | 2021-03-25 | 一种基于cs的自由空间cv-qkd信道参数估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113225273B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9553677B1 (en) * | 2014-11-17 | 2017-01-24 | Sandia Corporation | Self-referenced continuous-variable quantum key distribution |
| CN109478998A (zh) * | 2016-05-11 | 2019-03-15 | 巴黎矿业电信学院 | 用于连续变量量子加密的相位参考共享方案 |
| CN110492991A (zh) * | 2019-04-18 | 2019-11-22 | 上海循态信息科技有限公司 | 基于自由空间cvqkd系统的参数估计方法及系统 |
| CN110635896A (zh) * | 2019-08-26 | 2019-12-31 | 上海循态信息科技有限公司 | 连续变量量子密钥分发的盲参数估计方法 |
| CN111262690A (zh) * | 2019-12-31 | 2020-06-09 | 天津师范大学 | 基于离散调制的自由空间连续变量量子密钥分发协议 |
-
2021
- 2021-03-25 CN CN202110321777.8A patent/CN113225273B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9553677B1 (en) * | 2014-11-17 | 2017-01-24 | Sandia Corporation | Self-referenced continuous-variable quantum key distribution |
| CN109478998A (zh) * | 2016-05-11 | 2019-03-15 | 巴黎矿业电信学院 | 用于连续变量量子加密的相位参考共享方案 |
| CN110492991A (zh) * | 2019-04-18 | 2019-11-22 | 上海循态信息科技有限公司 | 基于自由空间cvqkd系统的参数估计方法及系统 |
| CN110635896A (zh) * | 2019-08-26 | 2019-12-31 | 上海循态信息科技有限公司 | 连续变量量子密钥分发的盲参数估计方法 |
| CN111262690A (zh) * | 2019-12-31 | 2020-06-09 | 天津师范大学 | 基于离散调制的自由空间连续变量量子密钥分发协议 |
Non-Patent Citations (2)
| Title |
|---|
| 《中国博士学位论文全文数据库》;丁禹阳;《中国博士学位论文全文数据库》;20181130;第80-105页 * |
| Computational Complexity of Continuous Variable Quantum Key Distribution;Yi-Bo Zhao等;《IEEE》;20080523;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113225273A (zh) | 2021-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106302298B (zh) | 一种消除正交频分复用水声通信系统限幅噪声的方法 | |
| CN106027445A (zh) | 一种水声块结构稀疏特性的信道估计方法 | |
| CN116471585B (zh) | 一种兼顾隐私保护的面向任务的语义通信方法及系统 | |
| CN104486284B (zh) | 基于增强型六维64psk星座的正交频分复用方法 | |
| CN115250216A (zh) | 一种基于深度学习的水声ofdm联合信道估计和信号检测方法 | |
| CN108111455B (zh) | 基于压缩感知的随钻测井数据v-ofdm声波传输方法 | |
| CN109347482B (zh) | 基于参数估计的跳频信号压缩感知重构方法 | |
| CN103346991A (zh) | 一种基于循环前缀的信道估计与同步方法 | |
| CN113438746B (zh) | 一种基于能量调制的大规模随机接入方法 | |
| CN113225273B (zh) | 一种基于cs的自由空间cv-qkd信道参数估计方法 | |
| CN105812299B (zh) | 基于联合块稀疏重构的无线传感网信道估计方法 | |
| Kim et al. | Robust non-linear feedback coding via power-constrained deep learning | |
| CN104079520A (zh) | 一种ofdm系统的脉冲干扰抑制方法 | |
| WO2024067178A1 (zh) | 基于蒙特卡罗极化码的译码级联迭代的水声通信系统 | |
| CN101557233A (zh) | 一种容误码的卷积码编码参数盲识别方法 | |
| CN104682963A (zh) | 一种信号循环平稳特性的重构方法 | |
| CN109379116B (zh) | 基于切比雪夫加速法与sor算法的大规模mimo线性检测算法 | |
| Salih Abdelgader et al. | Exploiting the randomness inherent of the channel for secret key sharing in vehicular communications | |
| CN113612571B (zh) | 一种基于广义多分数傅里叶变换的多分量安全传输方法 | |
| CN101662441A (zh) | 信号估计方法、装置及检测系统 | |
| CN102315835A (zh) | 一种成形滤波器滚降系数估计方法 | |
| CN109274614A (zh) | 一种适用于时变稀疏信道的鲁棒信道估计算法 | |
| CN107528807B (zh) | 一种基于相位判决的空间调制mqam信号检测方法 | |
| CN109698706A (zh) | 基于判决反馈的极化码非相干迭代检测方法及装置 | |
| CN106911431B (zh) | 应用于稀疏编码多址接入系统解调过程中改进的部分边缘信息传递方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |