CN114268433B - 高速连续变量量子密钥分发系统的非线性补偿方法 - Google Patents
高速连续变量量子密钥分发系统的非线性补偿方法 Download PDFInfo
- Publication number
- CN114268433B CN114268433B CN202111616578.6A CN202111616578A CN114268433B CN 114268433 B CN114268433 B CN 114268433B CN 202111616578 A CN202111616578 A CN 202111616578A CN 114268433 B CN114268433 B CN 114268433B
- Authority
- CN
- China
- Prior art keywords
- receiving end
- transmitting end
- transmitting
- homodyne detector
- beam splitter
- 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 37
- 230000001427 coherent effect Effects 0.000 claims abstract description 35
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 238000012549 training Methods 0.000 claims abstract description 9
- 238000013528 artificial neural network Methods 0.000 claims abstract description 8
- 238000002474 experimental method Methods 0.000 claims abstract description 8
- 230000003287 optical effect Effects 0.000 claims description 44
- 230000010287 polarization Effects 0.000 claims description 39
- 230000010355 oscillation Effects 0.000 claims description 21
- 230000015654 memory Effects 0.000 claims description 18
- 238000005259 measurement Methods 0.000 claims description 17
- 239000013598 vector Substances 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 6
- 230000007787 long-term memory Effects 0.000 claims description 6
- 230000006403 short-term memory Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 230000004913 activation Effects 0.000 claims description 3
- 230000002238 attenuated effect Effects 0.000 claims description 3
- 239000013604 expression vector Substances 0.000 claims description 3
- 239000000835 fiber Substances 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 claims description 3
- 239000013307 optical fiber Substances 0.000 claims description 3
- 238000012805 post-processing Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 230000005610 quantum mechanics Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Optical Communication System (AREA)
Abstract
本发明公开了一种高速连续变量量子密钥分发系统的非线性补偿方法，包括搭建连续变量量子密钥分发实验系统；发送端以能够导致接收端平衡零差探测器失真的脉冲重复频率制备相干态并发送至接收端；接收端采用平衡零差探测器进行检测并获取失真测量值；在相同条件下发送端以能够保证接收端平衡零差探测器正常检测的脉冲重复频率制备相干态并发送至接收端；接收端采用平衡零差探测器进行探测并获取正常测量值；将失真测量值和正常测量值一一对应并构建数据集；构建基于自编码器的神经网络非线性补偿原始模型并采用数据集训练和优化得到非线性补偿模型；采用得到的非线性补偿模型对实际系统进行补偿。本发明可靠性高、有效性好且实施简单方便。
Description
技术领域
本发明属于量子通信领域，具体涉及一种高速连续变量量子密钥分发系统的非线性补偿方法。
背景技术
基于量子力学的基本定律，量子密钥分发(Quantum key distribution,QKD)已经被证实可以在具有潜在攻击威胁的信道中共享一组安全密钥。因此，量子密钥分发已经成为了现今最为热门的研究内容。根据密钥信息编码和检测方法的不同，量子密钥分发可以分为离散变量量子密钥分发和连续变量量子密钥分发。连续变量量子密钥分发通过光电调制器，将密钥信息加载在光脉冲的幅值和相位上，然后在接收端执行相干检测提取相应的密钥信息。连续变量量子密钥分发可以利用现有成熟的商用光通信器件，因此其也被认为是一种更具有应用前景的量子密钥分发实现方式。
在连续变量量子密钥分发的实验验证时，接收端的平衡零差探测器(Balancedhomodyne detector,BHD)用于相干态的正交分量的测量，从而实现光电脉冲转换和信号的放大。一般情况下，探测器输出的电脉冲是清晰可辩的，而且电脉冲的峰值与正交分量的值成比例；这需要系统的脉冲重复频率远小于平衡零差探测器的带宽。目前，适用于连续变量量子密钥分发系统的平衡零差探测器的最大带宽在1GHz左右。当脉冲的重复频率不断增加时，脉冲的时间周期可能会小于平衡零差探测器的响应时间；在这种情况下，相邻电脉冲的拖尾之间会相互重叠，从而造成探测器的输出脉冲严重非线性失真。为避免上述的测量值失真的情况，目前的量子密钥分发系统的脉冲重复频率都远低于平衡零差探测器的带宽。
对于量子密钥分发系统而言，脉冲重复频率直接与系统的密钥比特率正相关，而较低的脉冲重复频率则意味着较低的系统密钥比特率。量子密钥分发系统的密钥比特率太低，则严重制约了量子密钥分发系统的实用化。对于给定带宽的平衡零差探测器，如果能对测量值的非线性失真进行有效地补偿，脉冲重复频率的增加能大幅度提升系统密钥比特率。但是现有的经典通信领域的非线性补偿方法均无法直接应用于量子密钥分发系统；同时，该类非线性补偿方法大多需要先验知识，容易成为量子密钥分发系统的安全漏洞；而且在较低的信噪比时，经典补偿方法的性能也较差。
发明内容
本发明的目的在于提供一种可靠性高、有效性好且实施简单方便的高速连续变量量子密钥分发系统的非线性补偿方法。
本发明提供的这种高速连续变量量子密钥分发系统的非线性补偿方法，包括如下步骤：
S1.搭建连续变量量子密钥分发实验系统；
S2.在步骤S1搭建的实验系统上，发送端以实际高速系统中能够导致接收端平衡零差探测器失真的脉冲重复频率制备相干态，并发送至接收端；接收端采用平衡零差探测器进行检测，并获取失真测量值；
S3.在步骤S1搭建的实验系统上，在与步骤S2相同的条件下，发送端以能够保证接收端平衡零差探测器正常检测的脉冲重复频率制备相干态，并发送至接收端；接收端采用平衡零差探测器进行检测，并获取正常测量值；
S4.将步骤S2得到的失真测量值和步骤S3得到的正常测量值进行一一对应，从而构建数据集；
S5.构建基于自编码器的神经网络非线性补偿原始模型；
S6.采用步骤S4构建的数据集对步骤S5构建的基于自编码器的神经网络非线性补偿原始模型进行训练和优化，从而得到非线性补偿模型；
S7.在实际的高速连续变量量子密钥分发系统中，采用步骤S6得到的非线性补偿模型对系统的失真测量值进行补偿。
步骤S1所述的连续变量量子密钥分发实验系统，具体包括发送端和接收端；发送端包括发送端激光器、发送端第一幅值调制器、发送端相位调制器、发送端任意波形发生器、发送端第二幅值调制器、发送端分束器、发送端可调衰减器和发送端偏振分束器；发送端激光器、发送端第一幅值调制器、发送端相位调制器、发送端第二幅值调制器和发送端分束器依次串联，发送端任意波形发生器的两个信号输出口分别连接发送端相位调制器和发送端第二幅值调制器；发送端分束器的本振输出端连接发送端偏振分束器的第一输入端，发送端分束器的信号输出端连接发送端可调衰减器的输入端，发送端可调衰减器的输出端连接发送端偏振分束器的第二输入端；发送端偏振分束器的输出端通过光纤信道连接接收端；接收端包括接收端偏振分束器、接收端相位调制器、接收端平衡零差探测器、接收端模数转换器和接收端后处理器；接收端偏振分束器的输入端连接光纤信道；接收端偏振分束器的本振输出端连接接收端相位调制器的输入端，接收端相位调制器的输出端连接接收端平衡零差探测器的第一输入端；接收端偏振分束器的信号输出端连接接收端平衡零差探测器的第二输入端；接收端平衡零差探测器的输出端连接接收端模数转换器的输入端；接收端模数转换器的输出端连接接收端后处理器；发送端激光器用于产生连续光信号，并输出到发送端第一幅值调制器；发送端第一幅值调制器用于将接收到的连续光信号转换为光脉冲，并输出到发送端相位调制器；发送端任意波形发生器用于根据发送端产生的高斯随机数生成调制电压信号，并输出到发送端相位调制器和发送端第二幅值调制器；发送端相位调制器用于根据接收到的调制电压信号，将密钥信息加载到接收到的光脉冲的相位上，并将调制后的光脉冲信号传输到发送端第二幅值调制器；发送端第二幅值调制器用于根据接收到的调制电压信号，将密钥信息加载到接收到的光脉冲的幅值上，并将调制后的光脉冲信号输出到发送端分束器；发送端分束器用于将接收到的光脉冲信号分成信号光和本振光，信号光通过发送端可调衰减器衰减后再输入到发送端偏振分束器，本振光则直接输入到发送端偏振分束器；发送端偏振分束器用于将接收到的信号光和本振光进行偏振复用和时间复用后，再传输到接收端；接收端偏振分束器用于将接收到的信号解复用并得到信号光和本振光，其中本振光通过接收端相位调制器进行相位选择后输入到接收端平衡零差探测器，信号光则直接输入到接收端平衡零差探测器；接收端平衡零差探测器用于将接收到的信号光和本振光转换为电脉冲信号并放大，并输入到接收端模数转换器；接收端模数转换器用于将接收到的信号转换为数字信号，并传输到接收端后处理器进行后处理。
步骤S2所述的在步骤S1搭建的实验系统上，发送端以实际高速系统中能够导致接收端平衡零差探测器失真的同一脉冲重复频率制备相干态，并发送至接收端；接收端采用平衡零差探测器进行检测，并获取失真测量值，具体包括如下步骤：
在步骤S1搭建的实验系统上，发送端先以实际高速系统中能够导致接收端平衡零差探测器失真的脉冲重复频率将连续光转换为光脉冲信号，然后生成一组服从高斯分布的随机数，并将生成的随机数调制到光脉冲的幅值和相位上以制备相干态，并发送到接收端；接收端采用平衡零差探测器进行检测，并获取存在非线性失真的失真测量值；所述的能够导致接收端平衡零差探测器失真的脉冲重复频率，具体为脉冲重复频率大于平衡零差探测器带宽的三分之一。
步骤S3所述的在步骤S1搭建的实验系统上，在与步骤S2相同的条件下，发送端以能够保证接收端平衡零差探测器正常检测的脉冲重复频率制备相干态，并发送至接收端；接收端采用平衡零差探测器进行检测，并获取正常测量值，具体包括如下步骤：
在步骤S1搭建的实验系统上，发送端先以能够保证接收端平衡零差探测器正常探测的脉冲重复频率将连续光转换成为光脉冲信号，并采用步骤S2生成的同一组随机数，将生成的随机数调制到光脉冲的幅值和相位上以制备相同的相干态序列，并发送至接收端；接收端采用平衡零差探测器进行探测，并获取正常情况下的正常测量值；所述的能够保证接收端平衡零差探测器正常探测的脉冲重复频率，具体为脉冲重复频率小于平衡零差探测器带宽三分之一；
步骤S4所述的将步骤S2得到的失真测量值和步骤S3得到的正常测量值进行一一对应，从而构建数据集，具体包括如下步骤：
A.对步骤S2中探测器输出的非线性失真的电脉冲进行过采样，获得失真测量值序列；
B.对步骤S3中探测器输出的电脉冲进行过采样，筛选出每个脉冲周期内最大的采样值作为正常测量值序列；
C.将步骤A中获得的失真测量值序列，每M个失真测量向量作为数据集单个样本的输入数据；将步骤B中获得的正常测量值序列，每M/2个正常测量值作为数据集相应样本的标签数据；M为时间步；
D.对步骤C获得的样本进行标准化，从而将样本数据映射到区间[0,1]内；最终得到数据集。
步骤S5所述的构建基于自编码器的神经网络非线性补偿原始模型，具体包括如下步骤：
a.模型包括编码器和解码器；
b.编码器由两层长短期记忆网络组成；第一层长短期记忆网络包括64个记忆单元，并在后面连接一个dropout层防止过拟合；第二层长短期记忆网络包括128个记忆单元，输出一个128*1的特征表示向量；
c.解码器由长短期记忆网络和全连接层组成；解码器中的长短期记忆网络的记忆单元数量与失真测量向量的维度相同，并连接一个dropout层；解码器中全连接层的神经元数量分别为16和1，输出重构数据，从而得到补偿之后的测量值；
d.解码器中的全连接层采用线性函数作为激活函数；
e.训练过程中，采用如下算式作为损失函数：
式中L(y’,y)为标准化后的标签数据，y与重构数据y’的均方差；λ为惩罚因子；W为最优解的权值向量；为L2正则表达式。
本发明提供的这种高速连续变量量子密钥分发系统的非线性补偿方法，通过建立自编码器神经网路模型学习高速量子密钥分发系统中平衡零差探测器输出的非线性失真数据和正常数据的映射关系，并采用训练优化后的模型对接收端的失真测量值进行实时补偿；因此本发明方法能够在不增加系统额外器件且平衡零差探测器带宽受限的情况下，有效地对连续变量量子密钥分发系统非线性失真测量值进行补偿，从而大幅度提高脉冲重复频率，增加系统的密钥比特率，而且可靠性高、有效性好且实施简单方便。
附图说明
图1为本发明方法的方法流程示意图。
图2为本发明方法搭建的连续变量量子密钥分发实验系统示意图。
图3为本发明方法的实施效果示意图。
具体实施方式
如图1所示为本发明方法的方法流程示意图：本发明提供的这种高速连续变量量子密钥分发系统的非线性补偿方法，包括如下步骤：
S1.搭建连续变量量子密钥分发实验系统；
具体实施时，搭建的连续变量量子密钥分发实验系统如图2所示，具体包括发送端和接收端；发送端包括发送端激光器、发送端第一幅值调制器、发送端相位调制器、发送端任意波形发生器、发送端第二幅值调制器、发送端分束器、发送端可调衰减器和发送端偏振分束器；发送端激光器、发送端第一幅值调制器、发送端相位调制器、发送端第二幅值调制器和发送端分束器依次串联，发送端任意波形发生器的两个信号输出口分别连接发送端相位调制器和发送端第二幅值调制器；发送端分束器的本振输出端连接发送端偏振分束器的第一输入端，发送端分束器的信号输出端连接发送端可调衰减器的输入端，发送端可调衰减器的输出端连接发送端偏振分束器的第二输入端；发送端偏振分束器的输出端通过光纤信道连接接收端；接收端包括接收端偏振分束器、接收端相位调制器、接收端平衡零差探测器、接收端模数转换器和接收端后处理器；接收端偏振分束器的输入端连接光纤信道；接收端偏振分束器的本振输出端连接接收端相位调制器的输入端，接收端相位调制器的输出端连接接收端平衡零差探测器的第一输入端；接收端偏振分束器的信号输出端连接接收端平衡零差探测器的第二输入端；接收端平衡零差探测器的输出端连接接收端模数转换器的输入端；接收端模数转换器的输出端连接接收端后处理器；发送端激光器用于产生连续光信号，并输出到发送端第一幅值调制器；发送端第一幅值调制器用于将接收到的连续光信号转换为光脉冲，并输出到发送端相位调制器；发送端任意波形发生器用于根据发送端产生的高斯随机数生成调制电压信号，并输出到发送端相位调制器和发送端第二幅值调制器；发送端相位调制器用于根据接收到的调制电压信号，将密钥信息加载到接收到的光脉冲的相位上，并将调制后的光脉冲信号传输到发送端第二幅值调制器；发送端第二幅值调制器用于根据接收到的调制电压信号，将密钥信息加载到接收到的光脉冲的幅值上，并将调制后的光脉冲信号输出到发送端分束器；发送端分束器用于将接收到的光脉冲信号分成信号光和本振光，信号光通过发送端可调衰减器衰减后再输入到发送端偏振分束器，本振光则直接输入到发送端偏振分束器；发送端偏振分束器用于将接收到的信号光和本振光进行偏振复用和时间复用后，再传输到接收端；接收端偏振分束器用于将接收到的信号解复用并得到信号光和本振光，其中本振光通过接收端相位调制器进行相位选择后输入到接收端平衡零差探测器，信号光则直接输入到接收端平衡零差探测器；接收端平衡零差探测器用于将接收到的信号光和本振光转换为电脉冲信号并放大，并输入到接收端模数转换器；接收端模数转换器用于将接收到的信号转换为数字信号，并传输到接收端后处理器进行后处理；
S2.在步骤S1搭建的实验系统上，发送端以实际高速系统中能够导致接收端平衡零差探测器失真的脉冲重复频率制备相干态，并发送至接收端；接收端采用平衡零差探测器进行检测，并获取失真测量值；具体包括如下步骤：
在步骤S1搭建的实验系统上，发送端先以实际高速系统中能够导致接收端平衡零差探测器失真的脉冲重复频率将连续光转换为光脉冲信号，然后生成一组服从高斯分布的随机数，并将生成的随机数调制到光脉冲的幅值和相位上以制备相干态，并发送到接收端；接收端采用平衡零差探测器进行检测，并获取存在非线性失真的失真测量值；所述的能够导致接收端平衡零差探测器失真的脉冲重复频率，具体为脉冲重复频率大于平衡零差探测器带宽的三分之一。
S3.在步骤S1搭建的实验系统上，在与步骤S2相同的条件下，发送端以能够保证接收端平衡零差探测器正常检测的脉冲重复频率制备相干态，并发送至接收端；接收端采用平衡零差探测器进行检测，并获取正常测量值；具体包括如下步骤：
在步骤S1搭建的实验系统上，发送端先以能够保证接收端平衡零差探测器正常探测的脉冲重复频率将连续光转换成为光脉冲信号，并采用步骤S2生成的同一组随机数，将生成的随机数调制到光脉冲的幅值和相位上以制备相同的相干态序列，并发送至接收端；接收端采用平衡零差探测器进行探测，并获取正常情况下的正常测量值；所述的能够保证接收端平衡零差探测器正常探测的脉冲重复频率，具体为脉冲重复频率小于平衡零差探测器带宽三分之一；
S4.将步骤S2得到的失真测量值和步骤S3得到的正常测量值进行一一对应，从而构建数据集；具体包括如下步骤：
A.对步骤S2中探测器输出的非线性失真的电脉冲进行过采样，获得失真测量值序列；
B.对步骤S3中探测器输出的电脉冲进行过采样，筛选出每个脉冲周期内最大的采样值作为正常测量值序列；
C.将步骤A中获得的失真测量值序列，每M个失真测量向量作为数据集单个样本的输入数据；将步骤B中获得的正常测量值序列，每M/2个正常测量值作为数据集相应样本的标签数据；M为时间步；
D.对步骤C获得的样本进行标准化，从而将样本数据映射到区间[0,1]内；最终得到数据集；
S5.构建基于自编码器的神经网络非线性补偿原始模型；具体包括如下步骤：
a.模型包括编码器和解码器；
b.编码器由两层长短期记忆网络组成；第一层长短期记忆网络包括64个记忆单元，并在后面连接一个dropout层防止过拟合；第二层长短期记忆网络包括128个记忆单元，输出一个128*1的特征表示向量；
c.解码器由长短期记忆网络和全连接层组成；解码器中的长短期记忆网络的记忆单元数量与失真测量向量的维度相同，并连接一个dropout层；解码器中全连接层的神经元数量分别为16和1，输出重构数据，从而得到补偿之后的测量值；
d.解码器中的全连接层采用线性函数作为激活函数；
e.训练过程中，采用如下算式作为损失函数：
式中L(y’,y)标准化后的标签数据，y与重构数据y’的均方差；λ为惩罚因子；W为最优解的权值向量；为L2正则表达式；
S6.采用步骤S4构建的数据集对步骤S5构建的基于自编码器的神经网络非线性补偿原始模型进行训练和优化，从而得到非线性补偿模型；
S7.在实际的高速连续变量量子密钥分发系统中，采用步骤S6得到的非线性补偿模型对系统的失真测量值进行补偿。
如图3所示则为本发明方法的实施效果示意图：从图中可以看到，本发明方法确实能够在脉冲重复频率较高的高速连续变量量子密钥分发系统中，对非线性失真的测量值进行有效补偿，训练优化后的模型能够准确地重构理想实验数据；此外，本发明方法不需要增加额外的系统器件，安全可靠、具备实际使用价值。
Claims (3)
1.一种高速连续变量量子密钥分发系统的非线性补偿方法，包括如下步骤：
S1.搭建连续变量量子密钥分发实验系统；所述的连续变量量子密钥分发实验系统，具体包括发送端和接收端；发送端包括发送端激光器、发送端第一幅值调制器、发送端相位调制器、发送端任意波形发生器、发送端第二幅值调制器、发送端分束器、发送端可调衰减器和发送端偏振分束器；发送端激光器、发送端第一幅值调制器、发送端相位调制器、发送端第二幅值调制器和发送端分束器依次串联，发送端任意波形发生器的两个信号输出口分别连接发送端相位调制器和发送端第二幅值调制器；发送端分束器的本振输出端连接发送端偏振分束器的第一输入端，发送端分束器的信号输出端连接发送端可调衰减器的输入端，发送端可调衰减器的输出端连接发送端偏振分束器的第二输入端；发送端偏振分束器的输出端通过光纤信道连接接收端；接收端包括接收端偏振分束器、接收端相位调制器、接收端平衡零差探测器、接收端模数转换器和接收端后处理器；接收端偏振分束器的输入端连接光纤信道；接收端偏振分束器的本振输出端连接接收端相位调制器的输入端，接收端相位调制器的输出端连接接收端平衡零差探测器的第一输入端；接收端偏振分束器的信号输出端连接接收端平衡零差探测器的第二输入端；接收端平衡零差探测器的输出端连接接收端模数转换器的输入端；接收端模数转换器的输出端连接接收端后处理器；发送端激光器用于产生连续光信号，并输出到发送端第一幅值调制器；发送端第一幅值调制器用于将接收到的连续光信号转换为光脉冲，并输出到发送端相位调制器；发送端任意波形发生器用于根据发送端产生的高斯随机数生成调制电压信号，并输出到发送端相位调制器和发送端第二幅值调制器；发送端相位调制器用于根据接收到的调制电压信号，将密钥信息加载到接收到的光脉冲的相位上，并将调制后的光脉冲信号传输到发送端第二幅值调制器；发送端第二幅值调制器用于根据接收到的调制电压信号，将密钥信息加载到接收到的光脉冲的幅值上，并将调制后的光脉冲信号输出到发送端分束器；发送端分束器用于将接收到的光脉冲信号分成信号光和本振光，信号光通过发送端可调衰减器衰减后再输入到发送端偏振分束器，本振光则直接输入到发送端偏振分束器；发送端偏振分束器用于将接收到的信号光和本振光进行偏振复用和时间复用后，再传输到接收端；接收端偏振分束器用于将接收到的信号解复用并得到信号光和本振光，其中本振光通过接收端相位调制器进行相位选择后输入到接收端平衡零差探测器，信号光则直接输入到接收端平衡零差探测器；接收端平衡零差探测器用于将接收到的信号光和本振光转换为电脉冲信号并放大，并输入到接收端模数转换器；接收端模数转换器用于将接收到的信号转换为数字信号，并传输到接收端后处理器进行后处理；
S2.在步骤S1搭建的实验系统上，发送端以实际系统中能够导致接收端平衡零差探测器失真的脉冲重复频率制备相干态，并发送至接收端；接收端采用平衡零差探测器进行检测，并获取失真测量值；
S3.在步骤S1搭建的实验系统上，在与步骤S2相同的条件下，发送端以能够保证接收端平衡零差探测器正常检测的脉冲重复频率制备相干态，并发送至接收端；接收端采用平衡零差探测器进行检测，并获取正常测量值；
S4.将步骤S2得到的失真测量值和步骤S3得到的正常测量值进行一一对应，从而构建数据集；具体包括如下步骤：
A.对步骤S2中探测器输出的非线性失真的电脉冲进行过采样，获得失真测量值序列；
B.对步骤S3中探测器输出的电脉冲进行过采样，筛选出每个脉冲周期内最大的采样值作为正常测量值序列；
C.将步骤A中获得的失真测量值序列，每M个失真测量向量作为数据集单个样本的输入数据；将步骤B中获得的正常测量值序列，每M/2个正常测量值作为数据集相应样本的标签数据；M为时间步；
D.对步骤C获得的样本进行标准化，从而将样本数据映射到区间[0,1]内；最终得到数据集；
S5.构建基于自编码器的神经网络非线性补偿原始模型；具体包括如下步骤：
a.模型包括编码器和解码器；
b.编码器由两层长短期记忆网络组成；第一层长短期记忆网络包括64个记忆单元，并在后面连接一个dropout层防止过拟合；第二层长短期记忆网络包括128个记忆单元，输出一个128*1的特征表示向量；
c.解码器由长短期记忆网络和全连接层组成；解码器中的长短期记忆网络的记忆单元数量与失真测量值的维度相同，并连接一个dropout层；解码器中全连接层的神经元数量分别为16和1，输出重构数据，从而得到补偿之后的测量值；
d.解码器中的全连接层采用线性函数作为激活函数；
e.训练过程中，采用如下算式作为损失函数：
式中L(y',y)为标准化后的标签数据，y与重构数据y'的均方差；λ为惩罚因子；W为最优解的权值向量；为L2正则表达式；
S6.采用步骤S4构建的数据集对步骤S5构建的基于自编码器的神经网络非线性补偿原始模型进行训练和优化，从而得到非线性补偿模型；
S7.在实际的高速连续变量量子密钥分发系统中，采用步骤S6得到的非线性补偿模型对系统的失真测量值进行补偿。
2.根据权利要求1所述的高速连续变量量子密钥分发系统的非线性补偿方法，其特征在于步骤S2所述的在步骤S1搭建的实验系统上，发送端以能够导致接收端平衡零差探测器失真的同一脉冲重复频率制备相干态，并发送至接收端；接收端采用平衡零差探测器进行检测，并获取失真测量值，具体包括如下步骤：
在步骤S1搭建的实验系统上，发送端先以能够导致接收端平衡零差探测器失真的脉冲重复频率将连续光转换为光脉冲信号，然后生成一组服从高斯分布的随机数，并将生成的随机数调制到光脉冲的幅值和相位上以制备相干态，并发送到接收端；接收端采用平衡零差探测器进行检测，并获取存在非线性失真的失真测量值；所述的能够导致接收端平衡零差探测器失真的脉冲重复频率，具体为脉冲重复频率大于平衡零差探测器带宽的三分之一。
3.根据权利要求2所述的高速连续变量量子密钥分发系统的非线性补偿方法，其特征在于步骤S3所述的在步骤S1搭建的实验系统上，在与步骤S2相同的条件下，发送端以能够保证接收端平衡零差探测器正常检测的脉冲重复频率制备相干态，并发送至接收端；接收端采用平衡零差探测器进行检测，并获取正常测量值，具体包括如下步骤：
在步骤S1搭建的实验系统上，发送端先以能够保证接收端平衡零差探测器正常探测的脉冲重复频率将连续光转换成为光脉冲信号，并采用步骤S2生成的同一组随机数，将生成的随机数调制到光脉冲的幅值和相位上以制备相同的相干态序列，并发送至接收端；接收端采用平衡零差探测器进行探测，并获取正常情况下的正常测量值；所述的能够保证接收端平衡零差探测器正常探测的脉冲重复频率，具体为脉冲重复频率小于平衡零差探测器带宽三分之一。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111616578.6A CN114268433B (zh) | 2021-12-27 | 2021-12-27 | 高速连续变量量子密钥分发系统的非线性补偿方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111616578.6A CN114268433B (zh) | 2021-12-27 | 2021-12-27 | 高速连续变量量子密钥分发系统的非线性补偿方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114268433A CN114268433A (zh) | 2022-04-01 |
| CN114268433B true CN114268433B (zh) | 2024-04-16 |
Family
ID=80830612
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111616578.6A Active CN114268433B (zh) | 2021-12-27 | 2021-12-27 | 高速连续变量量子密钥分发系统的非线性补偿方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114268433B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114900403B (zh) * | 2022-05-13 | 2023-05-12 | 中国电子科技集团公司第三十研究所 | 一种基于闭环数字预失真的信号失真控制系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102868520A (zh) * | 2012-08-28 | 2013-01-09 | 上海交通大学 | 连续变量量子密钥分发系统及其相位补偿方法 |
| WO2017148141A1 (zh) * | 2016-02-29 | 2017-09-08 | 华为技术有限公司 | 一种量子密钥分配方法及发送装置、接收装置 |
| CN107947930A (zh) * | 2017-12-29 | 2018-04-20 | 中南大学 | 连续变量量子密钥分发调制补偿系统及其实现方法 |
| CN107124227B (zh) * | 2017-04-17 | 2019-10-29 | 浙江神州量子网络科技有限公司 | 基于光注入的cv-qkd系统以及发送端、接收端和cv-qkd方法 |
| CN110896329A (zh) * | 2018-09-12 | 2020-03-20 | 中国科学技术大学 | 基于本地本振光方案的连续变量量子密钥分发相干探测系统 |
| CN112953973A (zh) * | 2021-04-12 | 2021-06-11 | 中南大学 | 针对连续变量量子密钥分发系统的混合攻击检测方法 |
| CN113794573A (zh) * | 2021-10-25 | 2021-12-14 | 南京大学 | 一种基于离散调制cv-qkd的数字签名系统及方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109842449B (zh) * | 2017-11-24 | 2020-11-10 | 华为技术有限公司 | 生成密钥的设备和方法 |
| CN109361515B (zh) * | 2018-11-23 | 2022-05-27 | 山西大学 | 连续变量量子密钥分发系统脉冲光高速偏振锁定方法 |
| US11418330B2 (en) * | 2019-10-21 | 2022-08-16 | Eagle Technology, Llc | Quantum communication system that switches between quantum key distribution (QKD) protocols and associated methods |
| KR102225679B1 (ko) * | 2019-12-18 | 2021-03-10 | 한국과학기술원 | 시분할 쿼드러쳐 호모다인 연속변수 양자 암호 키분배 시스템 |
-
2021
- 2021-12-27 CN CN202111616578.6A patent/CN114268433B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102868520A (zh) * | 2012-08-28 | 2013-01-09 | 上海交通大学 | 连续变量量子密钥分发系统及其相位补偿方法 |
| WO2017148141A1 (zh) * | 2016-02-29 | 2017-09-08 | 华为技术有限公司 | 一种量子密钥分配方法及发送装置、接收装置 |
| CN107124227B (zh) * | 2017-04-17 | 2019-10-29 | 浙江神州量子网络科技有限公司 | 基于光注入的cv-qkd系统以及发送端、接收端和cv-qkd方法 |
| CN107947930A (zh) * | 2017-12-29 | 2018-04-20 | 中南大学 | 连续变量量子密钥分发调制补偿系统及其实现方法 |
| CN110896329A (zh) * | 2018-09-12 | 2020-03-20 | 中国科学技术大学 | 基于本地本振光方案的连续变量量子密钥分发相干探测系统 |
| CN112953973A (zh) * | 2021-04-12 | 2021-06-11 | 中南大学 | 针对连续变量量子密钥分发系统的混合攻击检测方法 |
| CN113794573A (zh) * | 2021-10-25 | 2021-12-14 | 南京大学 | 一种基于离散调制cv-qkd的数字签名系统及方法 |
Non-Patent Citations (6)
| Title |
|---|
| 1.2-GHz Balanced Homodyne Detector for Continuous-Variable Quantum Information Technology;Xiaoxiong Zhang ect.;《IEEE Photonics Journal ( Volume: 10, Issue: 5, October 2018)》;20180823;全文 * |
| 刘金璐 ; 杨杰 ; 张涛 ; 樊矾 ; 黄伟 ; 徐兵杰.一种基于平衡零差探测技术的平均光子数测量方法.《物理学报》.2021,全文. * |
| 连续变量量子密钥分发技术研究进展;刘维琪;彭进业;黄鹏;曾贵华;;信息安全研究;20170105(01);全文 * |
| 连续变量量子密钥分发系统中同步方案及实验实现;申泽源;房坚;何广强;曾贵华;;中国激光;20130310(第03期);全文 * |
| 高速连续变量量子密钥分发系统同步技术研究;刘友明;汪超;黄端;黄鹏;冯晓毅;彭进业;曹正文;曾贵华;;光学学报;20150110(第01期);全文 * |
| 黄彪 ; 麻甜甜 ; 黄永梅 ; 彭真明.连续变量量子密钥分发中的最小二乘相位估计算法.《激光与光电子学进展》.2021,全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114268433A (zh) | 2022-04-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106059676B (zh) | 基于单光子探测的多通道频率编码信息传输系统 | |
| CN110365473B (zh) | 一种基于机器学习的量子通信系统的主动反馈控制方法 | |
| CN109298239A (zh) | 面向微波频谱测量的光子欠采样系统及方法 | |
| Houtsma et al. | 92 and 50 Gbps TDM-PON using neural network enabled receiver equalization specialized for PON | |
| JPH05347586A (ja) | 動作波長の分散を有するビーム導波体によるデジタル通信光学伝送システム | |
| CN110730037B (zh) | 一种基于动量梯度下降法的相干光通信系统光信噪比监测方法 | |
| Guesmi et al. | Experimental demonstration of simultaneous modulation format/symbol rate identification and optical performance monitoring for coherent optical systems | |
| CN114268433B (zh) | 高速连续变量量子密钥分发系统的非线性补偿方法 | |
| CN110851111B (zh) | 一种高安全的源无关量子随机数产生装置与方法 | |
| CN104467969A (zh) | 分数阶傅里叶变换测量光纤链路色散的方法 | |
| Williamson et al. | Effects of crosstalk in demultiplexers for photonic analog-to-digital converters | |
| CN102981048A (zh) | 基于光采样的射频频率测量方法及装置 | |
| CN111245512A (zh) | 基于神经网络的可见光通信系统非线性信道建模方法 | |
| CN114553315B (zh) | 基于CNN-biRNN的光纤非线性均衡方法及系统 | |
| Li et al. | End-to-end learning for optical fiber communication with data-driven channel model | |
| CN112929163B (zh) | 测量装置无关的连续变量量子密钥分发方法及系统 | |
| Liu et al. | Nonlinear equalizer by feature engineering based-deep neural network for coherent optical communication system | |
| CN111917485A (zh) | 基于线性光采样的强度调制光信号眼图测量装置及方法 | |
| Ye et al. | OSNR monitoring based on a low-bandwidth coherent receiver and LSTM classifier | |
| Guo et al. | Deep neural network based chromatic dispersion estimation with ultra-low sampling rate for optical fiber communication systems | |
| AU770078B2 (en) | Method for monitoring the signal quality in transparent optical networks | |
| Wang et al. | Deep learning enabled simultaneous OSNR and CD monitoring for coherent transmission system | |
| CN109302238B (zh) | 一种光iq调制器参数调节方法及系统 | |
| Wang et al. | Optical signal-to-noise ratio monitoring based on statistical moments using artificial neural network | |
| CN112543070B (zh) | 信道特性的在线提取 |
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 |