发明内容
本发明所要解决的技术问题是实现一种通过对数据特征的分析,有针对性的对数据进行压缩的数据传输方法,可以有效降低QKD通信带宽的占用。
为了实现上述目的,本发明采用的技术方案为:一种基于哈夫曼编码的QKD对基数据传输方法,包括以下步骤:
步骤1、探测位置序列获取;
步骤2、探测间隔序列提取;
步骤3、哈夫曼表构造;
步骤4、探测间隔序列压缩;
步骤5、探测间隔序列解压缩;
步骤6、探测位置序列恢复。
所述步骤1中,从QKD系统获取单光子探测器的探测位置序列P=(P1,P2,...,Pn),Pi≥0,探测位置为对应发送脉冲序号的递增序列,获取单光子探测器的死时间对应的脉冲周期记为TDT。
所述步骤2中,根据探测位置序列和死时间脉冲周期计算探测间隔序列为G=(G1,G2,...,Gn),其中G1=P1,Gi=Pi-Pi-1-1-TDT,i≥2。
所述步骤3中,将探测间隔序列按照数值大小分解为两个序列:
区间序号序列B=(B1,B2,...,Bn)和区间子序号序列I=(I1,I2,...,In),
区间序号序列B构造对应的哈夫曼表HB
区间子序号序列I构造对应的哈夫曼表记为HI;
所述探测间隔序列分解方法:
探测间隔的均值为
探测间隔序列事实上服从G~GE(p),其中GE(p)为参数为的几何分布,满足概率Pr(GE(p)=k)=(1-p)kp,k≥0;
k是大于等于0的所有整数,表示几何分布取到个整数的概率;
选取正整数N使得(1-p)N≈1/2;
按照区间大小N将探测间隔序列分解为两个序列;
其中,Ii=Gimod N,i≥1。
区间序号序列B服从参数为1/2的几何分布GE(1/2),取值范围为{0,1,2,...};
其中,区间子序号序列I服从截断的几何分布,取值范围为{0,1,...,N-1},概率分布满足
所述步骤4中,根据构造的哈夫曼表HB和HI,将区间序号序列B=(B1,B2,...,Bn)和区间子序号序列I=(I1,I2,...,In)编码为区间序号序列编码和区间子序号序列编码/>
获得压缩后的数据D,将区间序号序列编码和区间子序号序列编码连在一起形成的二元序列。
所述步骤5中,将数据D分解为区间序号序列编码和区间子序号序列编码/>
根据建立的哈夫曼表HB和HI,将区间序号序列编码和区间子序号序列编码解压缩为区间序号序列B=(B1,B2,...,Bn)和区间子序号序列I=(I1,I2,...,In);计算探测间隔序列G=(G1,G2,...,Gn),其中Gi=BiN+Ii,i≥1。
所述步骤6中,根据探测间隔序列和死时间脉冲周期计算探测位置序列为P=(P1,P2,...,Pn),其中P1=G1,Pi=Gi+Pi-1+1+TDT,i≥2。
一种基于哈夫曼编码的QKD对基数据传输装置,包括QKD探测位置序列的编码压缩装置和编码解压缩装置,所述基于哈夫曼编码的QKD对基数据传输装置执行所述基于哈夫曼编码的QKD对基数据传输方法。
所述编码压缩装置,包括:
对基信息获取模块:执行所述步骤1探测位置序列获取的模块;
探测间隔序列提取模块:执行所述步骤2探测间隔序列提取的模块;
哈夫曼表构造模块:执行所述步骤3哈夫曼表构造的模块;
探测间隔序列压缩模块:执行所述步骤4探测间隔序列压缩的模块;
对基数据发送模块:将参数为p、压缩后数据D和对基所需其它数据通过经典信道发送给QKD发送端。
所述编码解压缩装置,包括:
对基信息获取模块:QKD发送端在对基阶段从系统中获取单光子探测器的死时间对应的脉冲周期TDT,通过经典信道接受从QKD接收端发送来的参数为p、压缩后数据D和对基所需其它数据;
哈夫曼表构造模块:执行所述步骤3哈夫曼表构造的模块;
探测间隔序列解压缩模块:执行所述步骤5探测间隔序列解压缩的模块;
探测位置序列恢复模块:执行所述步骤5探测位置序列恢复的模块;
基矢比对模块:根据探测位置序列,结合其它对基所需信息完成对基。
本发明针对性地对探测位置进行数据压缩编码可以显著降低QKD网络带宽的占用,提升QKD性能与网络适应性,具体来说具有以下有益效果:
1、本发明提供一种几何分布序列的压缩与解压缩方法,结合几何分布的具体参数将几何分布序列分解为区间序号序列和区间子序号序列,根据其概率分布分别设计两类哈夫曼压缩编码,该方法复杂度低、延迟小、压缩效率可接近香农熵理论极限,可以满足特定场合下对几何分布序列进行存储或传输时的数据压缩需求;
2、本发明提供了一种基于哈夫曼编码的QKD对基数据传输方法及装置,通过对探测位置序列的深入分析提取出服从几何分布的探测间隔序列,根据探测效率采用两类哈夫曼压缩编码,针对性地设计探测位置序列编码压缩方案,该方法复杂度低、延迟小、压缩效率可接近香农熵理论极限,可以有效解决现有QKD对基数据网络带宽占用高的问题。
具体实施方式
下面对照附图,通过对实施例的描述,本发明的具体实施方式如所涉及的各构件的形状、构造、各部分之间的相互位置及连接关系、各部分的作用及工作原理、制造工艺及操作使用方法等,作进一步详细的说明,以帮助本领域技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。
基于哈夫曼编码的QKD对基数据传输方法,通过对数据特征的分析,有针对性地设计了基于哈夫曼编码的压缩方案,可以有效降低QKD通信带宽的占用,针对性地设计探测位置序列编码压缩方案,可以应用于QKD的发送端和接收端,以解决现有QKD对基数据网络带宽占用高的问题。
首先将单光子探测器的探测位置序列扣除死时间后提取为探测间隔序列,经过分析其探测间隔序列满足独立同分布并服从几何分布,探测间隔取值为0到无穷。通过几何分布参数估计以及双哈夫曼表设计,对探测间隔序列进行压缩。哈夫曼压缩编码是一种复杂度低并能够接近熵极限的压缩方案,兼顾编码复杂性和编码效率,能显著降低QKD网络带宽的占用,提升QKD性能与网络适应性。
具体步骤为:
步骤1、探测位置序列获取:从QKD系统获取单光子探测器的探测位置序列P=(P1,P2,...,Pn),Pi≥0,探测位置对应发送脉冲的序号,因此探测位置序列是递增序列。获取单光子探测器的死时间对应的脉冲周期记为TDT。
步骤2、探测间隔序列提取:根据探测位置序列和死时间脉冲周期计算探测间隔序列为G=(G1,G2,...,Gn),其中G1=P1,Gi=Pi-Fi-1-1-TDT,i≥2。计算探测间隔的均值
步骤3、哈夫曼表构造:探测间隔序列事实上服从G~GE(p),其中GE(p)为参数为的几何分布,满足概率Pr(GE(p)=k)=(1-p)kp,k≥0。在实际QKD应用中p的值比较小,因此可以选取正整数N使得(1-p)N≈1/2。将探测间隔序列按照区间大小N分解为两个序列:区间序号序列B=(B1,B2,...,Bn)和区间子序号序列I=(I1,I2,...,In),其中
Ii=Gi mod N,i≥1。
区间序号序列B服从参数为1/2的几何分布GE(1/2),取值范围为{0,1,2,...}。区间子序号序列I服从截断的几何分布,取值范围为{0,1,...,N-1},概率分布满足
由于区间序号序列与区间子序号序列的分布均已知,下面将为区间序号序列与区间子序号序列分别设计对应的哈夫曼编码。
区间序号序列服从参数为1/2的几何分布,由于每个概率均是2的方次,因
此哈夫曼编码可以达到香农熵的理论压缩极限,构造对应的哈夫曼表HB如下:
区间序号 |
概率 |
哈夫曼编码 |
0 |
1/2 |
0 |
1 |
1/4 |
01 |
2 |
1/8 |
001 |
3 |
1/16 |
0001 |
…… |
…… |
…… |
k |
1/2^(k+1) |
0…01(k个0,1个1) |
区间子序号序列服从截断的几何分布,因此哈夫曼编码可以接近香农熵的理论压缩极限,构造对应的哈夫曼表记为HI。
步骤4、探测间隔序列压缩:根据构造的哈夫曼表HB和HI,将区间序号序列B=(B1,B2,...,Bn)和区间子序号序列I=(I1,I2,...,In)编码为和将区间序号序列编码和区间子序号序列编码连在一起形成的二元序列即为压缩后的数据D。
步骤5、探测间隔序列解压缩:将压缩后的数据D分解为区间序号序列编码和区间子序号序列编码/>根据建立的哈夫曼表HB和HI,将区间序号序列编码和区间子序号序列编码解压缩为区间序号序列B=(B1,B2,...,Bn)和区间子序号序列I=(I1,I2,...,In)。再计算探测间隔序列
G=(G1,G2,...,Gn),其中
Gi=BiN+Ii,i≥1。
步骤6、探测位置序列恢复:根据探测间隔序列和死时间脉冲周期计算探测位置序列为P=(P1,P2,...,Pn),其中P1=G1,Pi=Gi+Pi-1+1+TDT,i≥2。
基于哈夫曼编码的QKD对基数据传输装置执行上升对基数据传输方法,包括编码压缩装置和编码解压缩装置;
编码压缩装置应用于QKD接收端的对基阶段,具体结构包括:
模块1、对基信息获取模块:QKD接收端在对基阶段获取单光子探测器的死时间对应的脉冲周期TDT、探测位置序列P=(P1,P2,...,Pn),Pi≥0和其它对基阶段需要的信息。
模块2、探测间隔序列提取模块:根据探测位置序列和死时间脉冲周期计算探测间隔序列为G=(G1,G2,...,Gn),其中G1=P1,Gi=Pi-Pi-1-1-TDT,i≥2。并计算探测间隔的均值G。
模块3、哈夫曼表构造模块:计算探测间隔序列事实上服从G~GE(p)的几何分布。选取正整数N使得(1-p)N≈1/2。将探测间隔序列按照区间大小N分解为两个序列:区间序号序列B=(B1,B2,...,Bn)和区间子序号序列I=(I1,I2,...,In),其中
Ii=Gimod N,i≥1。
区间序号序列B服从参数为1/2的几何分布,由于每个概率均是2的方次,因此哈夫曼编码可以达到香农熵的理论压缩极限,构建对应的哈夫曼表记为HB。
区间子序号序列I服从截断的几何分布,取值范围为{0,1,...,N-1},概率分布满足
哈夫曼编码可以接近香农熵的理论压缩极限,根据概率分布构造对应的哈夫曼表记为HI。
模块4、探测间隔序列压缩模块:根据建立的哈夫曼表HB和HI,将区间序号序列B=(B1,B2,...,Bn)和区间子序号序列I=(I1,I2,...,In)编码为和将区间序号序列编码和区间子序号序列编码连在一起形成的二元序列即为压缩后的数据D。
模块5、对基数据发送模块:将参数为p、压缩后数据D和对基所需其它数据通过经典信道发送给QKD发送端。
编码解压缩装置用于QKD发送端的对基阶段,具体结构包括:
模块1、对基信息获取模块:QKD发送端在对基阶段从系统中获取单光子探测器的死时间对应的脉冲周期TDT,通过经典信道接受从QKD接收端发送来的参数为p、压缩后数据D和对基所需其它数据。
模块2、哈夫曼表构造模块:考虑参数为p的几何分布GE(p)。选取正整数N使得(1-p)N≈1/2。将几何分布GE(p)别分按照区间大小N分解为两个分布GEB和GEI。
分布GEB服从参数为1/2的几何分布,由于每个概率均是2的方次,因此哈夫曼编码可以达到香农熵的理论压缩极限,构建对应的哈夫曼表记为HB。
分布GEI服从截断的几何分布,取值范围为{0,1,...,N-1},概率分布满足
哈夫曼编码可以接近香农熵的理论压缩极限,根据概率分布构造对应的哈夫曼表记为HI。
模块3、探测间隔序列解压缩模块:将压缩后的数据D分解为区间序号序列编码和区间子序号序列编码/>根据建立的哈夫曼表HB和HI,将区间序号序列编码和区间子序号序列编码解压缩为区间序号序列B=(B1,B2,...,Bn)和区间子序号序列I=(I1,I2,...,In)。再计算探测间隔序列G=(G1,G2,...,Gn),其中
Gi=BiN+Ii,i≥1。
模块4、探测位置序列恢复模块:根据探测间隔序列和死时间脉冲周期计算探测位置序列为P=(P1,P2,...,Pn),其中
P1=G1,Pi=Gi+Pi-1+1+TDT,i≥2。
模块5、基矢比对模块:根据探测位置序列,结合其它对基所需信息完成对基。
下面根据图3、4例举一种具体实施方式对QKD探测位置序列的编码压缩与解压缩方案作出进一步说明:
步骤1:(探测位置序列获取)从QKD系统获取单光子探测器的探测位置序列P=(13,41,65,80,113,136,175,187,...);
获取单光子探测器的死时间对应的脉冲周期记为TDT=5。
步骤2:(探测间隔序列提取)根据探测位置序列和死时间脉冲周期计算探测间隔序列为G=(13,22,18,9,27,17,33,6,...);
假设根据更多的数据计算探测间隔的均值
步骤3:(哈夫曼表构造)探测间隔序列事实上服从参数为的几何分布,可以选取正整数N=12使得(1-p)N≈1/2,将探测间隔序列按照区间大小N=12分解为两个序列:
区间序号序列B=(1,1,1,0,2,1,2,0,...);
区间子序号序列I=(1,10,6,9,3,5,9,6,...)。
区间序号序列B服从参数为1/2的几何分布GE(1/2),构造哈夫曼编码HB见图3,由于每个概率均是2的方次,因此哈夫曼编码可以达到香农熵的理论压缩极限,编码效率与香农熵均为2。
区间子序号序列I服从截断的几何分布,取值范围为{0,1,...,11},参数分布p=0.0561,理论香农熵为3.556。构造哈夫曼编码HI见图4,实际编码效率为3.587,与理论极限仅相差0.031,具有非常好的压缩效果。
步骤4:(探测间隔序列压缩)根据构造的哈夫曼表HB和HI,将区间序号序列B=(1,1,1,0,2,1,2,0,...)和区间子序号序列I=(1,10,6,9,3,5,9,6,...)编码为CB=(10,10,10,0,110,10,110,0,...)和CI=(001,1110,1010,1101,011,1001,1101,1010,...)。将区间序号序列编码和区间子序号序列编码连在一起形成的二元序列即为压缩后的数据D。
步骤5:(探测间隔序列解压缩)将压缩后的数据D分解为区间序号序列编码CB=(10,10,10,0,110,10,110,0,...)和区间子序号序列编码CI=(001,1110,1010,1101,011,1001,1101,1010,...);
根据建立的哈夫曼表HB和HI;
将区间序号序列编码和区间子序号序列编码解压缩:
区间序号序列B=(1,1,1,0,2,1,2,0,...);
区间子序号序列I=(1,10,6,9,3,5,9,6,...);
再计算探测间隔序列G=(13,22,18,9,27,17,33,6,...)。
步骤6:(探测位置序列恢复)根据探测间隔序列和死时间脉冲周期计算探测位置序列为P=(13,41,65,80,113,136,175,187,...)。
上面结合附图对本发明进行了示例性描述,显然本发明具体实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进,或未经改进将本发明的构思和技术方案直接应用于其它场合的,均在本发明的保护范围之内。