申请/专利权人：中南大学

申请日：2021-12-27

公开（公告）日：2024-04-16

公开（公告）号：CN114268433B

主分类号：H04L9/08

分类号：H04L9/08;H04B10/2507;H04B10/61;H04B10/70

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2022.04.19#实质审查的生效;2022.04.01#公开

摘要：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。

主权项：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M2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Ly',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。

全文数据：

权利要求：

百度查询： 中南大学 高速连续变量量子密钥分发系统的非线性补偿方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD