本文關(guān)鍵詞：連續(xù)變量量子密鑰分發(fā)誤碼協(xié)商算法研究

  更多相關(guān)文章： 連續(xù)變量量子密鑰分發(fā) LDPC SEC誤碼協(xié)商 多維協(xié)商

【摘要】：作為密碼學(xué)的新興研究方向,量子密鑰分發(fā)(Quantum Key Distribution,QKD)技術(shù)理論上被證明是無條件安全的,很好地解決了一次一密加密算法中長距離密鑰分發(fā)的難題。誤碼協(xié)商是QKD系統(tǒng)中的重要環(huán)節(jié),它影響著整個系統(tǒng)的最終密鑰速率和傳輸距離。和離散變量QKD相比,連續(xù)變量(Continuous Variable,CV)QKD有著光源穩(wěn)定易制備、探測效率高等優(yōu)點(diǎn)。但是CV-QKD誤碼協(xié)商算法計算復(fù)雜度更高,很容易成為實(shí)際應(yīng)用系統(tǒng)的瓶頸。因此,CVQKD誤碼協(xié)商算法的研究對于提高CV-QKD系統(tǒng)整體性能具有重要的意義。本文致力于CV-QKD中誤碼協(xié)商算法的研究,提出相應(yīng)的優(yōu)化設(shè)計方案,為后處理系統(tǒng)的高速實(shí)現(xiàn)做準(zhǔn)備。本文主要完成了以下工作:針對分層錯誤校正算法(Sliced Error Correct,SEC)進(jìn)行了深入研究,給出了最優(yōu)量化,估計以及協(xié)商模塊的設(shè)計方案。對于量化和估計方案的設(shè)計,結(jié)合量子信道特征迭代求取最優(yōu)量化區(qū)間,將量化造成的信息量損失最小化;采用最大似然準(zhǔn)則,降低了通信雙方比特串的誤碼率。協(xié)商方案主要從LDPC校驗(yàn)矩陣生成和譯碼模塊兩方面著手優(yōu)化。在校驗(yàn)矩陣構(gòu)造方案中,通過高斯逼近密度進(jìn)化方法求解最佳度分布,使用PEG貪心算法構(gòu)造了性能優(yōu)越的校驗(yàn)矩陣。對于譯碼模塊方案設(shè)計,減少了層內(nèi)迭代算法計算復(fù)雜度,縮短了層內(nèi)單輪迭代的處理時間;提出了改進(jìn)的層間迭代方案,通過調(diào)節(jié)低層層內(nèi)迭代次數(shù),縮短了整體協(xié)商過程的迭代次數(shù)。針對多維誤碼協(xié)商算法進(jìn)行了深入研究,給出了球面化轉(zhuǎn)換和協(xié)商模塊的設(shè)計方案。通過球面化轉(zhuǎn)換的方法完成了高斯變量到相關(guān)均勻變量的映射,較好的解決了高斯變量受到信道噪聲容易改變符號的問題。協(xié)商方案主要從二進(jìn)制LDPC和多進(jìn)制LDPC兩個角度進(jìn)行設(shè)計,著重對多進(jìn)制LDPC協(xié)商方案進(jìn)行了優(yōu)化和改進(jìn)。對于多進(jìn)制LDPC的譯碼模塊設(shè)計,降低了耗時較長步驟的計算復(fù)雜度,并提出了對數(shù)域上的改進(jìn)FFT-BP譯碼算法,避免了繁雜的乘法操作帶來的數(shù)據(jù)精度不足和處理時間長等問題,為硬件實(shí)現(xiàn)打下了基礎(chǔ)。為了對本文中的SEC誤碼協(xié)商方案和多維協(xié)商方案進(jìn)行驗(yàn)證,設(shè)計了充分的仿真驗(yàn)證方案,并將本文的方案與其他典型方案進(jìn)行性能分析對比。軟件仿真數(shù)據(jù)表明本文的方案在保證較高協(xié)商效率的同時,提高了協(xié)商速率。
【關(guān)鍵詞】：連續(xù)變量量子密鑰分發(fā) LDPC SEC誤碼協(xié)商 多維協(xié)商
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN918.4
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 緒論9-16
• 1.1 課題背景及研究的目的和意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-14
• 1.2.1 國外研究現(xiàn)狀10-11
• 1.2.2 國內(nèi)研究現(xiàn)狀11-12
• 1.2.3 研究現(xiàn)狀的總結(jié)與分析12-14
• 1.3 本文的主要內(nèi)容和組織14-16
• 第2章 CV-QKD誤碼協(xié)商基本原理16-26
• 2.1 引言16
• 2.2 CV-QKD誤碼協(xié)商的問題描述16-19
• 2.2.1 誤碼協(xié)商問題模型16-17
• 2.2.2 誤碼協(xié)商協(xié)調(diào)方式17-18
• 2.2.3 誤碼協(xié)商評價指標(biāo)18-19
• 2.3 常用誤碼協(xié)商算法19-25
• 2.3.1 Cascade誤碼協(xié)商19-20
• 2.3.2 Winnow誤碼協(xié)商20-21
• 2.3.3 LDPC誤碼協(xié)商21-25
• 2.4 本章小結(jié)25-26
• 第3章 SEC誤碼協(xié)商算法26-46
• 3.1 引言26
• 3.2 分層量化與估計方案的設(shè)計26-30
• 3.2.1 SEC誤碼協(xié)商算法框架26-27
• 3.2.2 量化區(qū)間的劃分27-29
• 3.2.3 估計函數(shù)的設(shè)計29-30
• 3.3 基于LDPC的SEC誤碼協(xié)商算法30-41
• 3.3.1 各級碼率的選取31
• 3.3.2 度分布的優(yōu)化31-33
• 3.3.3 LDPC構(gòu)造算法33-35
• 3.3.4 層內(nèi)譯碼算法的優(yōu)化35-37
• 3.3.5 層間迭代方案的改進(jìn)37-41
• 3.4 仿真結(jié)果與分析41-45
• 3.4.1 協(xié)商效率的具體計算42
• 3.4.2 經(jīng)典誤碼協(xié)商算法仿真與分析42-43
• 3.4.3 基于LDPC誤碼協(xié)商算法仿真與分析43-45
• 3.5 本章小結(jié)45-46
• 第4章 多維誤碼協(xié)商算法46-63
• 4.1 引言46
• 4.2 多維誤碼協(xié)商算法框架46-47
• 4.3 球面化轉(zhuǎn)換方案的設(shè)計47-48
• 4.4 協(xié)商方案的設(shè)計48-57
• 4.4.1 二進(jìn)制LDPC協(xié)商方案49
• 4.4.2 多進(jìn)制LDPC協(xié)商方案49-54
• 4.4.3 多進(jìn)制譯碼方案的優(yōu)化54-57
• 4.5 仿真結(jié)果與分析57-61
• 4.5.1 協(xié)商效率的具體計算57-58
• 4.5.2 二進(jìn)制LDPC協(xié)商方案仿真結(jié)果與分析58-59
• 4.5.3 多進(jìn)制LDPC協(xié)商方案仿真結(jié)果與分析59-61
• 4.6 本章小節(jié)61-63
• 結(jié)論63-64
• 參考文獻(xiàn)64-68
• 攻讀碩士學(xué)位期間發(fā)表的論文及其他成果68-70
• 致謝70

，

本文編號：728196