[发明专利]一种基于机器学习的自由空间量子密钥分发参数优化方法

说明书

本发明公开了一种基于机器学习的自由空间量子密钥分发参数优化方法，具体包括如下步骤：步骤1，进行自由空间量子密钥分发星地链路状态采集；步骤2，利用步骤1的采集结果，基于机器学习方法完成自由空间量子密钥分发的参数优化。本发明针对链路距离、传输效率动态变化的自由空间量子密钥分发，在有角速度、随机振动的情况下，利用机器学习的优化方法对动态变化的QKD(量子密钥分发)协议参数进行优化研究并建立高效稳定的量子信道，提高信道效率以及降低量子密钥误码率。

技术领域

本发明属于量子信息处理技术领域，涉及一种基于机器学习的自由空间量子密钥分发参数优化方法。

背景技术

目前，自由空间量子密钥分发需要在双方有限接入通信时间内构建稳定高效的传输链路，但是低轨卫星和地面站始终处于高速相对运动之中，链路距离、传输效率动态变化，经验式的物理参数配置将不能与实时动态变化信道状况进行高效匹配，传统通过对较少参数进行强力全局搜索或对较多参数进行局部搜索算法的传统方法很难匹配信道动态变化带来的复杂度，不适合快速动态变化的自由空间量子密钥分发信道，成为制约自由空间量子密钥分发系统性能的问题之一。

发明内容

本发明的目的是提供一种基于机器学习的自由空间量子密钥分发参数优化方法，该方法针对链路距离、传输效率动态变化的自由空间量子密钥分发，在有角速度、随机振动的情况下，利用机器学习的优化方法对动态变化的QKD(量子密钥分发)协议参数进行优化研究并建立高效稳定的量子信道，提高信道效率以及降低量子密钥误码率。

本发明所采用的技术方案是，一种基于机器学习的自由空间量子密钥分发参数优化方法，具体包括如下步骤：

步骤1，进行自由空间量子密钥分发星地链路状态采集；

步骤2，利用步骤1的采集结果，基于机器学习方法完成自由空间量子密钥分发的参数优化。

本发明的特点还在于，

步骤1的采集结果包括三部分，分别为：卫星轨道和地面站参数、大气环境噪声采集及量子密钥分发系统参数。

步骤1的具体过程为：通过查询卫星及地面站数据完成卫星轨道和地面站参数采集，通过MATLAB建模完成大气环境噪声采集和量子密钥分发系统参数采集，从而完成自由空间量子密钥分发星地链路状态的采集。

步骤2中基于机器学习方法完成自由空间量子密钥分发的参数优化包括三个依次协作的模块功能，分别为：信道链路状态样本集的生成、系统参数与性能指标训练集的生成及机器学习优化方法选择计算。

步骤2的具体过程为：首先，利用步骤1采集的自由空间量子密钥分发星地链路状态，生成信道链路状态样本集；然后通过改变量子密钥分发系统参数和大气湍流强度参数、卫星轨道参数和地面站孔径的系统参数，生成系统参数与性能指标训练集；最后，通过机器学习优化方法选择计算实现自由空间量子密钥分发的参数优化。

本发明的有益效果是，本发明通过仿真系统分析各类器件参数及卫星轨道参数对QKD系统性能影响的规律，主要包括接收发口径(卫星轨道和地面站参数)、链路传输长度、卫星俯仰角(卫星轨道和地面站参数)对星地QKD系统整体传输损耗的影响，提出基于机器学习技术实时预测星地链路状况，实现动态调整和优化系统物理参数配置的方法，降低系统计算复杂度，提升系统效率。

附图说明

图1是将本发明一种基于机器学习的自由空间量子密钥分发参数优化方法应用于单臂测量设备无关量子密钥分发协议的优化结果示意图；

图2采用无优化方法下的单臂测量设备无关量子密钥分发协议分发状态示意图。

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。

本发明一种基于机器学习的自由空间量子密钥分发参数优化方法，具体包括如下步骤：