量子计算的含义范文

导语：想要提升您的写作水平，创作出令人难忘的文章？我们精心为您整理的5篇量子计算的含义范例，将为您的写作提供有力的支持和灵感！

篇1

两千多年前，古希腊哲学家德谟克利特就认为，物质是由原子组成的。“原子”一词的英文就来自希腊文，含义为“不可分割的”。

但是，直到18世纪才开始有现代意义上的原子理论，而原子的真正奥秘则直到20世纪才开始被揭示。这究竟是为什么呢？因为原子实在太小了，看不见、摸不着。如今我们知道，原子并非是“不可分割的”，它是由更小的粒子所组成的。

所谓粒子，是指构成物质的比原子核更简单的物质，包括电子、质子、中子、光子、介子和超子等。科学家最早发现的粒子是电子和质子，1932年又发现了中子，确认原子由电子、质子和中子组成。以后发现的粒子越来越多，累计已超过几百种，且还有不断增多的趋势。

后来，科学家还发现，微观世界的粒子所遵循的物理规律和宏观世界有所差异。宏观世界的能量是连续的，而微观世界的能量是按照最小的单元跳跃式增长。这种能量的最小单元称为量子。在此基础上建立起来的物理学称为量子物理学，原子、电子、光子等粒子的活动则遵循量子物理学的相关定律。

有意思的是，量子物理学虽然表述的是微观粒子的活动规律，却是在宏观观测的基础上建立起来的。也就是说，物理学家观测粒子的宏观活动，然后推测出这些粒子的微观量子特征。

我们知道，在传统物理学领域，我们要了解某个物体的特征，可以直接观测单个的物体。比如，我们要总结滚动摩擦的特性，可以用一辆带轮子的小车来做实验。那么，为什么量子物理学家不直接观测单个粒子呢？这是因为单个粒子实在太小，且太活泼了，要找到单个的粒子就已经很不容易了，即使找到它们，它们也不会按照某种规律停留在某个地方或某个轨迹上。

捕捉光子的陷阱

由于粒子太小太活泼，于是科学家自然就想到设置个“陷阱”去困住这些粒子。这个思路听起来很简单，似乎常人都能想到。但是，设置这个陷阱却是个高难度的事情，一度被科学界认为是不可能的事情。法国物理学家赛日尔・阿罗什却率先完成了这个似乎不可能的任务。 阿罗什（右）在进行光子阱实验 瓦恩兰在设计原子钟

从1990年开始，阿罗什就在设法完成这个任务。最终，他在接近绝对零度（零下273摄氏度）的温度条件下，用两个高性能超导体充当的反光镜组成了一个光学陷阱。这种陷阱的科学术语为“高反射光学微腔”，或“光子阱”。

接下来，阿罗什成功地把一些光子引入到光子阱中。这些光子被困在反光镜陷阱中的时间仅仅为0.1秒。这个时间对我们普通人来说实在太短了，也不过一眨眼的时间。但是，对于量子物理学家来说，这个时间已经足够长了。

在这短短0.1秒的时间内，光子不断反弹的总移动距离居然高达3万千米，足以做很多测量和操控动作。阿罗什就是抓住了这个转瞬即逝的机会，将一个极为活跃的“里德博原子”送入“陷阱”中作为探针。这个原子在捕获光子后，将单个光子的量子信息呈现出来，就如同X光描绘出人体的内部构造一样。

阿罗什早在20年前就设置出光子阱，而且他一直坚持从事这个领域的研究，并不断获得新的突破。2011年，阿罗什在光子阱实验中引入反馈机制。当发现光子阱中的光子数变少时，他就注入新光子，令光子阱中保持固定数目的光子。采用这样的方法，就好像把一些光子永久地困在了光子阱中，这超越了爱因斯坦的希望――将光子困住几秒。

阿罗什花了很大的力气来建立光子阱，但是他曾经也不太清楚他的研究成果究竟会有什么实际应用。他说：“如果你像我们一样研究单个的粒子，那么你将可以以一种奇妙的方式来揭示量子力学，并且你也可以研究所有的量子过程。”也许，好奇心才是驱动他一生进行这项研究的动力，而研究工作本身就是对他最好的报答。

阿罗什在接到获奖的电话通知时正与妻子一起回家，他说：“我很幸运，我在街上走着，正好经过一个长椅，所以我就马上坐下来……当我看到是瑞典的号码时，我就知道好事来了，你知道那种感觉势不可挡。” 量子计算机通过操控粒子的量子状态来快速传输信息（漫画）。

捕捉离子的陷阱

在阿罗什的实验中，光子是被囚禁的粒子，而原子是探针。而美国科学家戴维・瓦恩兰设计的实验正好与之相反，他把离子（即带电的原子）囚禁起来，用光子作为探针去探测和操控它。

1975年，瓦恩兰被聘为美国国家标准技术研究所物理研究员。在那里，他成为离子储存团队的负责人。应用激光冷却离子技术，这个团队制造出了至2012年为止最准确的原子钟。正是在研制原子钟的过程中，瓦恩兰设计了捕捉离子的陷阱。阿罗什是用光学陷阱来囚禁光子，瓦恩兰则用电磁场作为陷阱来囚禁离子，这个陷阱的科学术语因此称为“离子阱”。为了确保被囚禁的是单个离子，需要这个实验在超高真空和超低温的条件下进行。要实现这些条件又是十分高难度的事情。最终，瓦恩兰完成了对单个离子的囚禁，测得了单离子的量子信息。

目前，许多研究人员都已经能在实验室中实现对单个粒子的囚禁，并在单粒子量子系统研究中取得了不少成果。但是，阿罗什和瓦恩兰是这个领域的开拓者，因此2012年的诺贝尔物理学奖颁发给了他们。

粒子陷阱的用途

目前，离子阱和光子阱已被广泛地应用于科学和技术研究的各个领域。尤其是近几十年来，人们以离子阱为工具，把激光冷却技术应用于离子阱，为精密测量、制造新材料、观察新现象、获得新知识提供了广泛的实验基础。

离子阱的研究还可以用来建造超高精度的原子钟。在这种新型的原子钟里，科学家用囚禁起来的离子取代了传统原子钟所采用的铯原子。目前，这种新型时钟已经达到了比传统铯原子钟高两个数量级的精度。在那样的精度下，哪怕从宇宙大爆炸之初开始计时，迄今的累计误差也只有区区几秒。

建造出这种人类历史上最精确的时钟，到底有什么实际意义呢？意义可是相当重大：人类可以更精确地测量各种宇宙常数，同时，也可以进一步验证广义相对论的各种预测。根据广义相对论，在引力场强度更高的地方或是在速度更快的状态下，时间的流逝将会变慢，这种微观效应很难在实际生活中观察到。而通过世界上最精确的原子钟，一个人即使是高度变化30米，或是以10米/秒的速度进行运动，时间对于他流逝的速度变化都可以测量出来――这将是验证广义相对论对于时空特性的描述的绝佳工具。

和实现精密的测量、制造更精确的原子钟相比，诺贝尔评奖委员会认可阿罗什和瓦恩兰的原因是他们开启了量子计算机时代的大门。两位获奖者的突破性实验方法使得整个研究领域向研制新型超快量子计算机又跨了一大步。由于量子计算机在理论上要比现有的计算机快成千上万倍，人们十分期盼它能尽快变为现实。

目前，量子计算机（在理论上将比现在的计算机快成千上万倍）是各国科学家竭力攀登的高峰。但这不仅涉及技术问题，也涉及许多基础物理问题。量子计算机需要克服的最大障碍是让处于宏观世界的我们如何去操控微观世界的粒子，最理想的情况是能够操控单个量子。量子计算机研究面临的难题之一就是如何操控单粒子的量子状态，而两位获奖科学家的研究让量子计算机的理论基础变得扎实起来。目前，科学家最乐观的预测是10年后能够出现最简单的量子计算机。

美国物理学会主席罗伯特・拜尔评价说：“阿罗什和瓦恩兰都通过优美的实验手段使21世纪有望成为量子世纪。”可能到21世纪中叶，量子计算机就会彻底改变我们的日常生活，其影响跟传统计算机在20世纪所做的不相上下。虽然量子计算机离实用还比较遥远，但是那一天一旦来到，新的技术革命也将随之出现。而这两块诺贝尔物理学奖奖牌，就像是纪念人类探索量子世界的里程碑。

篇2

中图分类号：TP3 文献标识码：A

1云计算技术的飞速发展

1.1云计算的提出

著名的美国计算机科学家、图灵奖 （Turing Award）得主麦卡锡（John McCarthy， 1927-）在半个世纪前就曾思考过这个问题。1961年，他在麻省理工学院 （MIT） 的百年纪念活动中做了一个演讲。在那次演讲中，他提出了像使用其它资源一样使用计算资源的想法，这就是时下IT界的时髦术语“云计算”（Cloud Computing） 的核心想法。

1.2云计算的含义

云计算是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云是网络、互联网的一种比喻说法。过去在图中往往用云来表示电信网，后来也用来表示互联网和底层基础设施的抽象。狭义云计算指IT基础设施的交付和使用模式，指通过网络以按需、易扩展的方式获得所需资源；广义云计算指服务的交付和使用模式，指通过网络以按需、易扩展的方式获得所需服务。这种服务可以是IT和软件、互联网相关，也可是其他服务。它意味着计算能力也可作为一种商品通过互联网进行流通。

1.3云计算的特点

（1）资源配置动态化。根据消费者的需求动态划分或释放不同的物理和虚拟资源，当增加一个需求时，可通过增加可用的资源进行匹配，实现资源的快速弹性提供；如果用户不再使用这部分资源时，可释放这些资源。云计算为客户提供的这种能力是无限的，实现了IT资源利用的可扩展性。

（2）需求服务自助化。云计算为客户提供自助化的资源服务，用户无需同提供商交互就可自动得到自助的计算资源能力。同时云系统为客户提供一定的应用服务目录，客户可采用自助方式选择满足自身需求的服务项目和内容。

（3）网络访问便捷化。客户可借助不同的终端设备，通过标准的应用实现对网络访问的可用能力，使对网络的访问无处不在。

（4）服务可计量化。在提供云服务过程中，针对客户不同的服务类型，通过计量的方法来自动控制和优化资源配置。即资源的使用可被监测和控制，是一种即付即用的服务模式。

（5）资源的虚拟化。借助于虚拟化技术，将分布在不同地区的计算资源进行整合，实现基础设施资源的共享。

1.4云计算技术的发展应用

云计算的发展也给我们的生活方面带来各种各样的变化，主要包括基础设施即服务，平台即服务和软件即服务三方面的服务。这些服务应用在很多领域，如云物联、云安全、云存储、私有云、云游戏、云教育等方面。

2未来计算机

2.1量子计算机

量子计算机是一类遵循量子力学规律进行高速数学和逻辑运算、存储及处理的量子物理设备，当某个设备是由两子元件组装，处理和计算的是量子信息，运行的是量子算法时，它就是量子计算机。

2.2神经网络计算机

人脑总体运行速度相当于每秒1000万亿次的电脑功能，可把生物大脑神经网络看做一个大规模并行处理的、紧密耦合的、能自行重组的计算网络。从大脑工作的模型中抽取计算机设计模型，用许多处理机模仿人脑的神经元机构，将信息存储在神经元之间的联络中，并采用大量的并行分布式网络就构成了神经网络计算机。

2.3化学、生物计算机

在运行机理上，化学计算机以化学制品中的微观碳分子作信息载体，来实现信息的传输与存储。DNA分子在酶的作用下可以从某基因代码通过生物化学反应转变为另一种基因代码，转变前的基因代码可以作为输入数据，反应后的基因代码可以作为运算结果，利用这一过程可以制成新型的生物计算机。生物计算机最大的优点是生物芯片的蛋白质具有生物活性，能够跟人体的组织结合在一起，特别是可以和人的大脑和神经系统有机的连接，使人机接口自然吻合，免除了繁琐的人机对话，这样，生物计算机就可以听人指挥，成为人脑的外延或扩充部分，还能够从人体的细胞中吸收营养来补充能量，不要任何外界的能源，由于生物计算机的蛋白质分子具有自我组合的能力，从而使生物计算机具有自调节能力、自修复能力和自再生能力，更易于模拟人类大脑的功能。现今科学家已研制出了许多生物计算机的主要部件―生物芯片。

篇3

中图分类号:TN911文献标识码:A

文章编号:1004-373X(2010)05-047-04

Goals Optimization Based on Quantum Crowd Particle Algorithm in PHY

Layer and MAC Layer in Cognitive Radio System

XUE Zhoucheng1,LV Junwei1,NI Lei2

(1.Ordnance Engineering College,Shijiazhuang,050003,China;2.Unit 61451 of the PLA,Beijing,100094,China)

Abstract:Cognitive radio technology is tendency and the direction of future communication development,it is also the focus of the communication research.Aimming at solving the problem of goals optimization under certain channel condition in its physical layer and medium link layer in cognitive radio system.The problems of goals optimization problem in cognitive radio based on the basic thoughts of quantum particle crowd algorithm are solved and thoughts of quantum particle crowd algorithm in the cognitive radio system are used for carrying out proper improvements.Finally it emulates the optimization problem using the radio station controlled by WSGA.

Keywords:cognitive radio;quantum crowd particle algorithm;goals optimization;PHY layer and MAC layer

0 引 言

认知无线电(Cognitive Radio)将人工智能与无线电通信相结合,这个领域具有高度的多学科性质,混合了传统通信与电子工程的无线电,同时应用了来自计算机科学的一些概念[1]。基本定义可归纳为:它是可以感知外界通信环境的智能通信系统,认知无线电系统通过学习,不断地感知外界环境的变化,并通过自适应调整内部的通信机理达到对环境变化的适应。这样的自适应调整,一方面是为了改进系统的稳定性,另一方面也是为了提高频谱的利用率。根据认知无线电框架,用户首先需要检测频谱环境,估计当前信道中的干扰温度及其接入对邻近用户的干扰,根据这些测量数据,用户可以自适应地改变传输参数,以达到系统最终的性能最优。其基本任务是:环境分析、信道预测估计和信道预测建模、传输功率控制和动态频谱管理[2]。

认知无线电的目标是最优化自身性能以及支持用户的需求,但是“最优化”的含义是什么?它不仅仅是无线电用户追求自身资源消耗最大化的自适应参数调整,考虑在无线电通信上,如果两对节点在不同的网络上通信,传输在时间和频率上的重叠,会形成干扰。节点将低信干噪比(SINR)的情况认为是观测到了干扰,传统应对干扰的方法是通过增大发射功率来增加SINR,┮惶趿绰飞系姆⑸浠增加发射功率,另一链路也将会以提高发射功率来回应[3]。每个无线电用户都将通过增大自身的发射功率来使接收机的SINR最大化,这样最终会使功率增加到硬件的极限[4]。

在严重拥塞的频谱环境中,改变频率可能不是一个很好的解决方法,这是为什么要查找可能调整的所有物理层和链路层来改善其性能的原因[5]。

首先定义,在无线电中实现了满足用户的性能水平,并最小化其消耗资源(如占用的带宽、消耗的功率等)时,就认为“最优化”。因此应该知道用户的需要以及如何调整无线电性能才能满足这些需要。

在物理层中,中心频率、符号速率、发射功率、调制类型和调制阶数、脉冲成形滤波器(PSF)类型、阶数、扩频类型、扩频因子等都能进行调整。链路层上则为各种可以改进网络性能的变量,包括信道编码和交织类型和速率,以及接入控制方法,如流量控制、帧的大小以及多址接入技术等。

认知无线电遵循的基本过程是调整自身的参数来实现某一期望的最优性能组合。无线最优化概念是通过分析许多目标函数的输入与输出来描述的,在这种情况下,描述各个目标之间的相互依赖关系使用单目标分析系统变得困难,用户和网络的需求不能同时得到满足,这种需求会随着时间和具体情况发生很大变化。这时单目标函数已不能充分表示这些不同目标的需求[6]。

设认知无线电需调整的N个参数为a=,具体参数是发射功率、调制方式、中心频率、符号速率等,由于受各种制度、物理环境、硬件条件等方面的限制,认知无线电参数通常要满足很多约束条件。为适应当前外部条件,认知无线电需优化的目标函数为f=,其中n为目标函数的个数,目标函数的选择要求能反映当前的链路质量,如平均发射功率、数据速率、识码率、带宽、频带效率、数据包延时等。不同的链路条件、不同的用户需求导致不同目标函数的重要性不尽相同。在实际运用中可用权重数值的大小来反映目标函数的重要性程度。由此可知实现认知无线电参数的调整功能是一个多目标优化问题,即如何调整无线电参数取值来实现给定权重情况下多个目标函数的优化[7]。

由于缺少单目标函数的衡量,所以不能从经典的优化理论来获得调整无线电参数的方法,取而代之的是使用MODE标准来分析无线电性能。MODE理论使得人们可以在与之用来建模的目标函数个数一样多的维数中实现最优化,目前遗传算法已被广泛用于MODE问题的求解[1]。

MODE理论的核心是用数学方法选择一系列的参数,从而使一组目标函数最优化。MODE方法的基本表示如式(1)、式(2)所示:

min/max(y)=f()=),f2(),…,fn()〗(1)

约束条件:

=(x1,x2,…,xm)∈X

=(y1,y2,…,ym)∈Y(2)

其中,所有的目标函数都定义成最大化y或最小化y,最大化或最小化取决于具体的实际应用。x的值(即x1,x2等)表示输入;y值表示输出。式(1)提供了MODE的表示,但没有指定优化系统的方法。某些目标函数以某种方式进行组合会产生最优化的输出。在实践中可以有很多方法实现最优化,目前遗传算法运用最广泛。

传统求解多目标优化问题的方法有加权法、约束法、目标规划法等,这些求解方法按某种策略确定多目标之间的权衡方式,将多目标问题转换为多个不同的单目标问题,并用这些单目标优化问题的最优解构成的解集去近似最优解。这些方法和每次优化结果,只得到┮桓鐾仔解,而且采用不同的方法求解,结果可能完全不同。

本文引入的量子粒子群算法用于对MODE问题的求解,同时对于量子粒子群算法进行了一些改进。量子衍生计算是近年来新提出的一种新的计算方法,引进量子理论的进化算法具有很好的空间搜索能力。量子多目标进化算法具有更强逼近最优前沿的能力和更好的多样性,具有量子行为的粒子群算法,能保证全局的收敛性,其性能优于传统的遗传算法。

1 量子粒子群算法

1.1 粒子群算法的基本思想

粒子群算法(PSO)是由Kennedy和Eberhart等于1995年率先提出的,它借鉴鸟群捕食过程的社会行为,是一种并行进化的计算方法,引入惯性权重来实现对解空间的搜索控制,逐步形成了目前普遍应用的基本粒子群算法[8]。思想是:为将每个个体看作是D维搜索空间中一个没有体积和质量的粒子,在搜索空间中,以一定的速度飞行,并根据个体和群体飞行经验的综合分析来动态调整这个速度。设群体中第i个粒子为Xi,它经历过的位置为Pi,其中最佳位置记为Pbest,当前组成的群体中所有粒子经过的最佳位置记为Pgbest,粒子i速度用vi=(vi1,vi2,…,vid)表示,对第i次迭代,粒子i在D维空间的运动方程为:

vid(t+1)=w•vid(t)+c1rand()[pbest-xid(t)]+

c2rand()[Pgbest-x(t)]

xid(t+1)=xid+v(t+1)(3)

式中:w为惯性权重,它使粒子保持运动的惯性,使其有能力探索新的区域;c1,c2为常数;rand为范围的随机数。

1.2 量子比特的表示

提出量子比特编码多态问题可由式(4):

α1α2…αm

β2β2…βm〗(4)

表示为。通用量子旋转门调整则相应可表示为:

α′iβ′i〗=cos(Δθ)-sin(Δθ)sin(Δθ)cos(Δθ)〗αiβi〗(5)

1.3 量子粒子群算法

从量子力学的角度出发提出了一种新的PSO算法模型。这种模型以DELTA势阱为基础,认为粒子具有量子行为,并根据这种模型,提出了一种具有量子行为的粒子群算法。此算法具有简单易实现和调节参数少的优点,具有良好的稳定性和收敛性[9]。

借用粒子群中的群智能策略,将这种群的所有量子看成一个智能群体,找到每次迭代过程中局部最优解进行进一步的动态调整,其操作过程是:量子粒子i在┑j比特经i次迭后,速度、位置、个体最好和全局位置分别为vij(t),θij(t),θbestij,θgbestij,则速度和位置迭代公式为:

vij(t+1)=w•vij(t)+c1rand()+

c2rand()

θij(t+1)=θij(t)+vij(t+1)(6)

本文基于以上量子粒子群算法的基本思想,采用基于Pareto支配关系的排序关系来更新粒子的个体最优值和局部发最优值,定义一种新的极大极小距离方法,并采用该距离方法裁减非支配解。利用量子粒子旋转门更新粒子的量子角度,提出了一种新的多目标优法算法。

1.4 基于距离方法的量子粒子群多目标优化算法

提出用于计算适应值的距离方法――量子粒子群多目标优化算法(Quantum Bit Particle Swarm Optimization,QBPSO),来解决多目标优化问题。这种方法的基本思想是根据每个个体到前┮淮获得的Pareto解之间的距离来分配其适应值。它采用外部惩罚函数将多目标优化问题转换为无约束问题。其中,参数r控制惩罚项的幅度,Pi是初始潜在值。

该距离方法对于Pi和r的设置比较敏感。对于任何不可行解,r的值越高,计算得到的距离值也越高,因此,适应值最终接近于0,如果太多,个体的适应值为0,搜索将无法进行。另外,如果初始潜在值与不同解之间的适应值差别会很不明显。这将导致选择压力过小,结果导致算法收敛速度较慢。另一方面,如果初始潜在值过小,计算得到的适应值将趋向于0。

对于每个个体历史最优解的选取,采用以下步骤:

(1) 如果当前解支配个体i个历史最优解,则作为历史最优解。

(2) 如果当前解不支配i个历史最优解,则比较当前解和历史最优解的D(i)值,选择具有较小D(i)的那个解作为历史最优解[10]。

1.5 惯性权重的改进

惯性权重类似模拟退火中的温度,较大的w有较好的全局收敛能力;而较小的w则有较强的局部收敛能力,惯性权重w满足:

w(t)=0.9-(0.5t)/MaxNumber(7)

式中:MaxNumber为最大截止代数。这样,将惯性权重w看成迭代次数的函数,可从0.9~0.4线性减少。

虽然该方法能保证惯性权重w随迭代次数的增加而减小,但在每一代中,所有粒子的惯性权重均一样,不能很好地体现每个粒子的支配关系和拥挤程度。因此,在本文算法中,采用不动态设置惯性权重。

惯性权重w=群体粒子数/个体粒子数N+被粒子I所支配的粒子数+距离密度D(i)。

可以看出,惯性权重取值区间为(0.33,1),在算法当前期粒子惯性权重趋向于后期惯性权重时,逐渐趋于1,而且在每次迭代过程中各个粒子的惯性权重也不尽相同,越好的粒子获得的惯性权重越小,越差的粒子获得的惯性的权重值越大。该方法能更好的平衡和局部搜索,提高算法的收敛速度。

1.6 算法流程

上述量子粒子群算法流程如下:

(1) t0,初始化种群Q(0)。

(2) 对初始化种群的各个体实施测量,得到一组状态P(0),并进行适应度评估。

(3) While 非结束条件do。

Begin

① tt+1;

② 对于Q(t-1)实施观测,得到P(t),进行适应评估;

③ 比较各解,计算各解所支配的解的个数;

④ 计算极大极小距离,求出各Pareto解的D(x)值;

⑤ 利用基于量子门旋转策略更新Q(t)。

End

2 算法验证及基于某型电台的最优化仿真

本文改进的这种基于粒子群化多目标优化算法,采用新的距离方法,以保持解群体的分布性能,同时,动态设置粒子的惯性权重,有效地保持了算法前期全局搜索和后期局部搜索之间的平衡。以多维0/1背包问题为测试对象,经多次实验结果表明,该算法具有较好的收剑性和保持解的分布性。该算法能够快速搜索到多目标优化问题的Pareto前沿,特别对多维、复杂优化问题提供更有效的方法[10]。

下面以某型电台为例,它是基于硬件的平台,具有有限的参数和调整范围,所有的物理层特性如表1所示。

在受限制的无线电台中,量子粒子群算法也是可行的,设计试验由WSGA控制的点对点无线电链路和作为干扰的第三个同型号的无线电台组成。

表1 硬件参数的配置

参数范围参数范围

频率5 730~5 820 MHz编码速率:1/2,2/3,3/4

功率6~17 dBmTDD29.2%~91%

调制QPSK,QAM8,QAM16

注:QPSK为正交相移键控;TDD为时分双工。

试验包括建立一条高流量的初始视频链路,当出现干扰时,信号质量迅速下降且变得无法区别时,WSGA接着运行,目标函数设置为最小化BER、最小化发射功率、最大化数据速率、电台不改变现有的频率,测试目的是为了测试无线电如何处理其他参数。

试验中显示了在测试中WSGA的良好性能,但仍然希望有更灵活的平台,这样就能建立一个软件无线电(SDR)的物理层仿真,具有更多的可调参数,以及更大的调整范围,如表2,表3所示。

表2 仿真参数

参数范围参数范围

功率0~30 dBmPSF滚降系数0.01~1

频率2 400~2 480 MHzPSF阶数5~10

调制MPSK,MQAM符号速率1~20 MSPS

调制M2~64

表3 仿真试验条件

函数

权重最小频谱占用最大流量干扰避免

BER255100200

带宽25510255

频谱效率100200200

功率22510200

数据速率100255100

干扰00255

在此时的无线电仿真参数和条件下,目标函数为BER、占用带宽、功率、数据速率以及干扰量。

运用算法如表3所示,每个目标都得到了优化,每个结果BER都为0。

第一试验:如图1所示,将占用频谱最小化为1 MHz。

第二试验:如图2所示,将流量最大化为72 Mb/s。

第三试验:如图3所示,找到一个嵌入干扰空隙的解。

图1 占用频谱最小化为1MHz

图2 流量最大化为72 Mb/s

图3 一个嵌入干扰空隙的解

3 结 语

认知无线电的设计目标是优化自身的性能,支持用户需求。当无线电在达到具有一定水平的性能,且满足用户需求时,对占用带宽和电池功率等资源消耗最小时,就实现了优化。本文所讨论的算法可解决物理层和链路层参数调整的一些基础性问题。

参考文献

[1][美] Bruce A Fette.认知无线电技术[M].赵知劲,郑仕链,译.北京:科学出版社,2008.

[2]Mitola J,Maguire G.Cognitive Radio:Making Software Radios more Personal[J].IEEE Personal Communication Magazine,1999,6(4):13-18.

[3]Mitola J.Cognitive Radio for Flexible Mobile Multimedia Communications[J].1999 IEEE International Work-shop on Mobile Multimedia Communications,1999,10(3):15-17.

[4]Ganesan G,Li YG.Cooperation Spectrum Sensing in Cognitive Radio Networks[J].Proceedings of IEEE,2005:137-143.

[5]Mitola J.Cognitive Radio for Flexible Mobile Multimedia Communications[J].Mobile Networks and Applications,2001,6(5):435-441.

[6]Urkowitz H.Energy Detection of Unknown Detection Signals[J].Proceedings of IEEE,1997,55:523-231.

[7]Nuttall A H.Some Integrals involving the Qm Function[J].IEEE Trans.on Information Theory,1975,21(1):95-96.

篇4

为了便于厘清量子通信技术的相关概念，本文基于量子行业曲线linkindustryDOI：10.3969/j.issn.1001-8972.2022.11.002可替代度影响力行业关联度技术的发展以及相关概念内在的联系，下面着重对量子、量子通信、量子密钥分发以及量子保密通信的概念分别予以阐述。

1.1量子

普朗克提出了光辐射的能量是非连续的，而是一份一份的，对于频率为ν的电磁波，这一份能量为hν，其中，h为普朗克常数。这一份能量就是电磁波在频率ν下的最小能量。随着频率的不同，这个最小能量也不同，普朗克称这个最小能量为“量子”（Quantum）。爱因斯坦看到了普朗克的量子假说后，更进一步地认为，电磁波本质上就是由一份一份的能量组成的，他称为光量子，也就是光子（Photon）。

1.2量子通信

20世纪90年代以后，随着对量子等微观粒子的不断调控，当人们将基于经典物理学描述过程的信息传输变换成基于量子力学描述和操控的过程时，便催生出了一种新的通信方式：量子通信。量子通信不应该简单地从字面意思理解为通过量子来通信，真正的“量子通信”的含义应是利用量子态作为信息载体来进行信息交互的通信技术。现阶段，量子通信的一种典型应用是量子密钥分发（QuantumKeyDistribution，QKD），量子密钥分发可用来实现经典信息的安全传输。

1.3量子密钥分发

量子密钥分发作为量子通信的典型应用之一，是最先实用化起来的量子信息技术。现有实际的量子密钥分发系统主要采用的是由IBM的C.H.Bennett和G.Brassard在1984提出的BB84协议，其与经典密码体制不同，量子密钥分发是基于量子力学的基本原理，能够保证密钥的安全性，这种安全性在学术界称为“信息理论安全”或者“无条件安全”，是经过严格的数学证明的。因此，量子密钥分发能够在空间上分隔的用户之间以信息理论安全的方式共享密钥。1.4量子保密通信量子密钥分发可以通过对量子态的传输和测量，为经典数字通信建立牢不可破的量子密钥，为经典信息的加密服务提供安全性保证，因此，可以将QKD技术作为密钥分发功能组件，结合适当的密钥管理、安全的密码算法和协议而形成的加密通信安全解决方案定义为量子保密通信。目前，以量子密钥分发为核心的量子保密通信已是量子通信领域的主要发展方向。基于前面的介绍，我们可以清晰地理出量子密钥分发、量子通信和量子保密通信的层次关系，如图1所示。

2.专利技术布局分析

近年来，国内外对量子通信技术日益重视，纷纷加大对相关技术的研发力度，图2、图3、图4、图8、图9分别展示的全球/中国量子通信行业规模以及量子通信技术的专利申请量和专利申请人态势的持续增长均可见一斑。我们通过对国际专利分类体系（IPC）和联合专利分类体系（CPC）中的与量子通信相关的分类号进行统计分析，得出与量子通信技术相关的分类号主要集中在H04L9、H04B10。其中H04L9主要描述的是量子密码相关的密码、密钥的产生、共享或更新，H04B10主要描述的是量子通信的传输系统。通过对H04L9下的专利统计分析，将其技术分支划分为量子密钥分发、量子秘密共享、量子隐形传态、量子安全直接通信、量子签名、量子随机数发生器。通过对H04B10下的专利统计分析，将其技术分支划分为信号生成、信号探测、信号调制。通过对上述技术分支进行统计，不难看出量子密钥分发、量子签名和信号探测三个技术分支的相关专利申请居前，从侧面也说明这三个技术分支是目前量子通信技术领域研究的热点和关注所在。下面选取了量子通信技术中的量子密钥分发和信号探测两个热点技术分支来着重了解一下。

2.1关键技术之密钥分发

通过对量子密钥分发技术的专利进行统计，由图6可知在全球和中国该关键技术近年来保持增长态势。聚焦到该细分技术领域的专利分析后，发现目前针对该技术分支的研究的关注焦点主要集中在：（1）离散变量量子密钥分发DV-QKD的改进。如CN213879845U中采用环形网络实现了一种三用户TF-QKD网络系统，对现有的只是两用户的量子通信TF-QKD协议进行改进，结构简单，易于实现；（2）连续变量量子密钥分发CV-QKD的改进。如CN107682144A中优化现有的信息调制技术，改进数据后处理流程，提高后处理的数据处理速度，提高CV-QKD系统的密钥率。在DV-QKD技术方面，尤其是双场量子密钥分发协议（Twin-FieldQuantumKeyDistribution，TF-QKD）的提出使得整个QKD传输系统的性能，尤其是数据传输能力，得到了显著提高，而CV-QKD技术在成本和集成度方面优势明显。基于目前CV-QKD技术和DV-QKD技术在安全传输距离方面存在的差异，以及两者由于固有的特点在应用场景上的不同侧重，使得两者可以形成很好的互补关系，从而具备了构建商业化系统的条件。当前国内在DV-QKD方面的研究机构主要有国盾量子、九州量子、国腾量子、华南师范大学、中国科学技术大学、安徽问天量子科技；在CV-QKD方面的研究机构主要有循态量子、华为、烽火通信、北京大学、北京邮电大学。

2.2关键技术之信号探测

通过对信号探测技术的专利进行统计，由图7可知在全球和中国该关键技术近年来同样保持增长态势。聚焦到该细分技术领域的专利分析后，发现目前针对该技术分支研究的关注焦点主要集中在：（1）探测效率的改进。如CN112929170A中引入本地本振强光，避免接收机的探测效率变低，提高系统的成码率。（2）系统设计的改进。如CN107196758A中提供一种单光子探测方法，通过对同步信号进行相位切换和分段延时扫描的方式达到单光子信号的正周期延时，降低系统的冗余度。目前，单光子探测技术是量子通信系统中接收端探测微弱量子信号的主流技术，其中的超导纳米线单光子探测（superconductingnanowiresinglephotondetector，SNSPD）技术具备低暗计数、高量子探测效率等优异特性，成为量子通信系统信号接收端重点关注对象。2021年7月5日，中科大潘建伟团队在预印本arXiv上公开了113个光子的量子计算机原型机“九章2.0”，在实现“高斯玻色取样”任务的快速求解的同时，其中的一项核心技术SNSPD，使得平均系统探测效率达到了83%。

2.3量子通信技术的创新主体情况

从全球范围的量子通信技术专利布局情况来看，目前国内走在前列的创新主体有：九州量子、神州量子、安徽问天、国盾量子、如般量子、中国科学技术大学、北京邮电大学、华南师范大学、中国电子科技集团公司电子科学研究院、阿里巴巴。国外的创新主体主要分布在美国、欧洲、日本、韩国，包括：日本的东芝公司、日本电信电话株式会社、三菱株式会社、日本电气株式会社，美国的MagiQ技术公司、惠普、谷歌，芬兰的诺基亚，英国电信集团，韩国电子通信研究院、韩国科学技术院。

篇5

没有人会说“这里”的事物存在，而不在“这里”的事物不存在。那么为什么我们会说“现在”的事物存在，而不处于“现在”的事物就不存在呢？“现在”究竟是客观的、流动性的、让事物延续存在的概念，还是和“这里”这个观念一样，只是存在于我们大脑中的主观反应？

这似乎是个深奥的问题，但是在现代物理学中，已经成为一个亟待解决的问题。爱因斯坦的狭义相对论表明，“现在”这一概念也是主观的。物理学家已得出结论，“现在”对整个宇宙普遍适用的观点是说不通的。爱因斯坦在其挚友米歇尔・贝索去世后，给米歇尔的妹妹写了一封感人的信，信中说：“他只是比我稍早一点离开了这个奇怪的世界，这并没有什么，对我们这些笃信物理学的人来说，过去、现在与未来没有什么区别，只不过是一种持久并固有的幻觉。”

不管是不是幻觉，我们该如何解释时间在流逝这一事实呢？时间流逝对所有人来说都显而易见。我们的思想和话语存在于时间里，我们的语言结构需要这个有着“现在”、“过去”和“未来”的时间。德国哲学家马丁・海德格尔强调我们“生活在时间里”，但我们有没有可能不用“时间流逝”来描述世界？

一些哲学家，包括海德格尔的忠实追随者，都认为物理学无法描述现实生活中最基本的方面，他们将物理学看成是一种误导性的知识而加以排斥。但是，我们已经意识到有时直觉并不准确。如果我们一直坚信这种不准确的直觉，就会仍旧认为地球是平的，太阳绕着地球转。我们的直觉源于有限的经验。当我们抛开直觉再深入一些，就会发现地球并非我们看到的那样：地球是圆的，在我们脚下地球的另一面，人们脚朝上，头朝下。

尽管这看起来很生动，但我们体验的时间流逝并不一定反映基本的现实世界。可是如果不是，那么时间又来自何处？

我认为，从某种层面上看，答案就在于时间和热量之间的密切联系。只有热量流动时，我们才能发觉过去和未来的差别。热量与概率（即利用统计学计算出的大量粒子的运动）相关，而概率又与这样一个事实相关，即我们与世界其他地方的相互作用不能涵盖现实中的每个细节。时间流逝的观念源于物理学，但它的出现并不是为了精确描述事物，而是出现在统计学和热力学的情境中。这可能是解开时间之谜的钥匙。客观来讲，“现在”和“这里”一样，并不是一种客观存在，而是主观存在，但是世界内部微观的相互作用促使一个系统中（如我们自己）发生某些临时现象，这一系统只是以无数变量为媒介进行交互。

我们的记忆和意识都是建立在这些统计学计算出来的现象之上的。对某种假想的超智慧生命而言，时间不会流逝。正如爱因斯坦描绘的那样，整个宇宙是一幢由过去、现在和未来组成的大楼。但由于我们的意识存在局限性，我们只能对世界有着模糊的认识，认为自己活在时间里，因此也就产生了时间流逝的观念。

这样的解释还不够清楚，还有很多问题有待深入理解。“时间”处在各种复杂难题的中心，这些难题是由重力、量子力学和热力学交错在一起引起的。目前还没有一种理论能够整合我们了解这个世界所需的这三方面的基本知识。