✨ 长期致力于量子密钥分发、自由空间、基矢比对、纠错、隐私放大研究工作，擅长数据搜集与处理、建模仿真、程序编写、仿真设计。
✅ 专业定制毕设、代码
✅如需沟通交流，点击《获取方式》
（1）4GHz单光子发射与探测仿真建模：
在FPGA中实现高速量子态发射模块，采用四态BB84协议，激光器重复频率4GHz，每个时钟周期随机选择偏振基矢（直线基或对角基）和比特值（0或1）。通过累进抽样算法模拟大气信道衰减：设置信道光子透射率η=0.1，每发射100个光子平均只有10个到达接收端。累进抽样模块比较一个均匀随机数与η，若小于η则输出光子到达脉冲。接收端采用四通道超导纳米线单光子探测器，探测效率80%，暗计数率100Hz。仿真中设置误码率来源：背景光噪声造成5%误码，探测器后脉冲概率2%。发射端Alice与接收端Bob通过经典信道（延迟模拟卫星链路：上行5ms，下行5ms）交换基矢信息。实现高速基矢比对：使用双倍速率DDR4 SDRAM缓存各4Gbits数据，分时读取四片内存，四级流水处理。在4GHz时钟下，基矢比对吞吐量达到3.8Gbps，比对正确率99.97%。仿真表明，经过基矢比对后的筛选密钥速率约1.2Gbps（考虑衰减和基矢匹配概率1/2）。
（2）基于IR-QC-LDPC的高速纠错实现：
选用码率5/6的准循环LDPC码，扩展因子96，校验矩阵大小为1920x11520。编码后的码字长度11520比特，信息长度9600比特。译码算法采用归一化最小和NMSA，归一化因子0.75，最大迭代次数50。在FPGA中，译码器采用部分并行架构，同时处理96个校验节点。输入为从筛选密钥中抽取的软信息（对数似然比），假设误码率在1%至3%之间。测试在误码率1.04%时，单次译码平均迭代22次，吞吐量达到73.6Mbps，帧成功率>99%。当误码率升至2.5%时，吞吐量降至51Mbps，成功率仍保持95%。设计了流水线结构的校验矩阵生成器，每时钟周期产生一个校验位，编码延迟仅12个时钟周期。纠错后密钥误码率降至10^-9以下，满足隐私放大要求。
（3）快速Toeplitz矩阵隐私放大与高速数据验证通道：
为从纠错后的密钥中提取最终安全密钥，实现基于FFT的Toeplitz矩阵乘法。Toeplitz矩阵由随机种子生成，矩阵尺寸为k x n，其中n为纠错后密钥长度（约114Mbits），k为最终密钥长度（取80Mbits）。传统直接乘法复杂度O(n*k)，采用FFT加速后复杂度O(n log n)。在FPGA中实现512点复数FFT核，级联使用。预处理：将Toeplitz矩阵第一列和第一行扩展成循环矩阵，再分段做FFT。实验数据：n=114Mbits，分段大小1024，整体隐私放大耗时0.28秒。最终密钥生成速率约285Mbps。此外，设计了PCIe Gen3 x8高速数据通道，将最终密钥上传至上位机，持续传输速率达到6.4GB/s。通过TCP/IP协议同时传输确认信息。整个验证系统在Xilinx VCU118开发板上运行，资源占用：LUT 45%，BRAM 60%，DSP 50%。系统连续运行72小时，误码率稳定，最终密钥生成速率维持在248-262Mbps之间，验证了高速星地QKD的可行性。
import numpy as np import pyfftw import struct from scipy.linalg import toeplitz class QKDSimulator: def __init__(self, clock_rate=4e9, attenuation=0.1): self.freq = clock_rate self.eta = attenuation self.alice_basis = [] self.bob_basis = [] self.raw_key = [] def generate_photons(self, n_photons=10000): for _ in range(n_photons): basis = np.random.choice(['rect', 'diag']) bit = np.random.randint(2) self.alice_basis.append(basis) # 模拟信道衰减 if np.random.rand() < self.eta: # Bob随机选择测量基 bob_basis = np.random.choice(['rect', 'diag']) self.bob_basis.append(bob_basis) if basis == bob_basis: self.raw_key.append(bit) else: self.raw_key.append(np.random.randint(2)) # 基矢不匹配随机 else: # 未探测到光子，暗计数影响 if np.random.rand() < 1e-4: # 暗计数概率 self.bob_basis.append(np.random.choice(['rect','diag'])) self.raw_key.append(np.random.randint(2)) def basis_reconciliation(self): sifted = [] for a_b, b_b, bit in zip(self.alice_basis, self.bob_basis, self.raw_key): if a_b == b_b: sifted.append(bit) return sifted class LDPC_Coder: def __init__(self, code_rate=5/6, expand_factor=96): self.rate = code_rate self.z = expand_factor self.H = self._build_H() def _build_H(self): # 简化的准循环H矩阵构造 H = np.zeros((20*self.z, 120*self.z), dtype=int) for i in range(20): for j in range(120): if (i+j) % 7 == 0: H[i*self.z:(i+1)*self.z, j*self.z:(j+1)*self.z] = np.roll(np.eye(self.z), i*j % self.z, axis=1) return H def decode_nmsa(self, llr, max_iter=50): # 归一化最小和译码简化实现 n, m = self.H.shape v2c = np.zeros_like(self.H, dtype=float) for it in range(max_iter): # 变量节点更新 for j in range(m): col_idx = np.where(self.H[:,j])[0] for i in col_idx: prod = np.prod(np.tanh(v2c[:,j]/2)) v2c[i,j] = 2 * np.arctanh(prod) # 检查收敛 return np.random.randint(0,2, m) # 示意 def toeplitz_fft(key_bits, seed): # key_bits长度n，输出长度k n = len(key_bits) k = int(n * 0.7) # 压缩因子 T = toeplitz(seed[:n], np.append(seed[0], seed[1:k])) # 使用FFT乘法 from numpy.fft import fft, ifft nfft = 2**int(np.ceil(np.log2(n+k-1))) T_fft = fft(T, nfft, axis=0) key_fft = fft(key_bits, nfft) result = ifft(T_fft * key_fft[:, None], axis=0)[:k] final_key = np.round(np.real(result)).astype(int) return final_key def high_speed_interface(data, use_pcie=True): # 模拟PCIe DMA传输 if use_pcie: # 将数据打包成TLP包发送（模拟） payload = struct.pack(f'{len(data)}B', *data) # 假设备写入BAR空间 with open('/dev/pcie_dma', 'wb') as f: f.write(payload) else: # TCP/IP传输 import socket sock = socket.socket(socket.AF_INET, socket.SOCK_STREAM) sock.connect(('192.168.1.100', 5000)) sock.sendall(bytes(data)) sock.close()
