基于BP神经网络的经典-量子信号共纤同传系统参数预测

光纤量子密钥分发的应用推广取决于与现有光网络的兼容性,而利用波分复用技术将经典数据和量子信号进行共纤传输兼备安全性、经济性和实用性等优势。针对经典-量子信号共纤同传系统中信号态平均光子数、诱骗态种类数量等参数最优取值处理困难、运行速度缓慢等影响其实用化的突出问题,建模分析了主要噪声成分,并在考虑统计波动影响下对有限长效应和诱骗态方法进行了评估。进而利用原始信号数据集对反向传播(BP)神经网络进行训练,以实现不同信道噪声条件下的信号态平均光子数等系统参数的预测。结果表明,该网络输出的预测平均光子数取值与原始曲线取值结果基本一致,训练误差小于10^-3。该网络可作为一种有效模型用于实用化诱骗态经典-量子共纤同传系统参数预测,对量子保密通信向着高速率、大容量、智能化发展具有潜在的应用价值。