基于机器学习的星地量子通信成码率预测及实验验证

星地量子通信已经验证了广域量子通信网络的可行性,面对未来量子通信网络多用户的特点,能够准确、快速预测成码率是高效利用星地量子网络资源的核心问题。提出了一种基于机器学习及恒星星像图像识别的信道预测新方法,并将此方法应用于北京地面站的观测中。实验结果表明,恒星星像的图像识别正确率可达88%,并给出是否开展星地实验的建议。在建议开展星地对接的信道情况下,预估该时段量子卫星北京地面站在仰角39.5°的筛选成码率约为8~9 kbit/s,实际星地量子通信实验的筛选成码率为8.8 kbit/s。实验结果可用于合理安排多颗卫星、多个地面站的星地对接任务,提高星地量子通信的成功率,避免浪费卫星和地面站资源,推动量子通信卫星组网的实用化研究。

量子信息技术在时频传递中的应用

本文综述了量子通信和时频传递技术的发展现状,同时概述了量子信息技术在时频传递中的应用。量子信息技术与时频传递技术结合,不仅可以提升时频传递精度等性能,还可以提升其安全性。当前,安全性已成为时频传递的重要研究课题,通过广域量子通信网络和时频传递网络二网合一,可实现相互增强、集成复用。