基于相关性感知双通道时间序列重建的鲁棒纠缠光子测距

《Digital Communications and Networks》:Robust entangled-photon ranging via correlation-aware dual-channel time-series reconstruction

【字体: 大 中 小 】 时间:2026年08月27日 来源:Digital Communications and Networks 6.3

编辑推荐:

  智能交通和自动驾驶需要精确且安全的测距技术。基于量子纠缠的测距提供了物理层安全性和皮秒级同步,但在动态环境中仍易受信号稀疏性和噪声影响。研究人员提出了一种基于预测重建的纠缠光子测距系统,以提高低信噪比条件下的鲁棒性和准确性。该系统通过三流双通道差分序列网络(T

  
智能交通和自动驾驶需要精确且安全的测距技术。基于量子纠缠的测距提供了物理层安全性和皮秒级同步,但在动态环境中仍易受信号稀疏性和噪声影响。研究人员提出了一种基于预测重建的纠缠光子测距系统,以提高低信噪比条件下的鲁棒性和准确性。该系统通过三流双通道差分序列网络(TDDN)结合自适应信号准备、特征感知处理和高保真序列重建,从光子到达序列中提取分布特征。还开发了包含大气效应的符合计数模型。在100个测试子集上,TDDN实现了2.311厘米的平均绝对误差(MAE)、2.976%的平均绝对百分比误差(MAPE)以及0.99的皮尔逊相关系数,在低信噪比条件下相对于多层感知机(MLP)、门控循环单元(GRU)、长短期记忆网络(LSTM)和循环神经网络(RNN)基线,平均绝对误差降低了18.0%–56.1%。这些结果证明了所提出的TDDN在安全关键应用中实现鲁棒且可扩展测距的潜力。
**基于TDDN的纠缠光子测距系统研究解读**

**一、研究背景与问题**

智能交通系统对测距技术的精度、可靠性和安全性提出了严苛要求。传统激光测距和同步定位与建图(SLAM)技术在复杂环境中易受电磁干扰、信号衰减、镜面多径、强环境光及恶劣天气的影响,导致光子检测和定时估计性能退化。此外,远距离或低反射率目标产生的光子回波不足,可能引发测距不稳定甚至失败。在安全性方面,传统激光雷达的强光脉冲信号特征易被截获或模仿,存在被欺骗攻击的风险。基于量子纠缠的测距技术利用信号光子与闲置光子之间的时间相关性,提供共享时间参考,减少对经典时钟同步的依赖,并具备对拦截或干扰的敏感性,因而在安全关键场景中具有潜力。然而,实际部署面临严峻挑战:纠缠光子信号能量极低,接收序列对信道条件高度敏感;大气衰减、湍流和背景噪声会降低探测概率并削弱可观测相关性;对于高速目标,稀疏信号和噪声可能使符合峰偏移、展宽或失稳,限制动态交通环境中的测距鲁棒性。现有信号处理与噪声抑制方法多针对经典场景,难以适应纠缠光子数据的低维和量子相关特性。信号稀疏性与噪声干扰通常被分开处理,而实际中二者共存,联合恶化系统性能。因此,亟需一种集成处理系统,在不依赖严格先验假设的条件下,联合抑制低维量子相关数据中的信号稀疏性和噪声干扰。

**二、研究内容与主要结论**

研究人员提出了一种基于预测重建的纠缠光子测距系统,其核心为三流双通道差分序列网络(TDDN)。该系统采用编码器-解码器架构,并行处理时域信号、差分信号和高阶统计量三个特征流。编码器通过反符合与掩蔽屏蔽(AC-MS)、双流跨通道多头注意力(DCMHA)和差分自注意力(DSA)三个模块,建模CH1-CH2通道间的耦合关系,同时应对两通道共有的共模噪声与稀疏性以及各通道独立的噪声与稀疏性。解码器集成AC-MS模块,提取特征流并重建信号分布,将稀疏或异常数据恢复至正常分布,从而适应噪声波动和不同信号稀疏度,恢复纠缠光子到达时间相关性,实现鲁棒测距。此外,研究人员开发了包含大气衰减和湍流效应的符合计数模型,并通过蒙特卡洛数值模拟验证了该模型的有效性。实验采用混合数据集(800条实验序列和400条模拟序列)训练模型,实验数据在受控实验室条件下采集,模拟数据基于湍流和大气衰减模型生成。在100个测试子集上,TDDN实现了2.311 cm的平均绝对误差(MAE)、2.976%的平均绝对百分比误差(MAPE)和0.99的皮尔逊相关系数,相对于MLP、GRU、LSTM和RNN基线,MAE分别降低了56.1%、18.0%、38.5%和35.2%。研究还分析了数据划分策略、跨场景性能和模型计算效率,证明了TDDN在低信噪比条件下的优越性和轻量化特性。该研究为智能交通系统中的安全关键测距提供了新思路,展示了量子纠缠测距结合深度学习重建的可行性。

**三、关键技术方法**

研究人员采用了以下主要关键技术方法:
1. **双泵浦Sagnac干涉仪纠缠光源**:利用周期极化磷酸钛氧钾(PPKTP)晶体实现双向泵浦,产生高质量纠缠光子对,并通过CHSH不等式验证量子纠缠特性。
2. **符合计数模型**:建立了包含大气衰减(Beer-Lambert定律)和湍流(Kolmogorov谱,闪烁指数)效应的符合计数率模型,并考虑干涉可见度退化,通过蒙特卡洛模拟验证。
3. **TDDN网络架构**:编码器-解码器结构,包含AC-MS模块(滑动窗口检测异常和干扰,构建掩码矩阵)、DCMHA模块(跨通道多头注意力,动态调制注意力权重)和DSA模块(对差分序列进行自注意力建模)。
4. **损失函数设计**:结合序列级重建损失(MAE)和符合计数一致性损失,约束物理相关性,权重通过网格搜索优化(λ1=0.3,λ2=0.7)。
5. **数据增强与混合训练**:采用800条实验序列和400条模拟序列,模拟数据基于湍流和衰减模型生成,扩展场景覆盖。

**四、研究结果**

**1. 纠缠验证实验**:通过35次独立运行测量CHSH参数S,平均值为2.654,超过经典界限(S=2)32.7%,95%置信区间为[2.639, 2.668],p<0.05,确认了光子对的非局域量子纠缠特性,为高精度测距提供了基础。

**2. 大气效应数值模拟**:蒙特卡洛模拟显示,大气透射率Tatm从1.0降至0.01时,符合计数率下降超过两个数量级;传输距离从100 m增至2000 m时,计数率降低约10%–40%;湍流强度增强(Cn2从1×10-15 m-2/3增至1×10-14 m-2/3)使计数率降低约10%,并增加统计方差。Tatm决定信号强度,Cn2控制稳定性,L加剧两种退化效应。

**3. 预测重建性能评估**:
- **数据划分策略**:比较六种训练/验证/测试比例,发现40:30:30分割在验证损失和泛化性能间达到最佳平衡。增加训练比例至90%时,验证损失上升,测试误差高达69.75 cm,表明过拟合噪声伪影。
- **跨场景性能**:在暗场(0 lx)和亮场(500 lx)条件下,TDDN能准确重建符合计数曲线。暗场无噪声时峰值位置偏差41 ps(对应0.615 cm误差);加入泊松噪声后主峰保持尖锐;70%光子损失时出现伪峰但主峰位置仍在可接受范围。亮场重建的时间延迟偏差小于3%,峰值计数提高约33%,有效抑制偶然符合引起的次级峰。
- **对比性能分析**:在固定10序列测试子集上,TDDN平均误差2.614 cm,较MLP、GRU、LSTM、RNN分别降低16.5%、35.3%、47.1%和53.3%。1D-CNN产生约360 cm的系统性误差,源于峰值定位偏差。在100个测试子集上,TDDN获得最低MAE(2.311 cm)、MSE(12.367 cm2)、RRMSE(0.046)和MAPE(2.976%),最高皮尔逊相关系数(r=0.99,p<0.001)。尽管MLP的GSNR最高(14.609 dB),但其MAE和MAPE远高于TDDN,说明SNR增益不能保证符合峰定位精度。
- **模型效率**:TDDN总参数373K,计算量约1.51 GFLOPs。DCMHA模块承担主要计算负载(45.5% FLOPs,44.3%参数),DSA和decoder的计算强度分别为4415.50和4265.70 FLOPs/参数,表明参数利用率高、冗余低,适合资源受限部署。

**五、结论总结**

本研究针对智能交通系统中动态环境下测距精度和鲁棒性不足的问题,提出了一种纠缠光子测距系统。该系统利用TDDN学习纠缠光子到达序列的多维特征,进行时间序列预测和重建。在低信噪比(高噪声、稀疏数据)条件下的实验表明,所提方法实现了重建序列与原始序列之间约0.99的相关系数,稳定的约2 cm测距误差,以及在关键评估指标上优于基线模型。模块复杂度分析证实了TDDN网络架构的轻量化。然而,目前研究仅限于受控实验室实验和部分模拟信道损伤。未来工作将改进光子探测建模,并在更长距离的室外和动态交通场景中验证该方法。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号