XiaoMi-AI文件搜索系统
World File Search System传输信道
博士生：Fabrizio Lo Regio
宽带电力线通信 (BPLC) 研究。从绿色环境和循环经济的角度来看，该技术利用电网的现有基础设施，通过利用配电网的固有潜力来促进数据传输能力，实现成本效益高且精简的部署方法。BPLC 可以提高应用该技术的网络的安全性和维护性，而提供的服务及其质量的提高，则增加了对强大通信技术的需求。这对于提高服务质量和优化资源至关重要。BPLC 技术应支持网络数据和其他传感器派生信息的传输，从而能够实施有用的政策以降低维护成本和运营，从而在预测性维护中发挥关键作用。这要归功于传感和通信集成。由于缺乏有关高频数据传输信道中的噪声和无意发射的知识，因此需要法规和标准、实验活动、统计和确定性模型以及信道特性，以确保在考虑的环境中减少电磁 (EM) 发射。为了减少电磁辐射，我们用不同的方法分析了通信信道的频率选择性和其他特性，例如统计和散射方法。文献中开发并使用了不同的方法来增强通信的稳健性，尽管存在高噪声场景和信道的频率选择性。学生专注于基础知识、架构、可能的应用、与使用环境的差异。这项研究的重点是用不同的方法表征传输信道，每种方法的优缺点，以及法规和标准。
迈向以 Ge-on 为源的全硅 QKD 发射器...
摘要 — 我们展示了一种基于偏振编码 BB84 协议的量子密钥分发新发射器概念，该协议由正向偏置的 Ge-on-Si PIN 结的非相干光提供光源。我们研究了两种量子态准备架构，包括通过多个调制器进行独立偏振编码和利用干涉偏振调制器的简化方法。我们通过实验证明，Ge-on-Si 光源可以适应量子密钥生成，在 1 GHz 的符号速率下以 7.71% 的量子比特误码率实现 2.15 kbit/s 的原始密钥速率。我们进一步研究了光纤传输信道去偏振与非相干光源宽带特性相结合的影响。我们的结果证明了全集成硅量子密钥分发发射器（包括其光源）在零信任数据中心内部环境中的短距离应用的可行性。索引词 — 量子密钥分发、量子通信、量子密码学、硅光子学、去极化、光源
830 公里光纤上的双场量子密钥分配
量子密钥分发 (QKD) 是基于物理学基本定律分发秘密比特的技术，它能够实现信息论安全通信，而不受潜在窃听者无限计算能力的影响 1 。在过去的三十年中，QKD 引起了广泛关注，并且已经发展成熟，可以在光纤网络上进行实际部署 2、3 。然而，信道损耗阻碍了 QKD 的广泛应用，从而限制了密钥速率和 QKD 范围的提高 4 – 7 。在 QKD 系统中，作为量子密钥载体的光子是在单光子级别准备的，大部分会被传输信道散射和吸收。然而，它们无法被放大，因此接收方检测到它们的概率非常低。对于从发射机到接收机的直接光纤链路，密钥速率随着传输距离的增加呈指数下降，并且不能超过基本速率-距离极限 O（η），其中 η 表示链路的透射率 8、9。双场 (TF) QKD 建立了一个有前途的速率-距离关系 O（√η），从而无需量子中继器即可克服这一限制，并且即使在长距离上也能实现相当大的密钥速率 10。人们做出了巨大努力来发展其理论 11 – 28 并通过实验展示其独特的优势 29 – 39。参考文献 11 和 12 首先证明了 TF-QKD 的普遍安全性，然后基于参考文献 11 在 502 公里超低损耗 (ULL) 光纤上实现了实验 33。通过消除代码模式中的全局相位随机化和相位后选择，提出了另一种称为无相位后选择 (NPP) TF-QKD 的变体 14 – 16，并在多个实验 30、32、35 中进行了演示。由于代码模式中的所有检测事件都用于密钥生成，因此 NPP TF-QKD 可以实现相对较高的密钥速率，例如，在 300 公里光纤上实现 2 kbps 的渐近密钥速率 30。同时，
使用 Xilinx FPGA 实现基于 LMS 和 RMS 的自适应噪声消除
印度喀拉拉邦卡达曼尼塔 Mount Zion 工程学院应用电子与仪器工程系助理教授 摘要：自适应滤波是一个重要的信号处理领域，广泛应用于通信、控制和生物医学工程领域。自适应噪声消除、数据传输信道的自适应均衡和自适应天线阵列就是此类应用的一些示例。自适应滤波由一个数字滤波器组成，该滤波器的权重由自适应算法控制，从而最小化滤波器输出与符合某些标准的参考信号之间的差异。参考信号的特性取决于所考虑的应用。评估自适应滤波器性能的主要指标有两个：收敛速度和稳态均方误差。在实际应用中，希望最大化收敛速度并最小化稳态均方误差。这些要求之间存在冲突。已经开发了几种自适应算法，以便在这些要求之间取得良好的折衷。重要的自适应算法是样本矩阵求逆 (SMI)、最小二乘 (LS) 和递归最小二乘 (RLS) 算法。本项目的主要目标是使用 Xilinx 系统生成器实现 LMS 和 RLS（递归最小二乘）自适应滤波器算法。将在 Matlab 和 Simulink 中对模型进行仿真，以有效验证算法。核心 RLS 和 LMS 自适应滤波器及其基本组件块将在 Xilinx 系统生成器中开发，并在 Xilinx FPGA 中实现。关键词：最小均方算法 (LMS)、递归最小二乘算法 (RLS)、Xilinx 系统生成器 (XSG)、simulink、Spartan -3 1. 简介自适应滤波器是 DSP 应用中的重要组成部分，其中输入信号的统计数据未知或正在变化。自适应滤波器依靠递归算法进行操作，这使得滤波器在无法完全了解相关信号特性的环境中也能令人满意地执行。已经开发出多种自适应算法来操作自适应滤波器。自适应算法用于人类活动的许多领域。在过去的 50 年里，已经设计、描述和实施了许多自适应算法。它们在硬件设备或软件程序中实现，以在应用或其环境中的未知或随时间变化的条件下调整系统行为参数。更具体地说，在控制和数字信号处理 (DSP) 系统中，它们用于根据传入信号和系统环境改变控制器或滤波器的行为。自适应算法在这些领域中最常见的应用是系统识别、噪声和回声消除以及信号增强。其中有一些用于调整权重的算法，包括 LMS（最小均方）和 RLS（递归最小二乘）。标准或改进的 LMS 算法通常用于 DSP 应用中，其中最多可调整数百个参数。LMS 算法的主要优点是其简单性，因此它们的实现在计算上很简单，计算复杂度为 O(n)（换句话说，它们很快）。另一方面，它们的主要缺点是速度慢