针对YOLOv3算法实时目标检测性能不佳的缺陷,提出了一种适应实时目标检测的改进网络结构以及视频目标检测的新方法。首先,提出的k-means-threshold(k-thresh)方法弥补了k-means算法对聚类中心初始位置十分敏感的问题,在包括三个类别的数据集中进行聚类分析选择合适的锚框;然后,将4倍下采样和8倍下采样特征图拼接融入第三个检测层,以提高对目标的检测精度,将YOLOv3算法的平均准确率均值提高了2%;最后,通过摄像头捕捉图像和前期得到的优秀检测数据来预测新图像的目标以及加入了重新检测阈值,以提高视频检测流畅度。实验结果表明:所提基于改进的YOLOv3网络在检测精度上得以提高,实时性也有所提高,在30 min的实时检测中最大帧率达到64.26 frame/s,相比原始YOLOv3算法,实时检测速度提高了4倍左右。

在连续变量量子密钥分发(CV-QKD)多维数据协调中,协调效率和密钥传输距离取决于低密度奇偶校验(LDPC)码的纠错性能。在本研究中构造了一种拥有重复累积(RA)码中累积结构的高码率双边类型LDPC码(TET-LDPC),这种双边类型LDPC码在多维数据协调中相比于普通LDPC码可以得到更好的协调性能。经仿真结果可知,在信噪比为1.68 dB时,本文构造的码长为2×105的TET-LDPC的协调效率仍然可以达到98.48％,并得到了17.35 kb／s的安全密钥率。

针对连续变量量子密钥分发系统数据协调过程中效率偏低而造成的密钥量不易提取的问题,本文引入PEG(Progressive-edge-growth)算法构造合适度分布的LDPC校验矩阵,译码时采用LLR-BP译码算法。仿真结果表明,相同度分布下PEG方法构造出的校验矩阵比传统Mackay方法构造出的校验矩阵在译码时,能够更快达到收敛,并且在码率为05,码长为105时,PEG协调方案协调效率达到934％,提取到的安全密钥量为541 kb／s,信息传输距离为445 km。

针对当前连续变量量子密钥分发时数据协调运算速度低的问题,本文提出一种采用GPU与OpenCL异构计算的多维数据协调方案,并提出了一种静态双向十字链表存储超大规模LDPC码的校验矩阵,以适应OpenCL平台特殊要求。实验仿真结果显示,当码长为2×105时,在保证有效数据协调且相同码率的前提下,GPU平均译码速率可达到CPU的4.2倍,但牺牲了部分精度。

针对当前连续变量量子密钥分发系统数据协调运算速率低的问题,采用中央处理器/图形处理器(CPU/GPU)异构平台实现了多维数据协调算法的并行加速运算,提出了对于异构计算要求的大规模校验矩阵静态双向十字链表及多维并行协调算法。在该平台上对码长为2.048×10 ⁵的情况进行了仿真计算。通过仿真可获取收敛信噪比和协调计算时间,并计算得出协调速率、密钥传输距离和协调效率。结果表明:当码长为2.048×10 ⁵时,在保证协调效率的前提下,采用CPU/GPU异构平台并行加速的协调速率为CPU平台的5倍。

在连续变量量子密钥分发(CVQKD)多维数据协调过程中,低密度奇偶校验码(LDPC)的纠错性能直接影响协调效率和传输距离。构造了一种双边类型的低密度奇偶校验码(TET-LDPC),引入了类似于重复累积码中的累积结构以提高其纠错性能,在多维数据协调算法中得到了更小的收敛信噪比、更高的协调效率以及更远的传输距离。仿真结果表明:当TET-LDPC的码率为0.5,分组码长为2×10 ⁵时,收敛信噪比降至1.02 dB,协调效率达到了98.58%,安全密钥率达到17.61 kb/s, CVQKD系统的传输距离提高为44.9 km。