联合参数估计与多维协调在连续变量量子密钥分发中的应用
精确的量子信道参数估计对于连续变量量子密钥分发（CV-QKD）中有效的信息协调至关重要。然而，传统的最大似然（ML）估计器依赖于大量废弃数据（或导频符号），导致符号效率显著下降。此外，参数估计与协调阶段的分离还可能引发误差传播。该研究团队提出了一种新颖的联合消息传递方案，在贝叶斯框架内统一了信道参数估计与信息协调过程。通过采用期望最大化（EM）算法，该方法在解码过程中同步估计未知参数，无需独立的ML估计步骤。进一步地，该工作设计了混合多维旋转方案，免除幅度反馈需求，显著降低了经典信道开销。据研究人员所知，这是首个将多维协调与信道参数估计统一应用于CV-QKD的研究，为极简导频下的高效协调提供了实用解决方案。
