基于Quantum Chirp Transform(QCT)的图像压缩传输结合多级U-Net图像去噪与重建方法

《Telecom》：Quantum Chirp Transform for Image Compression and Transmission with Multi-Stage U-Net-Based Image Denoising and Reconstruction

　　

摘 要：在带宽受限及噪声信道条件下，保持图像传输过程中的感知质量与结构保真度仍具挑战。传统压缩标准在严重信道损伤下性能显著退化，且集成量子启发的压缩与传输框架尚待深入探索。为解决上述局限，研究人员提出了一种基于仿真（simulation-based）的量子启发（quantum-inspired）图像传输框架，将基于Quantum Chirp Transform（QCT，量子啁啾变换）的压缩与多级U-Net重建及去噪机制相结合。在该框架中，图像比特流经变维编码（编码维度为k）表示为变量维数形式，变换至啁啾结构域（chirp-structured domain），并通过数值模拟的复合量子噪声信道传输。QCT利用非平稳二次相位（non-stationary quadratic phase）特性实现高效压缩，同时保留图像的结构显著信息。接收端执行逆处理及自适应多级U-Net增强，以抑制信道引入的失真并提升重建质量。仿真结果表明，依所选编码维度不同，压缩比可达指定范围，且保持高重建保真度。与相同传输条件下的量子傅里叶变换（Quantum Fourier Transform，QFT）压缩相比，该框架在噪声信道下具有更优鲁棒性：在10 dB SNR时，PSNR较QFT基线最高提升4.9 dB，分类准确率从84.3%提升至90.4%。结果进一步表明，更高维编码可提升压缩效率但增加对信道损伤的敏感性，而所提多级U-Net重建策略可有效缓解此问题。这些发现证明了啁啕结构（chirp-structured）量子启发表示在带宽受限环境下用于鲁棒图像压缩与传输的潜力。

论文解读：

研究背景：高保真图像传输在遥感、医学影像、监控及多媒体通信中至关重要，但受限于带宽与噪声信道条件。传统压缩标准如JPEG（Joint Photographic Experts Group）与HEIF（High Efficiency Image File Format）为有损压缩，在极低码率及噪声信道下易导致误码传播与严重质量退化；前向纠错（Forward Error Correction，FEC）亦无法完全补偿压缩损失与信道噪声的共同影响。量子通信提供了基于叠加（superposition）与纠缠（entanglement）的信息表示新范式，现有量子通信方法多聚焦安全传输（如QKD，Quantum Key Distribution）或独立探讨量子图像表示（如FRQI——Flexible Representation of Quantum Images、NEQR——Novel Enhanced Quantum Representation）及量子变换压缩（QFT——Quantum Fourier Transform、QDCT——Quantum Discrete Cosine Transform、QWT——Quantum Wavelet Transform），鲜有将压缩、传输与重建统一于同一框架并考虑实际噪声信道者。此外，QFT等量子变换基于固定基函数、假设信号全局平稳，难以有效捕捉图像边缘纹理等非平稳（non-stationary）特征。为此，研究人员开展了基于量子啁啾变换（Quantum Chirp Transform，QCT）的统一图像压缩—传输—多级U-Net重建框架研究，并在经典数值仿真层面验证其性能。该论文发表于《Telecom》。

主要关键技术方法：研究人员采用MNIST、CIFAR-10、COCO（缩至256×192）及ImageNet（缩至450×450）数据集，按8:2划分训练测试集。发送端将图像转为比特流，可选Polar码（码率1/2，块长1024，信息位512，SCL译码列表大小8）进行信道编码；比特流分块（每块k比特，k=1~8）映射为k量子比特计算基态｜0>、｜1>，经张量积得k?qubit寄存器态｜ψ〉∈?^2k，再施予QCT（QCT矩阵元素含线性相位与二次啁啾项χ_m,l=1/√N·exp[ j2πml/N + jπ(ml)²/N ]），得到频域啁啾态；压缩时仅保留QCT矩阵各列首两个元素并参数化为单量子比特态｜φ?〉=a｜0〉+b｜1〉（a=前两元素归一化幅值，b含相对相位），实现2^k维→2维降维。通过复合量子噪声信道（含Bit?flip、Phase?flip、Depolarizing、Amplitude Damping、Phase Damping，总噪声强度γ=10^?SNR(dB)/10，各噪声概率按单纯形随机分配）传至接收端；接收端据边信息所知k值，以最近邻准则比对接收单量子比特态与QCT码本首二元素恢复完整QCT列，做逆QCT（IQCT=QCT^?）得计算基态，测量后映射回比特流并经Polar译码获初步重建图像。随后接入三级U?Net：QN?U?Net（Quantum Noise Suppression U?Net，含QCT诱导关联偏置矩阵B_ij=α·S_ij·exp(?β‖f_i^QCT?f_j^QCT‖²/d²)·g(i,j)，S为QCT相似阵）抑制量子噪声；SSR?U?Net（Semantic Structure Recovery U?Net，双通路含图卷积邻接矩阵A_ij=softmax_j(??(x_i),?(x_j)?/τ)恢复语义结构）；SE?U?Net（Semantic and Spectral Enhancement U?Net，空?频双分支含可学习频域掩码FreqMask）。分阶段训练（30/25/20 epoch）并以L=λ₁L₁+λ₂L_MSE+λ₃L_SSIM+λ₄L_Perceptual（VGG?19特征）为损失函数。设信道感知自适应机制在高SNR跳过U?Net。性能指标含PSNR、SSIM、UQI、FID、LPIPS及CNN分类准确率，1000次Monte Carlo平均。

研究结果：

4.1 Objective Quality Evaluation of QCT?Reconstructed Images Without Multi?Stage U?Net?Based Enhancement：在未启用U?Net时，随编码比特k增大（1~8），压缩比由1:1增至2^k?1:1（k=2时为2:1，k=8时为128:1），但噪声敏感度上升（星座点角距缩小），低k鲁棒高噪，高k高压缩低噪稳；k=8因像素强度?全2⁸维态直接映射及自然图像空间相关性可部分吸收微扰，PSNR/SSIM反常略升。JPEG预压缩输入削弱空域相关性致高k性能降。加入Polar码显著改善低SNR重建，k=2（压缩比2:1）在效率与稳健间最优。

4.2 Information?Theoretic Analysis of QCT?Based Compression and Effective Transmission Rate：定义有效传输速率R_eff=C·(2/2^k)，C为Shannon容量。k增大降低R_eff（例B=1 Hz，SNR=10 dB时C≈3.46 bps/Hz，k=1→R_eff=3.46，k=8→R_eff≈0.027），体现压缩效率与传输资源权衡；框架不提升本征C，但通过结构化参数化减少发射参数量并保留主信息分量增强抗扰性。

4.3 Performance Comparison of the Proposed QCT?Based Framework Against Classical Communication Schemes：同资源约束（压缩比≈2:1，有效速率1.73 bps/Hz，B=1 Hz）下，QCT(k=2)较QPSK+JPEG/JPEG2000/HEIF在多数SNR下具更高PSNR且噪声加剧时退化平缓无突发解码失败；近无损（高SNR）时与经典相当。与QFT(k=2~4)比，QCT因二次啁啾相位增编码可分离性，5 dB SNR时PSNR提升约4.2~4.9 dB，SSIM同步改善；k=1时二者等价。MNIST上信道编码传输经CNN分类，10 dB SNR时QCT准确率90.4% vs QFT 84.3%，?10 dB时U?Net增强后93.3% vs 直接QCT 55.5%。

4.4 Clarification on QCT Compression: Transmission?Oriented Representation：阐明QCT列首二元素参数化是确定性的已知酉变换重建（非未知量子态压缩），不违反不可克隆定理（no?cloning theorem）；属面向传输的参数化表示而非存储压缩，接收端借码本全重建IQCT前状态，信息未不可逆丢弃。

4.5 QCT?Reconstructed Image Enhancement via a Multi?Stage U?Net?Based Denoising Module：k=8最高压缩下U?Net在低中SNR显著提PSNR/SSIM并降FID/LPIPS（SNR=?10 dB FID<5，LPIPS≈0.2），高SNR增益小偶现过平滑；信道编码下同趋势。自适应CSI（Channel State Information）机制按估计SNR启停U?Net，误估σ=2 dB时PSNR仅温和降（5 dB SNR由38.4→34.8 dB），框架具CSI容错性。

4.6 Contribution Analysis of QCT and U?Net：(1) 消融QCT感知注意力（置B=0）致低中SNR PSNR降2.1~2.7 dB，证其贡献；(2) 同U?Net用于JPEG+QPSK管线增益小于QCT管线（?10 dB时分别提10.3 dB与17.3 dB），说明QCT结构化失真与U?Net协同优于经典管线后处理，且原始QCT直接重建亦优于JPEG+QPSK直接重建（?10 dB：24.3 dB vs 18.6 dB）。

4.7 Implementation Feasibility and System Complexity：QCT可分解为QFT·diag(e^jπm2/N)（二次相位算子），可用Hadamard门及受控相旋门实现，电路深度O(k²)；编码/解码复杂度O(k²)，码本最小距离检测O(2^k)（k≤8可行）。三阶段U?Net共约104.2 M参数，单前向416×416入需16.1 GFLOPs；直接QCT重建仅0.003 GFLOPs。k≤3时IBM/IonQ平台估算保真度>94%；k增大电路加深保真降。经典穷举搜索与Grover搜索分别O(2^k)与O(2^k/2)，当前k≤8用穷举。RTX 3090上直接重建0.7~5.7 ms/图，U?Net增强13.8~150.6 ms/图。

4.8 Robustness to CSI Estimation Errors：前文4.5已述及。

4.9 Performance Benefits of QCT?Based Encoding in Quantum Compression Frameworks：QCT非平稳二次相位致更优能量集中与Hilbert空间态几何可分离性，较QFT提噪下鲁棒且兼容同等渐近实现代价，适于后续感知保真重建。

4.10 Scalability, Application Scope, and Simulation?Driven Analysis：框架可通过调k适应不同压?稳需求，仿真验证指导未来硬件实作；潜在应用含量子图像视频传输、远程医疗、自动驾驶等。

讨论与结论翻译：研究人员开发了一种融合非平稳二次相位调制量子频域图像通信框架，结合QCT表示与U?Net辅助重建以提升噪声信道下传输可靠性同时保持压缩效率。系统性能受压缩强度与鲁棒性间明确折衷支配：增大量子比特编码维数k提高压缩效率（最高128:1）但增加对信道扰动敏感性；较小k降低此敏感性获更稳定重建但压缩增益有限；单量子比特编码无额外压缩但电路简、开销低。为补偿低SNR下高k编码的质量退化，多级U?Net重建显著提升视觉质量，最佳情形SSIM达≈0.9996，PSNR>42 dB，LPIPS≈0.1，FID低至5，各SNR下性能稳定；高SNR时直接QCT重建略优于U?Net增强输出。为此引入自适应切换机制按估计信道质量选择直接量子重建或U?Net增强，在不同噪声环境保持较一致重建表现并避免不必要计算开销。未来工作将聚焦于不完善CSI下动态量子比特选择策略、更高维QCT编码扩展、轻量学习增强模块及量子/量子启发硬件实现验证，推动框架向适用于遥感、医学影像及下一代智能通信网络的高效自适应量子辅助多媒体通信系统演进。