CN101375544A - 从联合随机性中产生密钥的方法和系统 - Google Patents

Abstract

本发明公开了一种用于从由无线发射/接收单元(WTRU)共享的联合随机性中产生密钥的方法和系统。第一WTRU和第二WTRU执行通道估计以产生第一WTRU和第二WTRU之间的信道上的采样信道冲击响应(CIR)。所述第一WTRU从该采样CIR中产生比特集，并且从该比特集中产生密钥和校验子(或校验位)。所述第一WTRU将该校验子(或校验位)发送至所述第二WTRU。所述第二WTRU从该校验子(或校验位)和其自己的采样CIR中重建该比特集，并从该重建的比特集中产生所述密钥。

Description

从联合随机性中产生密钥的方法和系统

技术领域

本发明涉及无线通信系统。更具体来说，本发明涉及一种从由无线发射/接收单元(WTRU)共享的联合随机性(joint randomness)中产生密钥的方法和系统。

背景技术

设想用户A和用户B使用的两个终端在无线环境中的同一频率上进行相互间的通信。这两个终端能够在它们的传输中应用训练序列以估计它们互易(reciprocal)无线信道的信道冲击响应(CIR)。无线通道由具有不同尺度和延迟的离散脉冲的集合来模拟。每个脉冲代表单路径衰落信道，优选为瑞利(Rayleigh)衰落或Rician衰落。在数学上，无线通道以如下等式来模拟：

$a\left(t\right)=\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\α}}_l\mathrm{\δ}(t-{\mathrm{\τ}}_l)$         等式(1)

其中L∈[1，+∞)并且α_l，τ_l代表无线L路径衰落信道中第1个路径的振幅和延迟。在瑞利衰落通道中，振幅α₁，...，α_L是零均值的复数高斯随机变数。

无线通道的CIR可写为如下：

h(t)＝p(t)*a(t)            等式(2)

其中p(t)代表从预定带限的发射机和接收机滤波器中得到的“脉冲形状”。通过将等式(1)代入等式(2)：

$h\left(t\right)=\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\α}}_{l}p(t-{\mathrm{\τ}}_l),$              等式(3)

这表示CIR是脉冲形状p(t)的多个延迟的和尺度的副本的迭加。

用户A和用户B分别观察CIR h(t)的采样噪声化形式。他们的观察可写为如下

h_A[n]＝C_Ah(nT_S-τ_A)+Z_A[nT_S]以及        等式(4)

h_B[n]＝C_Bh(nT_S-τ_B)+Z_B[nT_S]          等式(5)

其中T_S是采样间隔，该间隔被假设为在两个终端是相等的，并且τ_A和τ_B是与每个接收机相关联的采用时间偏移。采样间隔T_S应当足够大(至少大于相干时间间隔)，以确保两个连续观察的独立性。

因此，两个终端之间的采样时间差是|τ_A-τ_B|。变数C_A和C_B是复数常量，它们反映了与每个接收机相关联的不同放大和相位偏移。为简单起见，假设C_A＝C_B＝1。值Z_A[nT_S]和Z_B[nT_S]是独立的加性高斯噪声序列。

由于用户A和用户B的观察h_A[n]和h_B[n]建立在它们的互易无线通道h(t)的基础，因此他们彼此相关。另一方面，由用户C使用并在地理位置上位于距用户A和用户B超过波长远度的不同位置的第三终端在信道上不具有相关信息。

基于他们相关的信道观察，用户A和用户B希望产生公共密钥。在产生此种密钥时，它们可以通过无误差认证无线信通道进行通信。所产生的密钥应当隐瞒于可以在公共通道上观察传输的潜在窃听者。具体来说，所产生的密钥要求几乎“统计独立”于公共传输。

令Xⁿ＝(X₁，...，X_n)和Yⁿ＝(Y₁，...，Y_n)作为相关随机变量X和Y的n个独立同分布的副本。用户A和用户B分别观察序列Xⁿ和Yⁿ。而且，用户A和用户B可以通过无误差无线通道进行互相间的通信，并且很可能交互地进行很多轮次的通信。令V表示无线通道上的所有传送。在传送之后，用户A基于(Xⁿ，V)产生比特串S_A，而用户B基于(Yⁿ，V)产生比特串S_B。如果下列条件满足的话，那么比特串S组成密钥：

Pr(S＝S_A＝S_B)≈1；                   等式(6)

I(S；V)≈0；并且                  等式(7)

H(S)≈|S|，                         等式(8)

其中|S|表示比特串S的长度，I(S；V)表示S和V之间的相互信息，而H(S)表示S的熵。上述第一个条件意味着用户A和用户B产生几乎相同的密钥，第二个条件意味着该密钥几乎统计独立于用户C的信息(即无线信道上的传输V)，而第三个条件意味着该密钥几乎呈均匀分布。因此，该密钥有效地隐瞒于用户C。这里，窃听者、用户C是被动的(即用户C不能干预公共通道上的传输V)。

密钥的(熵)率称为密钥率。最大的密钥率称为密钥容量，其由C_S来表示。密钥容量的概念标示用户A和用户B基于他们的观察Xⁿ和Yⁿ所能产生的最长密钥的长度。上述模型的密钥容量表示为如下：

C_S＝I(X；Y)                      等式(9)

众所周知的是，在特定情形中，例如在这里所描述的情形中，可以通过从用户A至用户B的单个传输来实现该密钥容量，反之亦然。

设想用户A和用户B之间的无线信道是具有平均路径功率(p₁，...，p_L)的L路径衰落信道。设想该无线通道上的加性高斯白噪声(AWGN)的平均功率是N。因此，第1个路径上用户A和用户B的CIR观察之间的相互信息给出如下：

$I_l=\log (1+\frac{\frac{p_l}{N}}{1+\frac{N}{p_l}})$                   等式(10)

通过一致限(union bound)，用户A和用户B的总体CIR观察之间的相互信息的上限为

这实际上用户A和用户B可以实现的密钥率的实际上限。

当L路径衰落信道中第一个路径被设置为参考路径时，该信道的相对平均路径功率可以表示为(p₁，...，p_L)，其中 ${\stackrel{\‾}{p}}_l=\frac{p_l}{p_1}.$ 那么，该密钥率的上限为：

$\underset{l=1}{\overset{L}{\mathrm{\Σ}}}\log (1+\frac{\mathrm{SNR}\·{\stackrel{\‾}{p}}_l}{2+\frac{1}{\mathrm{SNR}\·{\stackrel{\‾}{p}}_l}})$                等式(11)

其中， $\mathrm{SNE}=\frac{p_1}{N}$ 是针对参考路径所定义的。

为了在加密应用中使用，期望能够产生全熵串(具有Pr(0)＝Pr(1)＝1/2的独立比特)。因此，期望能够去除采样之间的相关性。对于单路径信道来说，这可以通过从所有采样中简单地选择一个采样(例如具有最大值的采样)来实现。然而，对于多路径信道来说，正好有多个采样(每个通道一个采样)不能从所有的采样中挑选出来，因为那些挑选出的采样将互相相关。因此，如何去除采样之间的相关性成为一个巨大挑战。

另一个实际问题来自于两个终端处的采样时间差。利用不同采样时间偏移来采样相同CIR可以导致完全非相关的采样。可以通过提高采样率来减少该问题。然而，提高采样率的缺点在于产生了大量多余的采样。因此，期望能够在两个终端对齐(align)采样时间，而不是仅仅提高采样率，这可能涉及到对采样时间差的估计。其它实际问题包括两个终端处的SNR差异和DC偏移(即非零均值的随机变数)。

发明内容

本发明涉及一种用于从由WTRU共享的联合随机性中产生密钥的方法和系统。第一WTRU和第二WTRU执行通道估计以产生第一WTRU和第二WTRU之间的通道上的采样CIR。该第一WTRU从该采样CIR中产生比特集并且从该比特集中产生密钥和校验子(或校验位)。该第一WTRU将该校验子(或校验位)发送至该第二WTRU。该第二WTRU从该校验子(或校验位)和其自身的采样CIR中重构该比特集，并且从所重建的比特集中产生密钥。还可能的是，每个WTRU从其部分采用CIR中产生比特集并从该比特集中产生校验子。每个WTRU发送该校验子，并重构从该校验子和其自身的采样CIR所产生的其它WTRU的比特集。两个WTRU从所重构的比特集以及其自生产生的比特集中产生该密钥。

附图说明

图1示出了针对单路径瑞利衰落信道的密钥容量曲线；

图2是根据本发明的包括两个WTRU的系统框图；

图3示出了用于比较自然编码和格雷编码之间在误码率(BER)方面的性能的仿真结果；

图4和图5示出了用于在使用自然编码和格雷编码时不同量化等级在BER方面的性能的仿真结果；

图6示出了用于比较等概率量化和最小均方误差(MMSE)量化在BER方面的性能的仿真结果；

图7示出了根据本发明的从不同比特转化方案和不同LLR计算方法所得出的密钥率的仿真结果；

图8是根据本发明的配置为执行超量化的第一WTRU的框图；

图9示出了根据本发明的使用超量化方案所实现的密钥率的仿真结果；

图10示出了根据本发明的使用软误差转发方案所实现的密钥率的仿真结果；

图11是根据本发明的配置为执行每比特处理的第一WTRU的框图；

图12是根据本发明的配置为执行每比特处理的第二WTRU的框图；

图13是根据本发明的配置为执行每比特处理第二WTRU的备选实施方式的框图；

图14和图15示出了用于比较利用每比特处理方案所实现的密钥率的性能的仿真结果；

图16示出了就单路径瑞利衰落信道而言密钥容量C_s相对于SNR_A和SNR_B的图示；

图17-图19分别示出了具有固定SNR_A＝20dB、25dB、30dB的所实现的密钥相对于SNR_B的图示；

图20示出了就工作组4(WG4)情况3通道而言由正交greedy算法(OGA)利用恒定阈值所检测的平均路径数；

图21和图22分别示出了就WG4情况1和WG4情况3的通道而言OGA利用该相对阈值所检测的各个平均路径的数量；

图23示出了就WG4情况3通道而言在两个终端的独立OGA应用的误差率；

图24是根据本发明的第一WTRU的后置处理器和第二WTRU的后置处理器的框图；

图25示出了就SNR＝20dB的WG4情况3通道而言所检测到的路径延迟的归一化频率的柱状图；

图26示出了步骤2之后剩余路径延迟的归一化频率的柱状图；

图27是根据本发明备选实施方式的第一WTRU的后置处理器和第二WTRU的后置处理器的框图；

图28示出了针对ITU PB3通道估计采样时间差的误差率；

图29示出了就WG4情况3通道而言利用单途径和混合处理方案所实现的密钥率；

图30示出了就WG4情况1通道而言利用单途径和混合处理方案所实现的密钥率；

图31示出了就WG4情况3通道而言利用双途径和混合处理方案所实现的密钥率；

图32示出了就WG4情况1通道而言利用双途径和混合处理方案所实现的密钥率；

图33示出了就WG4情况1通道而言利用双途径和每路径处理方案所获得的密钥率；

图34-图37示出了就W4情况2信道、ITU PA3信道、ITU PB3信道和ITU VA30信道而言利用双途径加混合处理方案和双途径加每路径处理方案所实现的各个密钥率。

具体实施方式

下文中，术语“WTRU”包括但不限于用户设备(UE)、移动站、固定或移动用户单元、寻呼机、蜂窝电话、笔记本计算机、个人数字助理(PDA)、Node-B、基站、站点控制器、接入点(AP)或任何能够在无线环境中操作的其它类型的装置。

本发明的特征可以结合到集成电路(IC)中或可以配置在包括多个互连组件的电路中。

本发明将参考多路径瑞利信道进行描述，并且提供仅针对瑞利衰落信道的数学模型。然而，需要注意的是，参考瑞利通道仅用于示意目的，而本发明可应用于基于任何数学模型的单路径或多路径信道。

本发明中的分析模型如下：产生三个相互独立的复数高斯随机变量H、Z_A和Z_B。H根据N(O，P)产生，Z_A根据N(O，N_A)产生，而Z_B根据N(O，N_B)产生。令X＝H+Z_A，并且Y＝H+Z_B。简单的计算示出：

$I(X;Y)={\log }_2(1+\frac{P}{N_A+N_B+\frac{N_A{N}_B}{P}})$              等式(12)

等式(1)可以重写为：

$C_S={\log }_2(1+\frac{P}{N_A+N_B+\frac{N_A{N}_B}{P}})$                 等式(13)

这意味着分别基于联合高斯随机变量Xⁿ和Yⁿ的观察，两个通信的WTRU可以产生长度不大于 ${n\log }_2(1+\frac{P}{N_A+N_B+\frac{N_A{N}_B}{P}})$ 比特的密钥。

为简化起见，设想N_A＝N_B＝N，并且SNR定义为P/N。然后，等式(13)被简化为：

$C_S={\log }_2(1+\frac{\mathrm{SNR}}{2+\frac{1}{\mathrm{SNR}}})$              等式(14)

密钥容量C_s相对于SNR的图示在图1中示出。

联合高斯随机变量X和Y可表示为：

$X=\frac{P}{P+N}Y+Z_0$                  等式(15)

其中Z₀~N(O， $\frac{2\mathrm{PN}+N^2}{P+N}$ )独立于Y。

图2是根据本发明的包括两个WTRU 210、230的系统框图。第一WTRU210包括通道估计器212、后置处理单元214(可选的)、量化单元216、信源编码单元218、纠错编码单元220以及保密增强(PA)处理器222。通道估计器212产生第一WTRU 210和第二WTRU 230之间的无线通道上的采样CIR。该采样CIR可以由后置处理单元214来处理。第一WTRU 210通过无线通道的CIR测量来获取高斯随机变数X，并从该高斯随机变量X中产生密钥S_A。

由于可以将密钥看作是比特串，或者可选择地看作是符号串(下文仅涉及“比特串”)，所以连续随机变量X被转化为比特串X_b，这涉及量化处理和信源编码处理。随机变量X输入到量化单元216中，该量化单元216输出量化值X_q。信源编码单元218将该量化值X_q编码为比特串。

比特串X_b输入到纠错编码单元220和PA处理器222中。该纠错编码单元220在比特串X_b上执行纠错编码(例如非系统或系统块编码)并产生校验子或校验位(下文中统一为“校验子”)。该纠错编码对于第一WTRU 210和第二WTRU是已知的，并且可能对于其它WTRU也是已知的。PA处理器222从比特串X_b中产生密钥S_A。该第一WTRU210通过将X_b的校验子(针对给定纠错编码)通过无线信道发送至第二WTRU 230而帮助第二WTRU 230重构该比特串X_b。

第二WTRU 230包括通道估计器232、后置处理单元234(可选的)、译码单元236、PA处理器238。该通道估计器232产生第一WTRU 210和第二WTRU 230之间的无线通道上的采样CIR。该采样CIR可以由后置处理单元234来处理。第二WTRU 230通过无线通道的CIR测量来获取联合高斯随机变数Y，并基于从第一WTRU 210中接收到的校验子和其自身观察Y来重构X_b(即比特串估计

)。该联合高斯随机变量Y和该校验子进入译码单元236以构建该比特串估计

然后，PA处理器238从比特串估计

中产生密钥S_B(其假设为与S_A相同)。不知道Y的窃听者就不能完全重建X_b。

密钥由第一WTRU 210和第二WTRU 230从比特串X_b中提取出来，从而该密钥几乎“统计独立”于用户C的信息(即X_b的校验子)。可以通过使用通用hash函数来实现保密增强。如果比特串X_b是最大熵比特串(即优选随机的)，那么利用基于校验子的编码和译码技术，PA处理器是至关重要的，因为不需要杂信(hash)。

量化单元216、信源编码单元218、译码单元236以及后置处理单元214、234的细节将在后文进行详细描述。

就量化单元216而言，量化方案由分割以及其相应的量子(Quanta)来指定。分割包括一组单独的间隔S₁…S_V，这覆盖了整个采样范围。量子包括一组数q₁…q_V，其中q_i∈S_i，其可以解释为量化值。针对分割{S₁…S_V}的量化等级定义为log₂V。例如，对于瑞利通道而言，考虑两种量化方案，等概率量化和最小均方误差(MMSE)量化，尽管也可应用其它方案。

就等概率量化而言，定义了针对随机采样的分割{S₁…S_V}，从而

$\mathrm{Pr}(X\∈S_i)=\frac{1}{v},$      1≤i≤v.             等式(16)

令

表示间隔S_i，1≤i≤v的右端点。如果间隔S_i的左端点与间隔S_i-1的右端点一致，那么分割{S₁…S_v}实际上由

指定。根据等概率量化，值1≤i≤v由下面的等式来确定：

${\∫}_{-\∞}^{{\hat{q}}_i}f\left(x\right)\mathrm{dx}=\frac{i}{v}$                  等式(17)

其中f(x)是随机采样X的概率分布。

例如，对于零均值单元方差高斯分布的2级等概率量化器的分割为

S1＝(-∞，-0.6745]，S2＝(-0.6745，0]，S3＝(0，0.6745]，S4＝(0.6745，∞).

另一方面，利用MMSE量化，分割{S₁…S_V}和量子{q₁…q_V}的选择是最小化期望值E[(X-q_x)²]，其中X是随机采样，并且q_x是针对X的量化值。令

表示间隔S_i，1≤i≤v的右端点。最小化E[(X-q_x)²]的值

和q_i，计算如下：

${\hat{q}}_i=\frac{q_i+q_{i+1}}{2},$ 1≤i≤v-1；                      等式(18)

${\∫}_{{\hat{q}}_{i-1}}^{{\hat{q}}_i}(x-q_i)f\left(x\right)\mathrm{dx}=0,$ 1≤i≤v，         等式(19)

其中代表最小可能采样值，在我们的例子中该最小可能采样值是-∞。

例如，对于零均值单元方差高斯分布的2级MMSE量化器的分割为

S₁＝(-∞，-0.9816]，S₂＝(-0.9816，0]，S₃＝(0，0.9816]，S₄＝(0.9816，∞)，并且相应的量子是q₁＝-1.51，q₂＝-0.4528，q₃＝0.4528，q₄＝1.51。

等概率量化的主要优点在于输出比特是构造等概率的，这导致了最大熵比特串。任何其它量化技术受熵丢失的影响。表1示出了针对MMSE量化器的熵丢失。当使用非等概率量化方案时，根据本发明的密钥率计算可以补偿该熵丢失。

表1

 

量化等级(每采样比特数)	信息的熵丢失(每采样比特数)
		1	0
2	0.086
		3	0.239
4	0.398
		5	0.551

就信源编码单元218而言，信源编码的目的是将整数转化为比特串。优选地，信源编码方案是自然编码或格雷编码。自然编码是整数比特串形式的自然表述。例如，在长度为2的自然表述中，代表整数0、1、2和3的码字分别是“00”、“01”、“10”和“11”。

格雷编码以下列形式来代表整数，即任何两个相邻码字有一个比特不同。例如，在长度为2的格雷编码中，代表整数0、1、2和3的码字分别是“00”、“01”、“11”和“10”。

图3示出了用于比较自然编码和格雷编码在误码率(BER)方面的性能的仿真结果。在该仿真中，应用了4级等概率量化。在该仿真结果中，格雷编码胜过自然编码之处在于，通过使用格雷编码，WTRU可以产生具有更多公共比特的比特串，即使WTRU之间的实际值实际上可能并不严格相同。对于单级误差，仅有一个比特不同。

可以使用能够最小化连续值之间比特改变数量的其它编码方案。理想情况下，比特改变数量应当随着两个值之间的差别的增长而增长。

图4和图5示出了用于在使用自然编码和格雷编码时不同量化等级在BER方面的性能的仿真结果。不同量化等级将导致不同的BER。根据仿真结果，量化等级越低，BER越小。这是因为较低的量化等级对应于分割中较大的间隔，并且两个采样落入相同间隔的概率增加。然而，使用低级量化产生短比特串。因此，在输出比特串的长度和两个输出比特串的相关性之间要有折衷。

图6示出了用于比较等概率量化和最小均方误差(MMSE)量化在BER方面的性能的仿真结果。所用MMSE所产生的比特串不是均匀分布的，而这不是所期望的，因为从该比特串中提取出来的密钥应当是均匀分布的。因此，应当将该比特串压缩成均匀的，这导致了较短的比特串。在补偿了MMSE量化的熵丢失之后，从MMSE量化和等概率量化中产生的密钥率在每采样的几十个比特中。表2归纳了等概率量化和MMSE量化之间的性能比较。

表2

 

SNR(dB)	使用等概率量化的密钥率(比特/采样)	使用MMSE量化的密钥率(比特/采样)
			13	2.27	2.72
15	3.03	3.28
			17	3.66	3.84
19	4.30	4.45

例如，纠错编码单元220和译码单元218可以实现二进制低密度奇偶校验(LDPC)编码、Reed-Solomon编码、Turbo编码、差分编码或任何其它编码方案。就译码单元218而言，所接收到的校验子(或校验位)和变量Y进入译码单元218并且该译码单元218重构比特串X_b。译码单元236计算每比特的对数似然比(LLR)。该LLR可以通过使用硬判决和软判决来计算。

在瑞利通道的例子中，当使用硬判决时，第二WTRU 230以与第一WTRU 210相同的转化方式将每一个CIR观察转化为比特 $Y_b=(Y_{b,1},...,Y_{b,{\log }_{2}v}).$ 然后针对X_b，i的LLR的给出如下：

$\ln \frac{\mathrm{Pr}(X_{b,i}=0|Y_{b,i})}{\mathrm{Pr}(X_{b,i}=1|Y_{b,i})}\left\{\begin{array}{cc}\ln \frac{1-p_i}{p_i},& Y_{b,i}=0;\\ \ln \frac{p_i}{1-p_i},& Y_{b,i}=1,\end{array}\right.$          等式(20)

其中p_i是X_b，i不同于Y_b，i的概率。图5和图6中的每条曲线对应于

类似地，在瑞利通道的例子中，当使用软判决时，第二WTRU 230直接从Y中而不是从Y_b中计算LLR。设想第一WTRU 210应用一级等概率量化来通过如下等式将其采样X转化为单个比特X_b，i：

$X_{b,1}=\left\{\begin{array}{cc}0,& X\≤0;\\ 1,& X>0.\end{array}\right.$                  等式(21)

那么，

$\mathrm{Pr}(X_{b,1}=0|Y)=\mathrm{Pr}(X\≤0|Y)=\mathrm{Pr}(\frac{P}{P+N}Y+Z_0\≤0|Y)$             等式(22)

${Z_0}^{~}N(0,\frac{2\mathrm{PN}+N^2}{P+N})$ 独立于Y。因此

$\mathrm{Pr}(X_{b,1}=0|Y)=\mathrm{Pr}(Z_0\≤-\frac{P}{P+N}Y)=1-Q(-\frac{\frac{P}{P+N}Y}{\sqrt{(2\mathrm{PN}+N^2)/(P+N)}}),$         等式(23)

其中

$Q\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}}}{\∫}_x^{\∞}{e}^{-\frac{t^2}{2}}\mathrm{dt}$               等式(24)

因此，针对X_b，i的LLR给出如下

$\ln \frac{\mathrm{Pr}(X_{b,1}=0|Y)}{\mathrm{Pr}(X_{b,1}=1|Y)}=\ln \frac{\mathrm{Pr}(X_{b,1}=0|Y)}{1-\mathrm{Pr}(X_{b,1}=0|Y)}=\ln \frac{1-Q(-\frac{\frac{P}{P+N}Y}{\sqrt{(2\mathrm{PN}+N^2)/(P+N)}})}{Q(-\frac{\frac{P}{P+N}Y}{\sqrt{(2\mathrm{PN}+N^2)/(P+N)}})}$

                           等式(25)

软判决LLR取决于在比特转化中使用哪种源编码。自然编码和格雷编码可以导致不同的LLR。设想第一WTRU 210应用了二级等概率量化和自然编码以将其采样X转化为两个比特(X_b，1，X_b，2)。X的功率是P+N。因此X_b，1和X_b，2给出如下：

$(X_{b,1},X_{b,2})=\left\{\begin{array}{cc}00,& X\&le;\sqrt{P+N}.{\stackrel{\&OverBar;}{q}}_1;\\ 01,& \sqrt{P+N}.{\stackrel{\&OverBar;}{q}}_1<X\&le;\sqrt{P+N}.{\stackrel{\&OverBar;}{q}}_2;\\ 10,& \sqrt{P+N}.{\stackrel{\&OverBar;}{q}}_2<X\&le;\sqrt{P+N}.{\stackrel{\&OverBar;}{q}}_3;\\ 11,& X>\sqrt{P+N}.{\stackrel{\&OverBar;}{q}}_3,\end{array}\right.$          等式(26)

其中q₁＝-0.6745，q₂＝0和q₃＝0.6745是针对零均值单元方差高斯分布的量化边界。换言之，q_i由下列等式确定

${\&Integral;}_{-\&infin;}^{{\stackrel{\&OverBar;}{q}}_i}\frac{1}{\sqrt{2\mathrm{\&pi;}}}{e}^{-\frac{x^2}{2}}\mathrm{dx}=\frac{i}{v}$           等式(27)

针对第一个比特X_b，1的LLR由等式(25)给出。针对第二个比特X_b，2的LLR计算如下：

$\mathrm{Pr}(X_{b,2}=0|Y)$

$=\mathrm{Pr}(X\&le;\sqrt{P+N}\&CenterDot;{\stackrel{\&OverBar;}{q}}_1\mathrm{or}\sqrt{P+N}\&CenterDot;{\stackrel{\&OverBar;}{q}}_2<X\&le;\sqrt{P+N}\&CenterDot;{\stackrel{\&OverBar;}{q}}_3|Y)$

$=\mathrm{Pr}(\frac{P}{P+N}Y+Z_0\&le;\sqrt{P+N}\&CenterDot;{\stackrel{\&OverBar;}{q}}_1|Y)+\mathrm{Pr}(\sqrt{P+N}\&CenterDot;{\stackrel{\&OverBar;}{q}}_2<\frac{P}{P+N}Y+Z_0\&le;\sqrt{P+N}\&CenterDot;{\stackrel{\&OverBar;}{q}}_3|Y)$

$=\mathrm{Pr}(Z_0\&le;\sqrt{P+N}\&CenterDot;{\stackrel{\&OverBar;}{q}}_1-\frac{P}{P+N}Y)+\mathrm{Pr}(\sqrt{P+N}\&CenterDot;{\stackrel{\&OverBar;}{q}}_2-\frac{P}{P+N}Y<Z_0\&le;\sqrt{P+N}\&CenterDot;{\stackrel{\&OverBar;}{q}}_3-\frac{P}{P+N}Y)$

$=1+g(2,Y)-g(1,Y)-g(3,Y),$               等式(28)

其中

$g(i,Y)=Q\left(\frac{\sqrt{P+N}.{\stackrel{\&OverBar;}{q}}_i-\frac{P}{P+N}Y}{\sqrt{(2\mathrm{PN}+N^2)/(P+N)}}\right)$               等式(29)

因此

$\ln \frac{\mathrm{Pr}(X_{b,2}=0|Y)}{\mathrm{Pr}(X_{b,2}=1|Y)}=\ln \frac{1+g(2,Y)-g(1,Y)-g(3,Y)}{g(1,Y)+g(3,Y)-g(2,Y)}.$              等式(30)

另一方面，如果第一WTRU 210在比特转化中应用格雷编码，那么X_b，1和X_b，2给出如下：

$(X_{b,1},X_{b,2})=\left\{\begin{array}{cc}00,& X\&le;\sqrt{P+N}.{\stackrel{\&OverBar;}{q}}_1;\\ 01,& \sqrt{P+N}.{\stackrel{\&OverBar;}{q}}_1<X\&le;\sqrt{P+N}.{\stackrel{\&OverBar;}{q}}_2;\\ 11,& \sqrt{P+N}.{\stackrel{\&OverBar;}{q}}_2<X\&le;\sqrt{P+N}.{\stackrel{\&OverBar;}{q}}_3;\\ 10,& X>\sqrt{P+N}.{\stackrel{\&OverBar;}{q}}_3.\end{array}\right.$        等式(31)

针对第一个比特X_b，1的LLR还是由等式(25)给出。针对第二个比特X_b，2的LLR计算如下：

$\mathrm{Pr}(X_{b,2}=0|Y)=\mathrm{Pr}(X\&le;\sqrt{P+N}.{\stackrel{\&OverBar;}{q}}_1\mathrm{orX}>\sqrt{P+N}.{\stackrel{\&OverBar;}{q}}_3|Y)$

$=\mathrm{Pr}(Z_0\&le;\sqrt{P+N}\&CenterDot;{\stackrel{\&OverBar;}{q}}_1-\frac{P}{P+N}Y)+\mathrm{Pr}(Z_0>\sqrt{P+N}\&CenterDot;{\stackrel{\&OverBar;}{q}}_3-\frac{P}{P+N}Y)$

$=1+g(3,Y)-g(1,Y),$

                                              等式(32)

以及

$\ln \frac{\mathrm{Pr}(X_{b,2}=0|Y)}{\mathrm{Pr}(X_{b,2}=1|Y)}=\ln \frac{1+g(3,Y)-g(1,Y)}{g(1,Y)-g(3,Y)}$                 等式(33)

通常，对于自然编码，针对X_b，i，1≤i≤log₂v的LLR给出如下：

$\ln \frac{\mathrm{Pr}(X_{b,i}=0|Y)}{\mathrm{Pr}(X_{b,i}=1|Y)}=\ln \frac{1-\underset{j=1}{\overset{2^i-1}{\mathrm{\&Sigma;}}}{(-1)}^{j+1}g(j\&CenterDot;2^{{\log }_{2}v-i},Y)}{\underset{j=1}{\overset{2^i-1}{\mathrm{\&Sigma;}}}{(-1)}^{j+1}g(j\&CenterDot;2^{{\log }_{2}v-i},Y)}$

                                    等式(34)

对于格雷编码，针对X_b，i的LLR给出如下：

$\ln \frac{\mathrm{Pr}(X_{b,i}=0|Y)}{\mathrm{Pr}(X_{b,i}=1|Y)}=\ln \frac{1-\underset{j=1}{\overset{2^i-1}{\mathrm{\&Sigma;}}}{(-1)}^{j+1}g({(2j-1)\&CenterDot;2}^{{\log }_{2}v-i},Y)}{\underset{j=1}{\overset{2^i-1}{\mathrm{\&Sigma;}}}{(-1)}^{j+1}g({(2j-1)\&CenterDot;2}^{{\log }_{2}v-i},Y)}$

                                           等式(35)

图7示出了从不同比特转化方案(即自然编码或格雷编码)和不同LLR计算方法(即硬判决和软判决)得出的密钥率的仿真结果。该仿真中使用的纠错编码是速率为1/2、码字长度为4800比特的二进制不规则LDPC编码。该编码的度分布对是

λ(x)＝0.234029x+0.212425x²+0.146898x⁵+0.102849x⁶+0.303808x¹⁹，

ρ(x)＝0.71875x⁷+0.28125x⁸.

允许置信传播算法的三十次迭代。

在仿真中，选择了量化等级，其实际上固定了针对给定信道编码的密钥率。然后，通过仿真，确定最小SNR，从而WTRU所获取的结果密钥的BER小于10^-4。这给出了SNR和密钥率对。针对其它量化等级来重复该处理。最后，通过绘制该结果(SNR、密钥率)对来获取曲线。应当注意的是，选择10^-4的BER操作点从而其位于译码器性能曲线的最陡梯度处，因此SNR的变化很可能非常小。为比较的目的，图7中还绘制了密钥容量。

从仿真结果中示出，就结果密钥率而言，软判决好于硬判决，并且格雷编码好于自然编码。例如，对于给定SNR＝18dB，密钥容量是5.0比特/采样。从自然编码和硬判决中得到的密钥具有2.0比特/采样的比率。从格雷编码和硬判决中得到的密钥具有2.8比特/采样的比率。从自然编码和软判决中得到的密钥具有2.7比特/采样的比率。而从格雷编码和软判决中得到的密钥的比率具有4.0比特/采样的比率。软判决优于硬判决，因为其更好地使用原始采样Y，而不是估计Xb中的失真形式Yb。格雷编码优于自然编码，因为格雷编码中代表两个相邻量化值的任意两个码字有一个码字不同，而自然编码中代表两个相邻量化值的任意两个码字可以有超过一个比特不同。由于具有相对高的概率，第一和第二WTRU的采样在量化之后落入相邻间隔中，格雷编码将因此提供更多的公共比特。

从图1中观察到，在高SNR(>15dB)，从格雷编码和软判决中得到的密钥率处于密钥容量的1.1比特中。然而，所实现的密钥率和密钥容量之间的差距在低SNR(<12dB)时较大。本发明提供一种用于降低低SNR时的差距，从而总体实现的密钥率总处于该密钥容量的1.1比特中。

众所周知，量化或多或少会发生信息丢失。为了减少由于量化所致的信息丢失，第一WTRU 210在高于密钥产生目的所需的等级的等级对其采样进行量化。例如，设想第一WTRU 210和第二WTRU 230希望以m比特/采样的比率产生密钥。当使用1/2率的LDPC编码时，图2中的密钥产生系统要求第一WTRU在量化等级m比特/采样对其采样进行量化。第一WTRU 210可以在较高等级m+k比特/采样对其采样进行量化，以降低采样丢失。前m个采样比特称为规则采样比特，而后k个采样比特称为超量化比特。

图8是根据本发明的配置为执行超量化的第一WTRUa的框图。第一WTRU 210a包括通道估计器212a、后置处理单元214a(可选的)、量化单元216a、信源编码单元218a、纠错编码单元220a以及PA处理器222a。第一WTRU 210a通过无线通道的CIR测量而获取高斯随机变数X。该随机变量X输入到量化单元216a中，该量化单元216a输出量化值。量化单元216a对该随机变量进行超量化。该量化值由信源编码单元218a编码为比特串或符号串。

所产生的比特串包括规则量化比特和超量化比特。该规则量化比特输入到纠错编码单元220a和PA处理器222a中。该纠错编码单元220a在规则量化比特上执行纠错编码(例如非系统或系统块编码)，并产生校验子(或校验位)。PA处理器222a从该规则量化比特中产生密钥。第一WTRU 210通过无线信道将该规则量化比特和超量化比特的校验子传送到第二WTRU。

高等级量化器不改变在低等级量化的比特。例如，针对零均值单元方差高斯分布的2级和3级等概率量化器的各个分割是

S₁＝(-∞，-0.6745]，S₂＝(-0.6745，0]，S₃＝(0，0.6745]，S₄＝(0.6745，∞)；

和

S1＝(-∞，-1.1503]，S2＝(-1.1503，-0.6745]，S3＝(-0.6745，-0.3186]，S4＝(-0.3186，0)，S5＝(0，0.3186]，S6＝(0.3186，0.6745]，S7＝(0.6745，1.1503]，S8＝(1.1503，∞)

当使用2级量化器并且随后进行自然编码时，X＝0.5的采样转化为比特“10”。当使用3级量化器时，同样的采样转化为比特“100”。“100”的前两个比特与在2级时量化的比特一致。因此，在超量化方案中的规则量化比特实际上与不使用超量化方案所量化的比特相同。

在等概率量化时，超量化比特通过无线通道进行的传送将不会泄露关于密钥的信息，因为在等概率量化中，每个量化比特独立于任何其它比特。因此，超量化比特独立于从规则量化比特中提取出的密钥。另一方面，当相关采样条件时，超量化比特确实包含关于规则量化比特的信息。因此，利用超量化比特的知识，第二WTRU能够得到针对第一WTRU的规则量化比特的较好LLR。

针对第一WTRU的第一个量化比特X_b，1的LLR由等式(25)给出。设想第一WTRU使用2级等概率量化和格雷编码来将其采样Y转化为两个比特(X_b，1、X_b，2)。如果第二个量化比特对于第二WTRU来说是已知的，设X_b，2＝0，那么针对X_b，1的LLR计算如下：

$\mathrm{Pr}(X_{b,1}=0|Y,X_{b,2}=0)=\frac{\mathrm{Pr}(X_{b,1}=0,X_{b,2}=0|Y)}{\mathrm{Pr}(X_{b,2}=0|Y)}=\frac{1-g(1,Y)}{1+g(3,Y)-g(1,Y)},$            等式(36)

以及

$\ln \frac{\mathrm{Pr}(X_{b,1}=0|Y,X_{b,2}=0)}{\mathrm{Pr}(X_{b,1}=1|Y,X_{b,2}=0)}=\ln \frac{\mathrm{Pr}(X_{b,1}=0|Y,X_{b,2}=0)}{1-\mathrm{Pr}(X_{b,1}=0|Y,X_{b,2}=0)}=\frac{1-g(1,Y)}{g(3,Y)}$             等式(37)

类似地，如果X_b，2＝1，那么

$\mathrm{Pr}(X_{b,1}=0|Y,X_{b,2}=1)=\frac{\mathrm{Pr}(X_{b,1}=0,X_{b,2}=1|Y)}{\mathrm{Pr}(X_{b,2}=1|Y)}=\frac{g(1,Y)-g(2,Y)}{g(1,Y)-g(3,Y)},$          等式(38)

以及

$\ln \frac{\mathrm{Pr}(X_{b,1}=0|Y,X_{b,2}=1)}{\mathrm{Pr}(X_{b,1}=1|Y,X_{b,2}=1)}=\frac{g(1,Y)-g(2,Y)}{g(2,Y)-g(3,Y)}$               等式(39)

通常，如果第一WTRU 210a在m+k级比特/采样进行量化，其中前m个比特是规则量化比特，而后k个比特是超量化比特，那么对于1≤i≤m，

$=\frac{\mathrm{Pr}(X_{b,i}=0,X_{b,m+1}=a_{m+1},...,X_{b,m+k}=a_{m+k}|Y)}{\mathrm{Pr}(X_{b,m+1}=a_{m+1},...,X_{b,m+k}=a_{m+k}|Y)}$

$=\frac{\underset{j=1}{\overset{2^{k+1}}{\mathrm{\&Sigma;}}}(g(j-1,Y)-g(j,Y))\&CenterDot;I_{{\left[G^{m+k}(j-1)\right]}_i=0,{\left[G^{m+k}(j-1)\right]}_{m+1}=a_{m+1},...,{\left[G^{m+k}(j-1)\right]}_{m+k}=a_{m+k}}}{\underset{j=1}{\overset{2^{k+1}}{\mathrm{\&Sigma;}}}[g(j-1,Y)-g(j,Y)]\&CenterDot;I_{{\left[G^{m+k}(j-1)\right]}_{m+1}=a_{m+1},...,{\left[G^{m+k}(j-1)\right]}_{m+k}=a_{m+k}}}$         等式(40)

其中a_i∈{0，1}，I是指示函数，[Gⁱ(j)]_k表示长度为i的格雷码字的第k个比特，该格雷码字代表整数j。例如，代表整数7的4比特格雷码字是“0100”。因此，[G⁴(7)]₂＝1并且[G⁴(7)]₃＝0。通过转化，g(0，Y)＝1并且g(2^k+1，Y)＝0。

图9示出了根据本发明的使用超量化方案所实现的密钥率的仿真结果。在此仿真中，使用格雷编码、软判决LLR计算方法和1/2率的不规则LDPC码，并实现了10^-4的目标密钥BER。

为实现1比特/采样的密钥率，从图9中可看到，不使用朝量化方案，最小要求的SNR(实现目标10^-4密钥BER)是9.7dB，并且相应的量化等级是1比特/采样。当第一WTRU 210a在2比特/采样等级进行量化时，其中第一个比特是规则量化比特而第二个比特是超量化比特，仿真示出最小要求的SNR降低到9.1dB。如果第一WTRU在3比特/采样等级和4比特/采样等级进行量化(其中第一个比特是规则量化比特)，那么该最小SNR可进一步降低到8.2dB和8dB。然而，在高于4比特/采样的量化等级几乎观察不到增益(最小SNR<0.1dB)。因此，通过使用超量化方案，要求最小SNR有9.7-8＝1.7dB的总增益。

类似地，为了实现2比特/采样的密钥率，仿真示出，包括两个规则量化比特和两个超量化比特的4比特/采样的量化等级是足够高的，从而能够从超量化方案中实现最大的增益。结果最小SNR从12.3dB(图11中)降低到10.9dB。

在表3中列出了使用超量化方案的总体增益。相应的密钥率绘制在图9中。没有使用超量化方案的密钥率也绘制在同一附图中以供比较。从图中可以看到，从超量化方案中的得到的密钥率总是处于密钥容量的1.1比特中。

表3

 

密钥率(比

无超量化

有超量化

 

特/采样)	量化等级	最小SNR(dB)	量化等级	最小SNR(dB)	最小SNR上的增益(dB)
						1	1	9.7	4	8	1.7
2	2	12.3	4	10.9	1.4
						3	3	14.9	5	14.2	0.7
4	4	18.1	5	17.7	0.4
						5	5	21.4	6	21.3	0.1

从图9中可以看出，超量化方案在高SNR表现并不好。这表示在高SNR中，超量化比特在第二WTRU的解碼中“无用”，这在表4的仿真数据中得到了明显印证。从表4中可以看出，在SNR＝21.3dB，从两个终端量化而来的第6、第7和第8比特的误差概率接近于0.5。这意味着第一WTRU的超量化比特(即第6、第7、第8比特)几乎独立于第二WTRU的采样和第一WTRU的规则量化比特。因此，它们在第二WTRU中译码是是无用的。

表4还示出了在超量化方案中使用的有效量化等级。例如，从表3中可知，为了在SNR＝8dB时实现1比特/采样的密钥率，以4比特/采样等级进行量化已足够好。表4示出了更高等级的量化比特(即第5、第6、第7、第8比特)太“不相关”以至于无法使用。

表4

 

密钥率(比特/采样)	SNR(dB)	p1	p2	p3	p4	p5	p6	p7	p8
										1	8	0.1680	0.2649	0.4143	0.4721	0.4908	0.4976	0.4978	0.5001
2	10.9	0.1236	0.1975	0.3432	0.4513	0.4807	0.4903	0.4976	0.5018
										3	14.2	0.0888	0.1368	0.2526	0.4041	0.4662	0.4846	0.4945	0.4956
4	17.7	0.058	0.092	0.168	0.317	0.438	0.476	0.488	0.493

 

		0	7	4	5	8	7	2	6
										5	21.3	0.0388	0.0618	0.1122	0.2223	0.3768	0.4576	0.4813	0.4907

在表4中，粗体数字意味着相应的比特是规则量化比特，而斜体数字意味着相应的比特是“有用的”超量化比特。

在超量化方案中，规则量化比特确定采样位于哪个分割，而超量化比特标明该分割中采样的范围。从另一个角度来看，超量化比特实际上包含关于量化误差(的范围)(即采样和其对应量子之间的差别)的部分信息。

参考图8，第一WTRU可以向第二WTRU发送其采样的未编码量化误差，而不是发送超量化比特。该未编码量化误差的传送等同于无限量超量化比特的传送。发送未编码量化误差的方案公知为软误差转发方案。因此，超量化方案也称为硬误差转发方案。通过使用软误差转发方案所实现的密钥率是使用具有任意数量超量化比特的硬误差转发方案所实现的密钥率的极限。这里忽略了与软误差转发方案的数字实现相关的量化丢失。因此，实际的量化误差假设为进行无误差传送。

需要说明使用软误差转发方案的两个实际问题。第一个问题有关于量化误差和密钥的独立性。要求量化误差的传送不应当遗漏关于密钥的信息。然而，这种要求在量化高斯随机变量时无法达到。例如，针对零均值单元方差高斯分布的1级等概率量化器的分割和量子是

S₁＝(-∞，0]，S₂＝(0，∞)，

和

q₁＝-0.6745，q₂＝0.6745

针对采样X＝2的量化误差是X-q(X)＝2-0.6745＝1.3255。该量化误差标明X必须在分割S₂中，因为不然的话，量化误差将不大于0.6745。

在均匀随机变量的等概率量化中，量化误差是均匀的并且独立于分割的。因此，期望在均匀环境中计算并传送量化误差。这涉及从高斯随机变量至均匀随机变量的一一映像。令X是具有累积分布函数(CDF)F_X(x)的随机变数，那么Y＝F_X(X)是具有CDF的随机变量：

$F_Y\left(y\right)=\mathrm{Pr}(Y<y)=\mathrm{Pr}(F_X\left(X\right)<y)=\mathrm{Pr}(X<F_X^{-1}\left(y\right))=F_X\left(F_X^{-1}\left(y\right)\right)=y$          等式(41)

这是在[0，1]上均匀分布的CDF。换言之，Y是在[0，1]上均匀分布的随机变量，表示为针对零均值单元方差高斯分布的CDF。

$\mathrm{\&phi;}\left(x\right)\&equiv;{\&Integral;}_{-\&infin;}^x\frac{1}{\sqrt{2\mathrm{\&pi;}}}{e}^{-\frac{t^2}{2}}\mathrm{dt}=1-Q\left(x\right)$          等式(42)

然后，如果X是高斯随机变量，那么φ(X)是均匀随机变数。

第一WTRU 210a可以发送变换的量化误差E＝φ(X)-φ(q(X))，而不是发送原始量化误差X-q(X)。这种误差独立于分割q(X)，并且在

上均匀分布，其中v是分割数量。因此，该量化误差的传送不会遗漏关于规则量化比特的信息(并且因此不会遗漏密钥)。

使用软误差转发方案的第二个实际问题发生在LLR计算中。在超量化方案中，超量化比特标明给定分割中采样的范围。该范围包含无限数量的采样值，并且采样位于该范围的概率为正。而在软误差转发方案中，未编码量化误差的传送已经将可能采样值的数量限制为有限(具体来说，等于分割的数量)。采样具有这些可能的采样值其中之一的总体概率为零，因为该采样是连续的。

用概率密度来替代概率。返回参考图8，例如，如果第一WTRU 230a通过使用1级等概率量化而将其采样X量化为单个比特X_b，1，那么

$E=\mathrm{\&phi;}\left(\frac{X}{\sqrt{P+N}}\right)-\mathrm{\&phi;}\left(q\left(X\right)\right)$               等式(43)

其中

$q\left(X\right)=\left\{\begin{array}{cc}-0.6745,& X\&le;0\\ 0.6745,& X>0\end{array}\right.$               等式(44)

并且

$\mathrm{\&phi;}\left(q\left(X\right)\right)=\left\{\begin{array}{cc}0.25,& X\&le;0\\ 0.75,& X>0\end{array}\right.$               等式(45)

针对X_b，1的LLR给出如下：

$\ln \frac{\mathrm{Pr}(X_{b,1}=0|Y,E=e)}{\mathrm{Pr}(X_{b,1}=1|Y,E=e)}=\ln \frac{\mathrm{Pr}(X_{b,1}=0,E=e|Y)}{\mathrm{Pr}(X_{b,1}=1,E=e|Y)}=\ln \frac{\mathrm{Pr}(X=\sqrt{P+N}\&CenterDot;{\mathrm{\&phi;}}^{-1}(e+0.25)|Y)}{\mathrm{Pr}(X=\sqrt{P+N}\&CenterDot;{\mathrm{\&phi;}}^{-1}(e+0.75)|Y)}$

$=\ln \frac{\mathrm{Pr}(Z_0=\sqrt{P+N}\&CenterDot;{\mathrm{\&phi;}}^{-1}(e+0.25)-\frac{P}{P+N}Y)}{\mathrm{Pr}(Z_0=\sqrt{P+N}\&CenterDot;{\mathrm{\&phi;}}^{-1}(e+0.75)-\frac{P}{P+N}Y)}$

                                      等式(46)

由于Z₀是连续随机变量，因此等式(46)的分子或分母中的概率为0。然而，用概率密度来替代概率：

$\ln \frac{\mathrm{Pr}(X_{b,1}=0|Y,E=e)}{\mathrm{Pr}(X_{b,1}=1|Y,E=e)}=\ln \frac{e^{-\frac{{(\sqrt{P+N}\&CenterDot;{\mathrm{\&phi;}}^{-1}(e+0.25)-\frac{P}{P+N}Y)}^2}{2(2\mathrm{PN}+N^2)/(P+N)}}}{e^{-\frac{{(\sqrt{P+N}\&CenterDot;{\mathrm{\&phi;}}^{-1}(e+0.75)-\frac{P}{P+N}Y)}^2}{2(2\mathrm{PN}+N^2)/(P+N)}}}=\frac{h(e,\mathrm{2,2},Y)-h(e,\mathrm{1,2},Y)}{2(2\mathrm{PN}+N^2)/(P+N)},$

                                                  等式(47)

其中

$h(e,j,v,Y)={(\sqrt{P+N}\&CenterDot;{\mathrm{\&phi;}}^{-1}(e+\frac{2j-1}{2v})-\frac{P}{P+N}Y)}^2$

                                                等式(48)

其中v是分割数量，并且1≤j≤v。

通常，针对X_b，i，1≤i≤log₂v的LLR给出如下：

$\ln \frac{\mathrm{Pr}(X_{b,i}=0|Y,E=e)}{\mathrm{Pr}(X_{b,i}=1|Y,E=e)}=\frac{\underset{j=1}{\overset{v}{\mathrm{\&Sigma;}}}h(e,j,v,Y)\&CenterDot;I_{{\left[G^{{\log }_{2}v}(j-1)\right]}_i=1}-\underset{j=1}{\overset{v}{\mathrm{\&Sigma;}}}h(e,j,v,Y)\&CenterDot;I_{{\left[G^{{\log }_{2}v}(j-1)\right]}_i=0}}{2(2\mathrm{PN}+N^2)/(P+N)}$

                                                   等式(49)

其中I是指示函数并且[Gⁱ(j)]_k定义如等式(40)。

图10示出了根据本发明的使用软误差转发方案所实现的密钥率的仿真结果。在仿真中使用格雷编码和软判决LLR计算方法，并且如前一样使用LDPC编码。在图10中将使用软误差转发方案实现的密钥率绘制为虚线。在图10中还绘制了使用硬误差转发方案和没有使用误差转发方案所实现的密钥率以供比较。从软误差转发方案中得到的密钥率大于从硬误差转发方案中得到的密钥率。可以将从软误差转发方案中得到的密钥率看作是从硬误差转发方案中得到的密钥率的上限。

在图2的密钥产生系统中，将第一WTRU的所有量化比特混合以形成单个比特串X_b。然而，表4示出了X_b中的每个量化比特对应的不同误差概率。因此，根据本发明的另一个实施方式，每个量化比特可以针对更高的安全比特比率而分别处理。该方法称为每比特处理方案。

图11是根据本发明的配置为执行每比特处理的第一WTRU 210b的框图。第一WTRU210b包括通道估计器212b、后置处理单元214b(可选的)、量化单元216b、信源编码单元218b、多个纠错编码单元220b1-220bm、多个PA处理器222b1-222bm以及混合器224。第一WTRU 210b通过无线通道的CIR测量而获取高斯随机变数X。该随机变量X输入到量化单元216b中，该量化单元216b输出量化值。该量化值由信源编码单元218b编码为比特串。

设想第一WTRU 210b在m比特/采样等级对采样进行量化。这m个采样比特由块长度相同但比率不同的m个块纠错编码进行信道编码。这导致了不同长度的m个每比特校验子P₁…P_m。这m个编码比特由每个PA处理器222b1-222bm分别进行处理。PA处理器222b1-222bm中的通用hash函数具有相同的域，但具有不同的长度。通用hash函数的范围对于较高等级采样比特来说较小。PA处理器222b1-222bm的输出由混合器224结合到单个密钥中。

图12是根据本发明的配置的执行每比特处理的第二WTRU 230b的框图。该第二WTRU 230b包括通道估计器232b、后置处理单元234b(可选的)、多个译码单元236b1-236bm、多个PA处理器238b1-238bm以及混合器240。该第二WTRU 230b通过第一WTRU 210b和第二WTRU 230b之间的无线通道的CIR测量而获取高斯随机变数Y。从第一WTRU 210b接收到的每个每比特校验位(或校验子)输入到相应的译码单元236b1-236bm中，每个译码单元236b1-236bm从接收到的校验子(或校验位)和随机变量Y中译码第一WTRU 210b的信源编码比特。第一译码单元236b1基于(Y，P₁)对进行译码。然后第二译码单元236b2基于

对

进行译码。

的知识帮助第一译码单元为获取更好的LLR。

每个解碼比特输入到相应的PA处理器238b1-238bm中。最后，第二WTRU 230b以与第一WTRU 210b相同的方式从

中提取密钥。PA处理器238b1-238bm和混合器240与在第一WTRU 210b中一样执行相同处理。PA处理器238b1-238bm的输出由混合器240结合到单个密钥中。

图13是根据本发明的配置的执行每比特处理的第二WTRU 230b的备选实施方式的框图。在该备选中，源比特以与图12中相反的顺序进行译码。第m个PA译码单元236bm基于(Y，P_m)对

进行译码，这是由第m个PA处理器238m来处理的。倒数第二个译码单元236b(m-1)基于

对

进行译码，这是由PA处理器238b(m-1)来处理的，等等。

图14和图15示出了用于比较利用每比特处理方案所实现的密钥率的性能的仿真结果。在仿真中使用格雷编码和软判决LLR计算方法。除了1/2率的不规则LDPC编码之外，使用15/16率的规则(3，48)LDPC编码、7/8率的规则(3，24)LDPC编码、3/4率的规则(3，12)LDPC编码、5/8率的规则(3，8)LDPC编码以及1/4率的规则(3，4)LDPC编码。所有这些编码的块长度都是4800比特，并且允许置信传播算法的三十次迭代。

基于该仿真结果，确定第二每比特处理方案在所得结果密钥率方面优于第一每比特处理方案。通过比较图9和图15，第二每比特处理方案在低SNR时优于超量化方案。这是因为第二每比特处理方案实际上实现了超量化比特隐含传送的思路，即传送超量化比特的校验子。因此，可以从超量化比特中提取额外的安全比特。因此，提高了密钥率。

图7中针对密钥率示出的每条曲线通过绘制若干(SNR、密钥率)个点而获得。仿真在曲线上示出了那些(SNR、密钥率)点的可实现性，而不是曲线上的其它点。在密钥率曲线上获取任意点的直接方法是使用针对该点的唯一信道编码。该信道编码的速率尤其为给定的SNR设计。具体来说，编码速率的确定在于使校验子具有最小长度，而其仍然能够进行正确译码。

该方法要求第一WTRU和第二WTRU存储无限数量的信道编码，每个信道编码针对特定的SNR工作。然而，这在实际中是不可行的。本发明引入多个信道编码的简单实现。利用该实现，第一WTRU和第二WTRU仅需要存储单个(或较少数量)低速率LDPC编码。

根据依照上述实施方式的密钥生成系统，第一WTRU将其量化比特的校验子发送到第二WTRU。在很多情况中，第二WTRU可以基于该校验子的子集来正确地对第一WTRU的量化比特进行译码。而且，整个校验子的传送可以降低密钥率，因为显示了多于所需的信息比特。因此，第一WTRU可以传送该校验位(或校验子)的击穿(punctured)形式，并告知第二WTRU校验子(或校验位)上的击穿位置。设LDPC码是随机的，那么该击穿位置通常是均匀分布的。

实际上，校验位的击穿等同于从原始LDPC码中推导出较高速率的LDPC码。通过简单地从原始LDPC码的校验检查矩阵中选择若干行而形成新LDPC码的校验检查矩阵。行选择取决于校验子上的击穿位置。一般地，击穿方案是一种使用速率匹配和可变编码速率来容纳不同级别可变性的情况。

第二WTRU在译码时使用推导出的LDPC编码。如果该解碼失败，那么第二WTRU要求WTRU发送更多校验子比特。通过该方法，传送的校验子比特不超过所需的校验子比特。

由于在第一WTRU和第二WTRU处使用不同的噪声比例和不同的CIR测量设备，所以第一WTRU处的实际SNR很可能不同于第二WTRU处的SNR(即 ${\mathrm{SNR}}_A=\frac{P}{N_A}$ 很可能不同于 ${\mathrm{SNR}}_B=\frac{P}{N_B}$ )。在此一般的情况中，等式(13)中的密钥容量可以写为SNR_A和SNR_B的函数，如下：

$C_S={\log }_2(1+\frac{{\mathrm{SNR}}_A{\mathrm{SNR}}_B}{{\mathrm{SNR}}_A+{\mathrm{SNR}}_B+1})$               等式(50)

在图6中示出了密钥容量Cs相对于SNR_A和SNR_B的图示。

随着对同样的SNR情形使用相同技术，安全钥匙能为这一般情形产生。图17-19示出了那完成的密钥率和SNR_B的比较，分别基于固定的SNRA＝20dB、25dB、30dB。使用软转发误差方案完成的密钥率被表示为如图17-19中的虚线。在每个图中可观察到的是完成的密钥率和密钥容量之间有大约1dB的差别。这些仿真所产生证实了为同样的SNR情形所开发的方案能直接地适用于一般的情形，而没有性能损失。

本发明针对如下的多入多出(MIMO)进行扩展。对于标量情况来说通常的方法是相同的，但利用针对联合高斯向量的向量量化来替代标量量化则不同。第一WTRU具有天线T_A并且第二WTRU具有天线T_B。第一WTRU和第二WTRU二者均估计T＝T_AxT_B的总CIR。第一WTRU的估计的向量是h_A并且第二WTRU的估计的向量是h_B。这些向量中的每一个都包含相关值并且这两个是高度相关的。该等式是

h_A＝M_Ah+z_A；             等式(51)

h_B＝M_Bh+z_B，            等式(52)

其中M_A，M_B是适当大小的矩阵，z_A，z_B是噪声向量，h是“真值”CIR向量，通过与每个发射机和接收机结构相关的公知矩阵在每个终端对该“真值”CIR向量修改。

MIMO情况被以与非MIMO情况相同的但具有下列细微改动的方式来处理：

1)如果噪声向量不是白色的(但是是公知的协方差)，那么在第一WTRU和第二WTRU可能需要噪声白化滤波器。

2)关于噪声白化滤波器和矩阵M_A和M_B的信息毫无障碍地在第一WTRU和第二WTRU之间交换。

3)使用针对联合高斯向量的向量量化替代标量量化。

第一WTRU和第二WTRU将MIMO分离成多个具有虚拟单天线无干扰子信道的本征模式。然后，第一WTRU和第二WTRU可以通过应用本发明中描述的任何方法而从至少一个本征模式中产生密钥。

回头参考图2，对于后置处理单元214、234来说，采样CIR可以由后置处理器214、234来处理，以消除第一WTRU 210和第二WTRU 230之间的采样时间差所引起的噪声并移除CIR采样中的冗余。采样CIR包括高度相关的采样。为了产生完整的熵串，有必要移除采样之间的相关性。如背景技术中所述，对于多路径信道，仅简单地从所有采样中选择若干个采样(每条路径一个采样)是不可行的，因为那些选择的采样将彼此相关。另一个实际问题涉及两个终端之间的采样时间差。仅提高采样率的缺点在于产生高冗余的采样。本发明优选地通过使用正交greedy算法(OGA)来解决这些问题，其中该正交greedy算法用于从采样CIR中重构互易无线通道的离散脉冲a(t)。

下面描述详细的OGA操作。令H(f)和P(f)分别表示采样CIR h[n]和采样脉冲形状p[n]＝p(nT_S)的傅立叶变换。令THR表示预定阈值。设H₁(f)＝H(f)，并且l＝1。

步骤1：找出m>0，φ∈[0，2π)以及τ∈R，最小化了‖H_l(f)-me^jφP(f)e^-j2πfτ‖₂。由m_l，φ_l，τ_l来表示这些，并且令α_l＝m_le^jφl。

步骤2：设 $H_{l+1}\left(f\right)=H_l\left(f\right)-{\mathrm{\&alpha;}}_l{e}^{-2\mathrm{\&pi;f}{\mathrm{\&tau;}}_l}.$

步骤3：如果‖H_l+1(f)‖₂<THR，那么输出(α₁，τ₁)，...，(α_l，τ_l)并停止。否则，令l＝l+1并返回步骤1。

从步骤1可推导出：

$({\mathrm{\&phi;}}_l,{\mathrm{\&tau;}}_l)=\underset{(\mathrm{\&phi;},\mathrm{\&tau;})}{\arg \max \mathrm{Re}}\left\{e^{\mathrm{j\&phi;}}\underset{n=-\&infin;}{\overset{\&infin;}{\mathrm{\&Sigma;}}}{h}_l\left[n\right]p_{\mathrm{\&tau;}}^{*}\left[n\right]\right\}$              等式(53)

和

$m_l=\frac{\mathrm{Re}\left\{e^{{\mathrm{j\&phi;}}_l}\underset{n=-\&infin;}{\overset{\&infin;}{\mathrm{\&Sigma;}}}{h}_l\left[n\right]p_{{\mathrm{\&tau;}}_l}^{*}\left[n\right]\right\}}{{\left|\right|P\left(f\right)\left|\right|}_2^2}$                    等式(54)

其中p_τ[n]＝p(nT_S-τ)并且h_l[n]是H_l(f)的傅立叶反变换。等式(53)和(54)表示出与p(t)的所有延迟的和采样的形式相对的第一个相关h_l[n]。最优选的τ_l是相关性的绝对值最大时候的延迟；最优选的φ_l是在τ_l处相关性角度的负值；最优选的m_l是在τ_l处的相关的绝对值除以P(f)的l²归一化的平方。

在实践中，不可能针对所有τ值进行相关。如果(τ₁-τ₂)是整数，那么

和

互为延迟形式。如果时间线被离散化，从而时间坐标方格的间隔是那么对于某些整数T_G，实现有限组滤波器，每个滤波器表示针对不同微量延迟τ∈[0，1)的p_τ[n]。因此，字典实际上是脉冲形状组，每个延迟了该字典可能不满足OGA解决最少问题所要求的限制，并且OGA给出的该最少解决方案可能不总是正确的。这可以从仿真中看出。

可替换地，OGA的备选停止规则可基于所选信号的绝对值，而不是基于低于某阈值的残余信号的l²归一化。换言之，如果所选信号的绝对值低于预定阈值，那么将该“信号”看作是噪声并且该算法停止。因此，OGA的最后步骤由下列等式来替代：

步骤3(备选)：如果m_l<THR，那么输出(α₁，τ₁)，...，(α_l-1，τ_l-1)并停止，否则令l＝l+1并返回步骤1。

尽管可以应用其它停止规则，但为了简化起见，本发明在下文中将仅考虑该备选停止规则。

OGA循环何时停止取决于阈值。大的阈值对应于较少的迭代(因此，较少的脉冲或路径)，而小的阈值对应于很多迭代(因此，很多脉冲或路径)。对于OGA来说，合适的阈值对于检测基本路径的正确数量是至关重要的。

找到好的阈值并不容易，因为合适的值通常随SNR和采样率二值而提高。如果该阈值是恒量，那么OGA所检测的路径数量随SNR和采样率提高。这在针对3GPP WG4情况3通道的图20中示出。图10中的过采样率代表给定传送带宽的奈奎斯特(Nyquist)率之上的实际采样率的比率。在图20中示出，在过采样率＝2时，OGA所检测到的平均路径数量在SNR＝15dB时大约为2，该数量在SNR＝30dB时上升到5。

可替换地，可以将阈值捆绑至信号自身。例如，可以将阈值设置为第一所选信号的绝对值的一部分。例如，可以将阈值设置为第一所选信号的绝对值的0.8+SNR(dB)/10。这有两个重要的好处。其在真实情形下更为鲁棒，因为其显著地更少依赖于知道实际的通道条件。此外，其确保OGA总是输出至少一个值。

OGA的第三步骤定义如下：

步骤3(备选)；如果 $m_l<\frac{m_1}{0.8+\frac{\mathrm{SNR}}{10}},$ 并且l>1，那么输出(α₁，τ₁)，...，(α_l-1，τ_l-1)并停止；否则令l＝l+1并返回步骤1。

尽管可以使用其它方法来计算阈值或使用其它阈值，但仿真示出，当SNR在10dB和35dB之间时，利用该相对阈值，OGA所检测的路径的平均数量相对于SNR和采样率几乎不变。而且，该平均数量接近于针对大多数WG4信道的路径的基本数量。例如，图21和图22分别示出了就WG4情况1和WG4情况3的通道而言OGA利用相对阈值所检测的各个平均路径的数量。从图21和图22中可以看到，所检测的路径的平均数量对于WG4情况1和WG4情况4来说分别大约为1.8和2.5(相较于2个和4个基本路径)。在后文中，所有的仿真中都使用相对阈值。

OGA的目的是在第一WTRU和第二WTRU找到相同路径。应当注意的是，仅以OGA作为示例，任何用于检测多路径分量的传统方法都可以针对该目的而实施。因此，在两个终端测试独立OGA应用的误差率。对第一WTRU和第二WTRU所检测到的路径延迟的两个列表进行比较。对于较短列表中的路径延迟，当与较长列表相比时，如果在容许误差度内没有相应的值，则报错。很多测量容许度的形式可供使用，而在此情况中，信道传送符号时间周期的20％(例如CDMA中的码片时间周期)用于容许度。图23示出了就WG4情况3通道而言在两个终端处独立OGA应用的误差率。从图23中可以看出，误差率在低SNR时高，但是随SNR降低。该误差影响下述一些方案的性能。

通过独立地将OGA应用到其通道观察上，每个终端能够获得路径延迟τ_l和路径振幅α_l的配对的序列。该路径振幅是独立的复数高斯随机变量，因此这用于随后的密钥构建。路径延迟作为补充信息使得第一WTRU和第二WTRU能够调准它们的测量。

尽管这些路径振幅的均值已知为0(因为每个单路径经历瑞利衰落)，但这些路径振幅的方差是未知的。在采样期间，这些路径振幅的方差的有关知识有助于量化处理。该知识可以通过估计来获得。方差的估计应当针对每个路径来执行，因为不同的平均路径功率导致不同的路径方差。

根据上述方案，OGA在第一WTRU 210和第二WTRU 220上应用一次。因此，该方案称为单途径方案。

就每次通道观察而言并不是所有的基本路径都能够利用OGA来检测，并且那些未检测路径中包含的信息的丢失以及两个终端的独立OGA应用的误差率导致单途径方案的不良性能。

可替换地，OGA可以应用两次，一次作为路径搜索器的一部分，另一次作为独立的采样发生器。可以使用寻找路径位置的备选手段(例如作为CDMA系统中的路径搜索器)。图24是根据本发明的第一WTRU 210的后置处理器214和第二WTRU 230的后置处理器234的框图。后置处理器214包括第一OGA单元302、路径延迟估计器304、第二OGA单元306以及多个归一化单元308。后置处理器234包括第一OGA单元312、第二OGA单元316以及多个归一化单元318.

第一OGA单元302、312是路径搜索器的一部分，而第二OGA单元306、316工作为独立的采样发生器。利用采样CIR作为输入信号，第一OGA单元302/312执行基本的OGA操作。然而，第一OGA单元302/312的输出仅是路径延迟，而不是路径延迟和路径振幅的配对。并不确保从每次通道观察中检测到的路径延迟是一致的，尽管它们被设想为在基本路径延迟附近。

第二WTRU 230的第一OGA单元312将其所有检测到的路径延迟传送到第一WTRU210的第一OGA单元302，以估计该信道的基本路径延迟。路径延迟估计器304确定第一WTRU 210和第二WTRU 230之间的采样时间差(步骤1)，丢弃从两个终端处的独立OGA应用得到的不成对的路径延迟(步骤2)，并且估计针对第一WTRU 210和第二WTRU 230的基本路径延迟(步骤3)。

在步骤1，时间线被划分为若干小分段，并且路径延迟估计器304对每个分段中检测到的第一WTRU 210和第二WTRU 230的路径延迟分别进行计数。通过比较每个时间分段单元中各检测到的路径延迟的分布来确定第一WTRU 210和第二WTRU 230之间的采样时间差。

例如，采样时间差可以设置为包含最大数量的检测到的路径延迟的、第一WTRU210和第二WTRU 230的两个时间分段之间的差异。可替换地，其可设置为包含超过特定数量的检测到的路径延迟的、第一WTRU 210和第二WTRU 230的两个第一时间分段之间的差异。然后，根据估计的采样时间差来调节第二WTRU 230的所有路径延迟。图25示出了就SNR＝20dB的WG4情况3通道而言所检测到的路径延迟的归一化频率的柱状图。该图标基于1000个信道观察。

在步骤2，路径延迟估计器304比较第一WTRU 210和第二WTRU 230检测到的路径延迟的两个列表。对于较短列表中的路径延迟，如果在较长列表中信道传送符号时间周期的20％的容许度内具有相应的值，那么这对路径延迟可假设为同一路径。丢弃所有“不成对”的路径延迟。给定步骤1中的路径延迟，如图25所示的柱状图，在图26中示出了步骤2之后的剩余路径延迟的归一化频率的柱状图。可以看到，图26中的曲线比图25中的曲线更平滑。

在步骤3中，路径延迟估计器304将针对第一WTRU 210的基本路径延迟设置为这样一些时间分段的开始，该时间分段包含“局部”最大数量的路径延迟，并且该数量在特定阈值之上。阈值可选择为剩余路径延迟总数量的0.01。如果一个时间段的在前和在后的4个相邻分段包含的路径延迟计数小于该分段，则可以说该时间段包含局部最大数量的路径延迟。例如，利用上述的阈值，具有图26中所示分布的估计路径延迟大约为(7.125、8.125、9.125、10.25)码片时间周期。路径延迟估计器304将针对第二WTRU 230的基本路径延迟设置为针对第一WTRU 210的估计路径延迟加上它们的采样时间差。

根据上述方法的路径标识可用于接收机中的路径检测，例如CDMA系统中的耙式接收机，或用于为均衡器设定抽头(tap)。

仿真示出第一OGA单元和路径延迟估计器(利用选定的阈值)对于大多数3GPPWG4通道而言工作相当良好。表5示出了针对3GPP WG4信道的检测到路径的数量。从表5中可以看出，找出了针对3GPP WG4情况1/2/3信道的所有基本路径针对ITU PB3和ITU VA 30信道的大多数基本路径。

表5

 

信道模型	WG4情况1	WG4情况2	WG4情况3	ITU PA3	ITUPB3	ITU VA30
							检测到路径的数量	2	3	4	1(SNR<22dB)2(SNR≥22dB)	5	4(SNR<22dB)5(SNR≥22dB)
基本路径的数量	2	3	4	4	6	6

上述的路径搜索器可以以不同方式来实现(例如，通过使用从耙式接收机或均衡器中获得的抽头信息)。

路径延迟估计器304向第二WTRU 230发送针对WTRU 230的基本路径延迟。以基本路径延迟和采样CIR作为输入的第二OGA单元306、316执行OGA操作。第二OGA单元306、316就给定的路径延迟τ_l而根据等式(53)和(54)来确定其相应的路径振幅 ${\mathrm{\&alpha;}}_l=m_l{e}^{{\mathrm{j\&phi;}}_l}$ (步骤1)，设置 $H_{l+1}\left(f\right)=H_l\left(f\right)-{\mathrm{\&alpha;}}_l{e}^{-2\mathrm{\&pi;f}{\mathrm{\&tau;}}_l}$ (步骤2)，就整个给定的路径延迟(τ₁，...，τ_L)而重复，并输出(α₁，...，α_L)(步骤3)。

在此情况中，迭代次数固定为估计基本路径的数量，因此，不需要停止阈值。第二OGA单元306、316的输出(即路径振幅)是独立的高斯随机变量，其通过归一化单元308、318并基于他们的估计方差而被归一化为单位方差。

在第一WTUR 210和第二WTRU 230之间交换路径延迟的目的是通过丢弃不成对的路径延迟而降低来自OGA的独立应用的误差。不成对的路径延迟很可能是错误的路径延迟。通过去除不成对的路径延迟，真正的路径延迟变得很清晰。例如，图26中的四个峰值(表示WG4情况3信道中的4个路径)比图5中的更明显。此外，通过去除不成对的路径延迟，需要较少的通道观察来正确地估计基本路径延迟。

图27是根据本发明备选实施方式的第一WTRU 210的后置处理器214’和第二WTRU230的后置处理器234’的框图。后置处理器214’包括第一OGA单元302’、路径延迟估计器304’、第二OGA单元306’以及多个归一化单元308’。后置处理器234’包括第一OGA单元312’、路径延迟估计器314’、第二OGA单元316’以及多个归一化单元318’。在该备选中，第一WTRU 210和第二WTRU 230分别估计基本路径延迟而不进行相互间的通信。第一OGA单元302’、312’和第二OGA单元306’、316’如以前一样执行相同操作，而路径延迟估计器304’、314’得到了简化。在该实现中不需要路径延迟估计器304所执行的前两个步骤，而仅执行第三个步骤。阈值可以选择为检测到的路径延迟的总数量的0.016。

表6示出了图5中估计给定数量路径的两个实现需要的通道观察的最小数量。正确估计路径延迟的第二种实现所要求的最小通道估计数量大于针对第一种实现的估计数量。

表6

 

通道估计	WG4情况1	WG4情况2	WG4情况3	ITUPA3	ITU PB3	ITUVA30
							检测到路径的数量，参考表1	2	3	4	1	5	4
针对第一实现的通道观察的数量	158	3	222	1300	42	790
							针对第一实现的通道观察的数量	219	26	273	多于3000	49	830

上述的路径搜索器可以以不同方式来实现(例如，通过使用从耙式接收机或均衡器中获得的抽头信息)。

在单途径或双途径应用之后，第一WTRU 210和第二WTRU 230获取归一化高斯随机变量的若干序列，每个估计路径一个序列。这些序列可连接成一个序列并且如上文所述产生密钥。根据该方案，来自多个路径的高斯随机变量在产生密钥之前进行混合。因此，该方案称为混合处理。具体来说，通过混合处理，来自不同路径的所有归一化高斯随机变量被量化为同一水平(即每个采样具有相同数量的比特)，并且量化水平由针对参考路径的SNR来确定。

由于多路径衰落信道的平均路径功率中的差异，每个路径对应于各自的SNR，其很可能不同于针对参考路径的SNR。因此，来自一个路径的两个终端的相应高斯序列之间的相关性可以不用于针对另一路径的相关性。因此，针对每个路径在高斯序列上的分别处理可以产生较高的密钥率，因为来自不同路径的高斯随机变量利用不同的量化水平或步长大小来采样，因此针对路径的采样信号水平有赖于针对该路径的实际SNR，而不是依赖于针对参考路径的SNR。通常，来自于高SNR相对应的路径的高斯随机变量被采样以产生比低SNR路径更高的每采样比特。针对每个路径的SNR可以被估计，因为该SNR与平均路径振幅的平方成比例。

在将高斯随机变量量化为每路径比特串之后，第一WTRU 210可以发送这些每路径比特串的校验子(根据一个或多个给定的LDPC码)至第二WTRU 230。然后，第二WTRU 230对第一WTRU 210的所有每路径比特串进行译码。两个WTRU 210、230从第一WTRU 210的每路径比特串中提取密钥。这种方案针对每个路径进行分别处理的操作，因此其称为每路径处理。注意的是，该每路径处理不同于上述的每比特处理。每比特处理意味着分别处理来自单个路径的每个量化比特。

可替换地，在每路径量化之后，第一WTRU 210可以将所有结果比特串连接成一个比特串，发送所得到的单个比特串的校验子至第二WTRU，并从中提取密钥。然后，第二WTRU 230利用接收到的检验子对该比特串的等同表示进行译码，并以相同的模式从中提取密钥。该备选称为混合处理。

尽管该混合处理的实现是直接的，但作为每路径处理方案的一部分的分别处理的操作带来了需要解决的系统级别的问题。该中心问题是，针对每个找到的路径，有若干个生成的校验子比特流。这些比特仍然通过同一空中接口来发送，并且接收方则需要来标识哪些比特属于那个路径。此外，每个处理在不同的时间完成，这引入丢失两个WTRU 210、230之间的同步的潜在问题。

标识哪个校验子属于哪个路径可以通过对承载这些比特的分组进行标签化而执行。分组包括分组报头，其中该报头具有的信息用于标识该分组与哪个路径相关。如果WTRU 210、230检测到相同数量的路径(这是由双途径方案的第一种实现来确保的)，那么在分组报头中包括的路径索引就足够来标识路径。

当不能确保WTRU 210、230标识完全相同数量的路径时，可以利用相对于最早路径、最大振幅路径或标识路径的所有路经或其子集的相对路径延迟来标识这些路径。该方法仍然没有揭示路径的位置。此位置信息包含一些保密内容，尽管与从路径振幅中获得的比率相比安全率显著较低(几乎可以忽略不计)。然而，在特定应用中，值得将其保存起来。编码的备选方法可以使用针对每个路径的固定最大数据结构，因此编码暗含于信息保持的位置。这在数据传送中引入了冗余，但不揭示任何信息。

除了OGA之外，去除随机变量的采样之间的相关性的备选方法是使用CIR采样的差分编码。

除了OGA之外，去除随机变量的采样之间的相关性的方法之一是压缩。对相关的采样进行压缩有助于减少这些采样中的冗余。然而，压缩在密钥产生中并不切实可行。传统的压缩算法通常从给定采样中提取消息，并以压缩格式对他们进行描述。因此，压缩描述有赖于消息，并且两个相似但不是一致消息的压缩描述很可能是不同形式。

在密钥产生中，第一WTRU的观察的压缩描述很可能由于这些观察中的细微差异而完全不同于针对第二WTRU的观察的压缩描述。例如，考虑BER＝0.1的相同长度的两个相似比特串。假设这两个比特串是从同一通道中的各个观察中推倒出来的。因此，在这些串中有很多冗余。如果通过传统的压缩算法(如Burrows和Wheeler(BWT))来压缩这两个串，那么这两个被压缩串的BER将有0.5之大。而且，两个被压缩串很可能具有不同的长度。因此，对各个通道观察进行压缩对随后的密钥产生形成挑战。

通过压缩来去除相关性的第二次机会在两个WTRU 210、230在同一冗余串上达成一致之后。然而，两个WTRU 210、230在该冗余串上达成一致的处理可以涉及太多被揭示的“相关性比特”。这将动态地降低所实现的密钥率。甚至，不能产生密钥也是可能的。

时域中的延迟等同于频域中的相移。从数学上来讲，h(t-τ)的傅立叶变换是H(f)e^-j2πfτ。代替了对时域中的采样时间差的估计，每个WTRU 210、230对其观察到的频域中信号的相移进行估计。该信号的相移可以通过线性回归来估算。线性回归是将通过一系列点的最佳可能的直线拟合的处理。其经常用于减少一组标定(calibration)点以简化数学关系。

通过仿真来检查线性回归方法估计采样时间差的误差率。如果估计的采样时间差与基本采样时间差相比超过其信道传送符号时间段的20％，则报错。图28示出了针对ITU PB3通道的估计误差率。该误差率很高，因为该估计是针对每个通道观察而进行的。仿真示出，当对来自多个通道观察的不同时间偏移求平均时，总估计误差率就会显著降低(例如在SNR＝15dB时低于0.01)。在此仿真中，采样率是奈奎斯特(Nyquist)率的两倍，并且基本采样时间差被设定为码片时间段的20％。

图29-37示出了就WG4通道而言从不同OGA应用方案(即单途径或双途径)和不同后置处理方案(即混合处理或每路经处理)方案所得到的关于密钥率的结果。在此仿真中，第一WTRU使用等概率量化和格雷编码将高斯采样编码成比特串。该比特串的校验子(根据给定LDPC编码)被传送给第二WTRU。然后，第二WTRU尝试对该比特串进行译码，其中对对数似然比进行软判决。最后，两个WTRU从该比特串中推导出公共揭示信息(即校验子)，剩下纯净的保密比特。在此仿真中，使用具有速率＝1/2、块大小＝4800比特的不规则LDPC编码，分布度对是：

λ(x)＝0.071428x+0.230118x²+0.079596x⁹+0.147043x¹⁰+0.073821x⁴⁸+0.397994x⁴⁹，

ρ(x)＝x²⁷.

允许置信传播算法的30次迭代。在所有仿真中实现了BER为10^-4的目标密钥。

图29中示出了针对WG4情况3通道而言通过使用单途径和混合处理方案所实现的密钥率。所实现的密钥率远低于上限。甚至低于在SNR<30dB针对单路径瑞利信道的密钥容量。该低密钥率部分归因于缺失的路径，部分归因于来自两个终端的独立OGA应用的误差。

图30示出了就WG4情况1通道而言利用单途径和混合处理方案所实现的密钥率。所实现的密钥率由于相同原因而较低。

图31示出了就WG4情况3通道而言利用双途径和混合处理方案所实现的密钥率。与图29相比，该密钥率显著提升。这是因为WG4情况3通道的所有四个基本路径都利用双途径方案进行了检测。

图32示出了就WG4情况1通道而言利用双途径和混合处理方案所实现的密钥率。与WG3情况3通道不同，针对WG4情况1通道的结果密钥率仍然很低。针对WG4情况1通道由两个在其相关平均功率上有很大差异的两个路径组成(该差异为10dB)。当在同一等级对来自两个路径的高斯随机变量进行量化时，两个结果比特串与其它终端上的比特串具有不同的相关性。具体来说，从第二路径推导出的两个相应串的BER远高于从第一路径推导出的。从两个路径推导出的串的混合导致在两个终端的结果串的相对较高的BER，这防止了它们产生公共密钥。因此，混合处理方案针对那些在平均路径功率方面有很大差异的多路径信道而言导致了低密钥率。该问题可以有每路径处理方案来解决。

图33示出了当使用双途径和每路径处理方案时所获得的密钥率。所实现的总密钥率为来自两个路径的两个密钥率之和，其上限是2.5比特之内。

图34-37示出了就WG4情况2、ITU PA3、ITU PB3和ITU VA30通道而言利用双途径加混合处理方案和双途径加每路径处理方案所实现的各密钥率。除WG4情况2信道之外，从每路径处理方案中得到的密钥率总是高于从混合处理方案中得到的密钥率。这是由于这些信道的平均路径功率方面或多或少的差异。对于WG4情况2通道而言，混合处理方案和每路径处理方案在获得的密钥率方面没有差别，因为WG4情况2通道的所有三个基本路径具有相同的平均功率。

图35示出了针对ITU PA3所实现的密钥率和通道的密钥率的上限之间的大间隔。一个很明显的解释是4个基本路径中仅有两个路径被路径搜索器所检测(表1)。所实现的密钥率是基于这两个被检测的路径，而上限是从所有4个基本路径中推导出来的。

实施例

1.一种用于从由第一WTRU和第二WTRU共享的联合随机性中产生密钥的方法。

2.实施例1的方法，包括步骤：所述第一WTRU执行通道估计以及产生所述第一WTRU和所述第二WTRU之间的通道上的第一采样CIR。

3.实施例1-2中任何一个的方法，包括步骤：第二WTRU执行通道估计以产生所述第一WTRU和所述第二WTRU之间的通道上的第二采样CIR。

4.实施例2-3中任何一个的方法，包括步骤：所述第一WTRU从所述第一采样CIR中产生第一比特集。

5.实施例4的方法，包括步骤：所述第一WTRU从所述第一比特集中产生密钥和校验子。

6.实施例5的方法，包括步骤：所述第一WTRU向所述第二WTRU发送所述校验子。

7.实施例6的方法，包括步骤：所述第二WTRU从所述校验子和所述第二采样CIR中产生第二比特集。

8.实施例7的方法，包括步骤：所述第二WTRU从所述第二比特集中产生所述密钥。

9.实施例4-8中任何一个的方法，包括步骤：所述第一WTRU对所述第一采样CIR执行量化以产生量化比特。

10.实施例9的方法，包括步骤：所述第一WTRU对所述量化比特执行信源编码以产生所述第一比特集。

11.实施例9-10中任何一个的方法，其中所述第一WTRU执行等概率量化和MMSE量化之一。

12.实施例10-11中任何一个的方法，其中所述第一WTRU执行自然编码和格雷编码之一。

13.实施例9-12中任何一个的方法，其中所述第一WTRU执行超量化以产生规则量化比特和超量化比特，从所述规则量化比特中产生所述校验子和密钥，并向所述第二WTRU发送所述超量化比特和所述校验子，并且所述第二WTRU进一步基于所述超量化比特产生所述第二比特集。

14.实施例13的方法，其中所述第一WTRU向所述第二WTRU发送所述第一采样CIR的量化误差。

15.实施例13-14中任何一个的方法，其中所述第二WTRU利用软判决来计算LLR以产生所述第二比特集。

16.实施例13-15中任何一个的方法，包括步骤：所述第一WTRU通过将所述量化误差映像到均匀随机变量而对所述量化误差进行转换，由此所转换的量化误差独立于量化分割并且均匀分布。

17.实施例5-16中任何一个的方法，其中所述第一WTRU执行二进制LDPC编码、Reed-Solomon编码、Turbo编码和差分编码中的至少一者以产生所述校验子。

18.实施例7-17中任何一个的方法，其中所述第二WTRU计算每比特LLR以产生所述第二比特集。

19.实施例18的方法，其中所述第二WTRU使用硬判决来计算所述LLR。

20.实施例18的方法，其中所述第二WTRU使用软判决来计算所述LLR。

21.实施例5-20中任何一个的方法，其中所述第一WTRU分别处理第一比特集中的每个比特以产生多个每比特校验子。

22.实施例21的方法，其中所述第二WTRU连续处理每个每比特校验子以产生第二比特集。

23.实施例21-22中任何一个的方法，其中所述第二WTRU从第一个每比特校验子开始处理每比特校验子，以从第一比特集开始产生所述第二比特集中的第一比特集。

24.实施例21-22中任何一个的方法，其中所述第二WTRU从最后一个每比特校验子开始处理每比特校验子，以从最后一个比特集开始产生所述第二比特集中的最后一个比特集。

25.实施例7-24中任何一个的方法，其中确定信源编码的速率，以便在能够在所述第二WTRU正确解碼的同时使所述校验子的长度最小化。

26.实施例5-25中任何一个的方法，包括步骤：所述第一WTRU击穿所述校验子。

27.实施例26的方法，包括步骤：所述第一WTRU传送所述校验子的击穿形式。

28.实施例27的方法，包括步骤：所述第一WTRU通知所述第二WTRU所述校验子上的击穿位置，由此所述第二WTRU基于所述校验子的击穿形式而产生所述第二比特集。

29.实施例27-28中任何一个的方法，包括步骤：如果所述第二WTRU通过使用所述校验子的击穿位置未能产生所述第二比特集，那么所述第二WTRU向所述第一WTRU请求更多的校验子比特。

30.实施例2-29中任何一个的方法，其中所述第一WTRU和所述第二WTRU包括多个天线，并产生针对每个天线组合的采样CIR。

31.实施例2-30中任何一个的方法，包括步骤：所述第一WTRU和/或所述第二WTRU对所述采样CIR执行后置处理。

32.实施例31的方法，包括步骤：所述第一WTRU和所述第二WTRU分别标识所述第一采样CIR和第二采样CIR中的至少一个多路径分量。

33.实施例32的方法，包括步骤：所述第一WTRU和所述第二WTRU从每个标识的多路径分量中产生所述密钥。

34.实施例32-33中任何一个的方法，其中所述第一WTRU和所述第二WTRU通过使用OGA来分别标识所述多路径分量。

35.实施例34的方法，其中用于标识多路径分量的步骤包括：(a)标识优势多路径分量；(b)执行阈值测试；(c)如果所述阈值测试通过，则输出所标识的优势多路径分量；以及(d)如果所述阈值测试未通过，则从所述采样CIR中减去标识的优势多路径分量并返回步骤(a)以标识随后的多路径分量。

36.实施例35的方法，其中通过将所述采样CIR与采样脉冲形状进行相关以找到具有最大相关性的多路径分量，而通过时域处理来标识所述多路径分量。

37.实施例35-36中任何一个的方法，其中所述多路径分量通过频域处理来标识。

38.实施例35-37中任何一个的方法，其中所述采样脉冲形状存储在针对离散时间间隔的字典中，由此通过使用该字典来标识所述多路径分量。

39.实施例35-38中任何一个的方法，其中所述阈值测试通过将残留分量的l²标称与阈值相比较而执行。

40.实施例35-38中任何一个的方法，其中所述阈值测试通过将所标识的多路径分量的绝对值与阈值相比较而执行。

41.实施例40的方法，其中所述阈值设定为第一个标识的多路径分量的一部分。

42.实施例35-41中任何一个的方法，包括步骤：所述第二WTRU将其所述第二采样CIR中所有检测到的路径延迟发送到所述第一WTRU。

43.实施例42的方法，包括步骤：所述第一WTRU确定所述第一WTRU和所述第二WTRU之间的采样时间差。

44.实施例43的方法，包括步骤：所述第一WTRU丢弃不成对的路径延迟。

45.实施例44的方法，包括步骤：所述第一WTRU估计针对所述第一WTRU和所述第二WTRU的基本路径延迟。

46.实施例45的方法，包括步骤：所述第一WTRU向所述第二WTRU发送所述基本路径延迟。

47.实施例46的方法，包括步骤：所述第一WTRU和所述第二WTRU基于所述基本路径延迟而分别从所述第一采样CIR和所述第二采样CIR中产生路径振幅值。

48.实施例47的方法，包括步骤：所述第一WTRU和所述第二WTRU分别对所述路径振幅值进行归一化。

49.实施例42-48中任何一个的方法，其中将时间线分割为若干小分段，并且所述第一WTRU分别对每个分段中所述第一WTRU和所述第二WTRU的检测到的路径延迟的数量进行计数，并通过比较每个时间分段中各检测到的路径延迟的分布来确定所述第一和第二WTRU之间的采样时间差。

50.实施例49的方法，其中每个时间分段的持续时间被设定为信道传送符号时间段的一部分。

51.实施例49-50中任何一个的方法，其中所述采样时间差被设定为包含最大数量的检测到的路径延迟的、所述第一WTRU和所述第二WTRU的两个时间分段之间的差。

52.实施例49-50中任何一个的方法，其中所述采样时间差被设定为包含多于特定数量的检测到的路径延迟的、所述第一WTRU和所述第二WTRU的两个第一个时间分段之间的差。

53.实施例43-52中任何一个的方法，其中在误差容许度中具有相应值的路径延迟是信道传送符号时间段的一部分，并且将其看作是相同路径。

54.实施例45-53中任何一个的方法，其中针对所述第一WTRU的所述基本路径延迟被设定为这样一些时间分段的开始，该时间分段包含局部最大数量的路径延迟，并且该数量位于预定阈值之上。

55.实施例54的方法，其中所述阈值是剩余路径延迟总数量的一部分。

56.实施例49-55中任何一个的方法，其中如果一个时间分段之前和之后预定数量的相邻分段与该分段相比具有较少的路径延迟计数，那么认为该时间分段包含局部最大数量的路径延迟。

57.实施例45-56中任何一个的方法，其中针对所述第二WTRU的基本路径延迟被设定为针对所述第一WTRU的基本路径延迟加上采样时间差。

58.实施例34的方法，包括步骤：所述第一WTRU和所述第二WTRU分别标识所述第一采样CIR和所述第二采样CIR中的路径延迟。

59.实施例58的方法，包括步骤：所述第一WTRU和所述第二WTRU分别估计其基本路径延迟。

60.实施例59的方法，包括步骤：所述第一WTRU和所述第二WTRU基于所述基本路径延迟分别从所述第一采样CIR和第二采样CIR中产生路径振幅值。

61.实施例60的方法，包括步骤：所述第一WTRU和所述第二WTRU分别对所述路径振幅值进行归一化。

62.实施例58-61中任何一个的方法，其中将时间线分割为若干小分段，并且所述第一WTRU和所述第二WTRU分别对每个分段中检测到的路径延迟的数量进行计数，并将所述基本路径延迟估计为这样一些时间分段的开始，该时间分段包含局部最大数量的路径延迟，并且该数量位于预定阈值之上。

63.实施例62的方法，其中所述阈值是剩余路径延迟总数量的一部分。

64.实施例61-63中任何一个的方法，包括步骤：所述第一WTRU将归一化的振幅值连接成一个连接的比特串，由此从该连接的比特串中产生所述密钥。

65.实施例61-64中任何一个的方法，其中由参考路径的SNR来确定量化等级。

66.实施例61-65中任何一个的方法，包括步骤：所述第一WTRU基于每个路径的SNR并以不同的量化等级来分别处理所归一化的振幅值，以产生多个比特串。

67.实施例66的方法，包括步骤：所述第一WTRU针对每个比特串而产生单独的校验子。

68.实施例67的方法，包括步骤：所述第一WTRU将所述单独的校验子发送至所述第二WTRU，由此所述第二WTRU利用该单独的校验子来产生所述密钥。

69.实施例68的方法，其中所述第一WTRU附加分组报头以标识哪个校验子属于哪个路径。

70.实施例69的方法，其中在所述分组报头中包含路径索引，以标识哪个校验子属于哪个路径。

71.实施例68的方法，其中利用相对于最早路径、最大振幅路径以及所有标识路径或标识路径的子集的其中之一的相对路径延迟来标识所述路径。

72.实施例61-65中任何一个的方法，包括步骤：所述第一WTRU基于每个路径的SNR并以不同的量化等级来分别处理归一化的振幅值，以产生多个比特串。

73.实施例72的方法，包括步骤：所述第一WTRU连接所述比特串。

74.实施例73的方法，包括步骤：所述第一WTRU产生针对连接的比特串的校验子。

75.实施例74的方法，包括步骤：所述第一WTRU将所述校验子发送至所述第二WTRU，由此所述第二WTRU利用该校验子产生所述密钥。

76.实施例35-75中任何一个的方法，其中所述第一WTRU和所述第二WTRU在频域中估计所观察信号的相移，由此基于所述相移估计来调节所述采样时间差。

77.一种用于从由第一WTRU和第二WTRU共享的联合随机性中产生密钥的无线通信系统。

78.实施例77的系统，其中所述第一WTRU包括第一通道估计器，用于执行通道估计以产生所述第一WTRU和所述第二WTRU之间的通道上的第一采样CIR。

79.实施例78的系统，其中所述第一WTRU包括量化单元，用于对所述第一采样CIR进行量化以产生量化值。

80.实施例79的系统，其中所述第一WTRU包括信源编码单元，用于在所述量化值上执行信源编码以产生第一比特集。

81.实施例80的系统，其中所述第一WTRU包括纠错编码单元，用于从所述第一比特集中产生校验子。

82.实施例81的系统，其中所述第一WTRU包括保密增强单元，用于从所述第一比特集中产生密钥。

83.实施例77-83中任何一个的系统，其中所述第二WTRU包括第二通道估计器，用于执行通道估计以产生所述第一WTRU和所述第二WTRU之间的通道上的第二采样CIR。

84.实施例83的系统，其中所述第二WTRU包括译码器，用于从接收自所述第一WTRU的校验子中和所述第二采样CIR中产生第二比特集。

85.实施例84的系统，其中所述第二WTRU包括第二PA处理器，用于从所述第二比特集中产生所述密钥。

86.实施例79-85中任何一个的系统，其中所述量化单元执行等概率量化和MMSE量化之一。

87.实施例80-86中任何一个的系统，其中所述信源编码单元执行自然编码和格雷编码之一。

88.实施例79-87中任何一个的系统，其中所述量化单元执行超量化以产生规则量化比特和超量化比特，所述纠错编码单元从该规则量化比特中产生所述校验子，所述第一PA处理器从该规则量化比特中产生所述密钥，并且所述超量化比特和所述校验子被发送至所述第二WTRU，并且所述译码器进一步基于所述超量化比特来产生所述第二比特集。

89.实施例84-88中任何一个的系统，其中所述译码器利用软判决来计算LLR，以产生所述第二比特集。

90.实施例79-89中任何一个的系统，其中所述第一WTRU将所述第一采样CIR的量化误差发送至所述第二WTRU。

91.实施例84-90中任何一个的系统，其中所述译码器利用软判决来计算LLR，以产生所述第二比特集。

92.实施例90-91中任何一个的系统，其中所述第一WTRU通过将所述量化误差映像到均匀随机变量而对所述量化误差进行转换，由此所转换的量化误差独立于量化分割并且均匀分布。

93.实施例81-92中任何一个的系统，其中所述纠错编码单元执行二进制LDPC编码、Reed-Solomon编码、Turbo编码和差分编码中的至少一者以产生所述校验子。

94.实施例84-93中任何一个的系统，其中所述译码器计算每比特LLR以产生所述第二比特集。

95.实施例84-94中任何一个的系统，其中所述译码器使用硬判决来计算所述LLR。

96.实施例84-94中任何一个的系统，其中所述译码器使用软判决来计算所述LLR。

97.实施例81-96中任何一个的系统，其中所述第一WTRU包括多个纠错编码单元，用于分别处理第一比特集中的每个比特以产生多个每比特校验子。

98.实施例97的系统，其中所述第二WTRU包括多个译码器，用于连续地处理每个每比特校验子以产生第二比特集。

99.实施例98的系统，其中所述多个译码器从第一个每比特校验子开始处理每比特校验子，以从第一比特集开始产生所述第二比特集中的第一比特集。

100.实施例99的系统，其中所述多个译码器从最后一个每比特校验子开始处理每比特校验子，以从最后一个比特集开始产生所述第二比特集中的最后一个比特集。

101.实施例80-100中任何一个的系统，其中确定信源编码的速率，以便在能够在所述第二WTRU正确解碼的同时使所述校验子的长度最小化。

102.实施例81-101中任何一个的系统，其中所述第一WTRU进一步包括击穿单元，用于对所述校验子进行击穿，由此所述译码器基于所述校验子的击穿形式而产生所述第二比特集。

103.实施例102的系统，其中所述第二WTRU配置为：如果所述译码器通过使用所述校验子的击穿形式未能产生第二比特集，则向所述第一WTRU请求更多的校验子比特。

104.实施例78-103中任何一个的系统，其中所述第一WTRU和/或第二WTRU包括多个天线，并产生针对每个天线组合的采样CIR。

105.实施例104的系统，其中所述第一WTRU和所述第二WTRU配置为：将MIMO通道划分为本征值，并从至少一个本征值中产生所述密钥。

106.实施例104-105中任何一个的系统，其中所述第一WTRU进一步包括噪声白化滤波器，用于在噪声向量不是白色的时候进行噪声白化。

107.实施例106的系统，其中所述第一WTRU和所述第二WTRU配置为：交换关于噪声白化滤波器和信道矩阵的信息。

108.实施例78-107中任何一个的系统，其中所述第一WTRU进一步包括第一后置处理器，用于对所述第一采样CIR执行后置处理，和/或所述第二WTRU进一步包括第二后置处理器，用于对所述第二采样CIR执行后置处理。

109.实施例108的系统，其中所述第一后置处理器和第二后置处理器配置为：分别标识所述第一采样CIR和第二采样CIR中的至少一个多路径分量，并且所述第一WTRU和所述第二WTRU配置为从每个标识的多路径分量中产生所述密钥。

110.实施例109的系统，其中所述第一后置处理器和第二后置处理器分别通过使用OGA来标识所述多路径分量。

111.实施例110的系统，其中所述第一后置处理器和第二后置处理器包括用于执行阈值测试的阈值单元。

112.实施例111的系统，其中所述第一后置处理器和第二后置处理器包括OGA单元，用于迭代地执行标识优势多路径分量的处理，同时在阈值测试失败的情况下从所述采样CIR中减去所标识的优势多路径分量。

113.实施例109-112中任何一个的系统，其中通过将所述采样CIR与采样脉冲形状进行相关以找到具有最大相关性的多路径分量，而通过时域处理来标识所述多路径分量。

114.实施例109-112中任何一个的系统，其中所述多路径分量通过频域处理来标识。

115.实施例109-114中任何一个的系统，进一步包括字典，用于存储针对离散时间间隔的采样脉冲形状，由此通过使用该字典来标识所述多路径分量。

116.实施例111-115中任何一个的系统，其中所述阈值测试通过将残留分量的l²标称与阈值相比较而执行。

117.实施例111-115中任何一个的系统，其中所述阈值测试通过将所标识的多路径分量的绝对值与阈值相比较而执行。

118.实施例111-117中任何一个的系统，其中所述阈值设定为第一个标识的多路径分量的一部分。

119.实施例108的系统，其中所述第一后置处理器包括第一路径标识单元，用于标识所述第一采样CIR中的路径延迟。

120.实施例119的系统，其中所述第一后置处理器包括路径延迟估计器，配置为确定所述第一WTRU和所述第二WTRU之间的采样时间差，丢弃不成对的路径延迟，估计针对所述第一WTRU和所述第二WTRU的基本路径延迟，并将所述基本路径延迟发送至所述第二WTRU。

121.实施例120的系统，其中所述第一后置处理器包括第二路径标识单元，用于基于所述基本路径延迟而从所述第一采样CIR中产生路径振幅值。

122.实施例121的系统，其中所述第一后置处理器包括第一归一化单元，用于对所述路径振幅值进行归一化。

123.实施例119-122中任何一个的系统，其中所述第二后置处理器包括第三路径标识单元，配置为标识所述第一采样CIR中的路径延迟并将所述第二采样CIR中其所有检测到的路径延迟发送到所述第一WTRU。

124.实施例123的系统，其中所述第二后置处理器包括第四路径标识单元，配置为基于所述基本路径延迟而从所述第二采样CIR中产生路径振幅值。

125.实施例124的系统，其中所述第二后置处理器包括第二归一化单元，用于对所述路径振幅值进行归一化。

126.实施例120-125中任何一个的系统，其中所述路径延迟估计器配置为：将时间线分割为若干小分段，分别对每个分段中所述第一WTRU和所述第二WTRU的检测到的路径延迟的数量进行计数，并通过对每个时间分段单元内各检测到的路径延迟的分布进行比较来确定所述第一和第二WTRU之间的采样时间差。

127.实施例26的系统，其中每个时间分段的持续时间被设定为信道传送符号时间段的一部分。

128.实施例120-127中任何一个的系统，其中所述采样时间差被设定为包含最大数量的检测到的路径延迟的、所述第一WTRU和所述第二WTRU的两个时间分段之间的差。

129.实施例120-127中任何一个的系统，其中所述采样时间差被设定为包含多于特定数量的检测到的路径延迟的、所述第一WTRU和所述第二WTRU的两个第一个时间分段之间的差。

130.实施例120-129中任何一个的系统，其中在误差容许度中具有相应值的路径延迟是信道传送符号时间段的一部分，并且将其看作是同一路径。

131.实施例120-130中任何一个的系统，其中针对所述第一WTRU的所述基本路径延迟被设定为这样一些时间分段的开始，该时间分段包含局部最大数量路径延迟，并且该数量位于预定阈值之上。

132.实施例131的系统，其中所述阈值是剩余路径延迟总数量的一部分。

133.实施例131-132中任何一个的系统，其中如果一个时间分段之前和之后预定数量的相邻分段与该分段相比具有较少的路径延迟计数，那么认为该时间分段包含局部最大数量的路径延迟。

134.实施例131-133中任何一个的系统，其中针对所述第二WTRU的基本路径延迟被设定为针对所述第一WTRU的基本路径延迟加上采样时间差。

135.实施例108的系统，其中所述第一后置处理器包括第一路径标识单元，用于标识所述第一采样CIR中的路径延迟。

136.实施例35的系统，其中所述第一后置处理器包括第一路径延迟估计器，配置为估计针对所述第一WTRU和所述第二WTRU的第一基本路径延迟。

137.实施例136的系统，其中所述第一后置处理器包括第二路径标识单元，用于基于所述第一基本路径延迟而从所述第一采样CIR中产生第一路径振幅值。

138.实施例137的系统，其中所述第一后置处理器包括第一归一化单元，用于对所述路径振幅值进行归一化。

139.实施例135-138中任何一个的系统，其中所述第二后置处理器包括第三路径标识单元，配置为标识所述第二采样CIR中的路径延迟。

140.实施例138的系统，其中所述第二后置处理器包括第二路径延迟估计器，配置为估计针对所述第一WTRU和所述第二WTRU的第二基本路径延迟。

141.实施例140的系统，其中所述第二后置处理器包括第四路径标识单元，配置为基于所述第二基本路径延迟而从所述第二采样CIR中产生第二路径振幅值。

142.实施例141的系统，其中所述第二后置处理器包括第二归一化单元，用于对所述路径振幅值进行归一化。

143.实施例140-142中任何一个的系统，其中所述第一路径延迟估计器和所述第二路径延迟估计器被配置为：将时间线分割为若干小分段，分别对每个分段中检测到的路径延迟的数量进行计数，并且所述基本路径延迟估计为这样一些时间分段的开始，该时间分段包含局部最大数量的路径延迟，并且该数量位于预定阈值之上。

144.实施例143的系统，其中所述阈值是剩余路径延迟总数量的一部分。

145.实施例138-144中任何一个的系统，其中所述第一WTRU将归一化的振幅值连接成一个连接的比特串，由此从该连接的比特串中产生所述密钥。

146.实施例138-145中任何一个的系统，其中由参考路径的SNR来确定量化等级。

147.实施例138-146中任何一个的系统，其中所述第一WTRU基于每个路径的SNR并以不同的量化等级来分别处理归一化的振幅值以产生多个比特串，产生针对每个比特串的单独的校验子，并将该单独的校验子发送至所述第二WTRU，由此所述第二WTRU利用该单独的校验子产生所述密钥。

148.实施例147的系统，其中所述第一WTRU附加分组报头以标识哪个校验子属于哪个路径。

149.实施例147-148中任何一个的系统，其中在所述分组报头中包含路径索引，以标识哪个校验子属于哪个路径。

150.实施例147的系统，其中利用相对于最早路径、最大振幅路径以及所有标识路径或标识路径的子集的其中之一的相对路径延迟来标识所述路径。

151.实施例138-150中任何一个的系统，其中所述第一WTRU基于每个路径的SNR并以不同的量化等级来分别处理归一化的振幅值以产生多个比特串，连接所述比特串，产生针对连接的比特串的校验子，并将所述校验子发送至所述第二WTRU，由此所述第二WTRU利用该校验子产生所述密钥。

152.实施例135-151中任何一个的系统，其中所述第一WTRU和所述第二WTRU在频域中估计所观察信号的相移，由此基于所述相移估计来调节所述采样时间差。

153.一种在无线通信系统中将估计的CIR划分为离散的多路径分量的方法。

154.实施例153的方法，包括步骤：产生采样CIR。

155.实施例154的方法，包括步骤：标识优势多路径分量。

156.实施例155的方法，包括步骤：执行阈值测试。

157.实施例156的方法，包括步骤：如果该阈值测试通过，则输出所标识的优势多路径分量。

158.实施例157的系统，包括步骤：如果所述阈值测试未通过，则从所述采样CIR中减去所标识的优势多路径分量，并返回实施例155的步骤以标识随后的多路径分量。

159.实施例155-158中任何一个的系统，其中通过将所述采样CIR与采样脉冲形状进行相关以找到具有最大相关性的多路径分量，而通过时域处理来标识所述多路径分量。

160.实施例155-158中任何一个的系统，其中所述多路径分量通过频域处理来标识。

161.实施例155-160中任何一个的系统，其中所述采样脉冲形状存储在针对离散时间间隔的字典中，由此通过使用该字典来标识所述多路径分量。

162.实施例156-161中任何一个的系统，其中所述阈值测试通过将残留分量的l²标称与阈值相比较而执行。

163.实施例156-161中任何一个的系统，其中所述阈值测试通过将所标识的多路径分量的绝对值与阈值相比较而执行。

164.实施例163的系统，其中所述阈值设定为第一标识的多路径分量的一部分。

165.实施例153-164中任何一个的系统，其中所述标识的多路径分量用于CDMA系统的耙式接收机中的处理。

166.实施例153-164中任何一个的系统，其中所述标识的多路径分量用于均衡器中的处理。

167.一种用于在无线通信系统中将所估计的CIR划分成离散多路径分量的设备。

168.实施例167的设备，包括通道估计器，用于产生采样CIR。

169.实施例168的设备，包括阈值单元，用于执行阈值测试。

170.实施例169的设备，包括OGA单元，用于迭代地执行标识优势多路径分量的处理，同时在阈值测试失败的情况下从所述采样CIR中减去所标识的优势多路径分量。

171.实施例170的设备，其中通过将所述采样CIR与采样脉冲形状进行相关以找到具有最大相关性的多路径分量，而通过时域处理来标识所述多路径分量。

172.实施例170的设备，其中所述多路径分量通过频域处理来标识。

173.实施例170-172中任何一个的设备，包括字典，用于存储针对离散时间间隔的采样脉冲形状，由此通过使用该字典来标识所述多路径分量。

174.实施例169-173中任何一个的设备，其中所述阈值测试通过将残留分量的l²标称与阈值相比较而执行。

175.实施例169-173中任何一个的设备，其中所述阈值测试通过将所标识的多路径分量的绝对值与阈值相比较而执行。

176.实施例169-175中任何一个的设备，其中所述阈值设定为第一个标识的多路径分量的一部分。

177.实施例167-176中任何一个的设备，包括耙式接收机，用于对具有标识的多路径分量的接收到的信号进行处理。

178.实施例167-177中任何一个的设备，包括均衡器，用于对具有标识的多路径分量的接收到的信号进行处理。

虽然本发明的特征和元素在优选的实施方式中以特定的结合进行了描述，但每个特征或元素可以在没有所述优选实施方式的其它特征和元素的情况下单独使用，或在与或不与本发明的其它特征和元素结合的各种情况下使用。本发明提供的方法或流程图可以在由通用计算机或处理器执行的计算机程序、软件或固件中实施，其中所述计算机程序、软件或固件是以有形的方式包含在计算机可读存储介质中的，。关于计算机可读存储介质的实例包括只读存储器(ROM)、随机存取内存(RAM)、寄存器、缓冲存储器、半导体存储设备、内部硬盘和可移动磁盘之类的磁介质、磁光介质以及CD-ROM盘片和数字多用途通用光盘(DVD)之类的光介质。

举例来说，恰当的处理器包括：通用处理器、专用处理器、常规处理器、数字信号处理器(DSP)、多个微处理器、与DSP核心相关联的一个或多个微处理器、控制器、微控制器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)电路、任何一种集成电路(IC)和/或状态机。

与软件相关联的处理器可以用于实现一个射频收发信机，以便在无线发射接收单元(WTRU)、用户设备、终端、基站、无线电网络控制器或是任何一种主机计算机中加以使用。WTRU可以与采用硬件和/或软件形式实施的模块结合使用，例如相机、摄像机模块、食品电路可视电话、扬声器电话、振动设备、扬声器、麦克风、电视收发信机、免提耳机、键盘、蓝牙模块、调频(FM)无线电单元、液晶显示器(LCD)显示单元、有机发光二极管(OLED)显示单元、数字音乐播放器、媒体播放器、视频游戏机模块、因特网浏览器和/或任何一种无线局域网(WLAN)模块。

Claims (124)

1.一种在包括第一无线发射/接收单元(WTRU)和第二WTRU的无线通信系统中用于从由所述第一WTRU和第二WTRU共享的联合随机性中产生密钥的方法，该方法包括：

所述第一WTRU执行通道估计以产生所述第一WTRU和所述第二WTRU之间的通道上的第一采样通道冲击响应(CIR)；

所述第二WTRU执行通道估计以产生所述第一WTRU和所述第二WTRU之间的通道上的第二采样CIR；

所述第一WTRU从所述第一采样CIR中产生第一比特集；

所述第一WTRU从所述第一比特集中产生密钥和校验子；

所述第一WTRU向所述第二WTRU发送所述校验子；

所述第二WTRU从所述校验子和所述第二采样CIR中产生第二比特集；以及

所述第二WTRU从所述第二比特集中产生所述密钥。

2.根据权利要求1所述的方法，其特征在于，进一步包括：

所述第一WTRU对所述第一采样CIR执行量化以产生量化比特；以及

所述第一WTRU对所述量化比特执行信源编码以产生所述第一比特集。

3.根据权利要求2所述的方法，其特征在于，所述第一WTRU执行等概率量化和最小均方误差(MMSE)量化之一。

4.根据权利要求2所述的方法，其特征在于，所述第一WTRU执行自然编码和格雷编码之一。

5.根据权利要求2所述的方法，其特征在于，所述第一WTRU执行超量化以产生规则量化比特和超量化比特，从所述规则量化比特中产生所述校验子和密钥，并向所述第二WTRU发送所述超量化比特和所述校验子，并且所述第二WTRU进一步基于所述超量化比特产生所述第二比特集。

6.根据权利要求5所述的方法，其特征在于，所述第二WTRU利用软判决来计算对数似然比(LLR)以产生所述第二比特集。

7.根据权利要求5所述的方法，其特征在于，所述第一WTRU向所述第二WTRU发送所述第一采样CIR的量化误差。

8.根据权利要求7所述的方法，其特征在于，所述第二WTRU利用软判决来计算对数似然比(LLR)以产生所述第二比特集。

9.根据权利要求7所述的方法，其特征在于，进一步包括：

所述第一WTRU通过将所述量化误差映像到均匀随机变量而对所述量化误差进行转换，由此所转换的量化误差独立于量化分割并且均匀分布。

10.根据权利要求1所述的方法，其特征在于，所述第一WTRU执行二进制低密度奇偶校验(LDPC)编码、Reed-Solomon编码、Turbo编码和差分编码中的至少一者以产生所述校验子。

11.根据权利要求1所述的方法，其特征在于，所述第二WTRU计算每比特对数似然比(LLR)以产生所述第二比特集。

12.根据权利要求11所述的方法，其特征在于，所述第二WTRU使用硬判决来计算所述LLR。

13.根据权利要求11所述的方法，其特征在于，所述第二WTRU使用软判决来计算所述LLR。

14.根据权利要求1所述的方法，其特征在于，所述第一WTRU分别处理第一比特集中的每个比特以产生多个每比特校验子。

15.根据权利要求14所述的方法，其特征在于，所述第二WTRU连续处理每个每比特校验子以产生第二比特集。

16.根据权利要求15所述的方法，其特征在于，所述第二WTRU从第一个每比特校验子开始处理每比特校验子，以从第一比特(集)开始产生所述第二比特集中的第一比特(集)。

17.根据权利要求15所述的方法，其特征在于，所述第二WTRU从最后一个每比特校验子开始处理每比特校验子，以从最后一个比特(集)开始产生所述第二比特集中的最后一个比特(集)。

18.根据权利要求2所述的方法，其特征在于，确定信源编码的速率，以便在能够在所述第二WTRU正确解碼的同时使所述校验子的长度最小化。

19.根据权利要求1所述的方法，其特征在于，进一步包括：

所述第一WTRU击穿所述校验子；

所述第一WTRU传送所述校验子的击穿形式；以及

所述第一WTRU通知所述第二WTRU所述校验子上的击穿位置，由此所述第二WTRU基于所述校验子的击穿形式而产生所述第二比特集。

20.根据权利要求19所述的方法，其特征在于，进一步包括：

如果所述第二WTRU通过使用所述校验子的击穿位置未能产生所述第二比特集，那么所述第二WTRU向所述第一WTRU请求更多的校验子比特。

21.根据权利要求1所述的方法，其特征在于，所述第一WTRU和所述第二WTRU包括多个天线，并产生针对每个天线组合的采样CIR。

22.根据权利要求1所述的方法，其特征在于，进一步包括：

所述第一WTRU和所述第二WTRU对所述采样CIR执行后置处理。

23.根据权利要求22所述的方法，其特征在于，进一步包括：

所述第一WTRU和所述第二WTRU分别标识所述第一采样CIR和第二采样CIR中的至少一个多路径分量；以及

所述第一WTRU和所述第二WTRU从每个标识的多路径分量中产生所述密钥。

24.根据权利要求23所述的方法，其特征在于，所述第一WTRU和所述第二WTRU通过使用正交greedy算法(OGA)来分别标识所述多路径分量。

25.根据权利要求24所述的方法，其特征在于，用于标识多路径分量的步骤包括：

(a)标识优势多路径分量；

(b)执行阈值测试；

(c)如果所述阈值测试通过，则输出所标识的优势多路径分量；以及

(d)如果所述阈值测试未通过，则从所述采样CIR中减去标识的优势多路径分量并返回步骤(a)以标识随后的多路径分量。

26.根据权利要求25所述的方法，其特征在于，通过将所述采样CIR与采样脉冲形状进行相关以找到具有最大相关性的多路径分量，而通过时域处理来标识所述多路径分量。

27.根据权利要求25所述的方法，其特征在于，所述多路径分量通过频域处理来标识。

28.根据权利要求25所述的方法，其特征在于，所述采样脉冲形状存储在针对离散时间间隔的字典中，由此通过使用该字典来标识所述多路径分量。

29.根据权利要求25所述的方法，其特征在于，所述阈值测试通过将残留分量的1²标称与阈值相比较而执行。

30.根据权利要求25所述的方法，其特征在于，所述阈值测试通过将所标识的多路径分量的绝对值与阈值相比较而执行。

31.根据权利要求30所述的方法，其特征在于，所述阈值设定为第一个标识的多路径分量的一部分。

32.根据权利要求23所述的方法，其特征在于，进一步包括：

所述第二WTRU将其所述第二采样CIR中所有检测到的路径延迟发送到所述第一WTRU；

所述第一WTRU确定所述第一WTRU和所述第二WTRU之间的采样时间差；

所述第一WTRU丢弃不成对的路径延迟；

所述第一WTRU估计针对所述第一WTRU和所述第二WTRU的基本路径延迟；

所述第一WTRU向所述第二WTRU发送所述基本路径延迟；

所述第一WTRU和所述第二WTRU基于所述基本路径延迟而分别从所述第一采样CIR和所述第二采样CIR中产生路径振幅值；以及

所述第一WTRU和所述第二WTRU分别对所述路径振幅值进行归一化。

33.根据权利要求32所述的方法，其特征在于，将时间线分割为若干小分段，并且所述第一WTRU分别对每个分段中所述第一WTRU和所述第二WTRU的检测到的路径延迟的数量进行计数，并通过比较每个时间分段中各检测到的路径延迟的分布来确定所述第一和第二WTRU之间的采样时间差。

34.根据权利要求33所述的方法，其特征在于，每个时间分段的持续时间被设定为信道传送符号时间段的一部分。

35.根据权利要求33所述的方法，其特征在于，所述采样时间差被设定为包含最大数量的检测到的路径延迟的、所述第一WTRU和所述第二WTRU的两个时间分段之间的差。

36.根据权利要求33所述的方法，其特征在于，所述采样时间差被设定为包含多于特定数量的检测到的路径延迟的、所述第一WTRU和所述第二WTRU的两个第一个时间分段之间的差。

37.根据权利要求33所述的方法，其特征在于，在误差容许度中具有相应值的路径延迟是信道传送符号时间段的一部分，并且将其看作是同一路径。

38.根据权利要求33所述的方法，其特征在于，针对所述第一WTRU的所述基本路径延迟被设定为这样一些时间分段的开始，该时间分段包含局部最大数量的路径延迟，并且该数量位于预定阈值之上。

39.根据权利要求38所述的方法，其特征在于，所述阈值是剩余路径延迟总数量的一部分。

40.根据权利要求38所述的方法，其特征在于，如果一个时间分段之前和之后预定数量的相邻分段与该分段相比具有较少的路径延迟计数，那么认为该时间分段包含局部最大数量的路径延迟。

41.根据权利要求38所述的方法，其特征在于，针对所述第二WTRU的基本路径延迟被设定为针对所述第一WTRU的基本路径延迟加上采样时间差。

42.根据权利要求31所述的方法，其特征在于，进一步包括：

所述第一WTRU和所述第二WTRU分别标识所述第一采样CIR和所述第二采样CIR中的路径延迟；

所述第一WTRU和所述第二WTRU分别估计其基本路径延迟；

所述第一WTRU和所述第二WTRU基于所述基本路径延迟分别从所述第一采样CIR和第二采样CIR中产生路径振幅值；以及

所述第一WTRU和所述第二WTRU分别对所述路径振幅值进行归一化。

43.根据权利要求42所述的方法，其特征在于，将时间线分割为若干小分段，并且所述第一WTRU和所述第二WTRU分别对每个分段中检测到的路径延迟的数量进行计数，并将所述基本路径延迟估计为这样一些时间分段的开始，该时间分段包含局部最大数量的路径延迟，并且该数量位于预定阈值之上。

44.根据权利要求43所述的方法，其特征在于，所述阈值是剩余路径延迟总数量的一部分。

45.根据权利要求32所述的方法，其特征在于，进一步包括：

所述第一WTRU将归一化的振幅值连接成一个连接的比特串，由此从该连接的比特串中产生所述密钥。

46.根据权利要求45所述的方法，其特征在于，由参考路径的信噪比(SNR)来确定量化等级。

47.根据权利要求32所述的方法，其特征在于，进一步包括：

所述第一WTRU基于每个路径的信噪比(SNR)并以不同的量化等级来分别处理所归一化的振幅值，以产生多个比特串；

所述第一WTRU针对每比特串而产生单独的校验子；以及

所述第一WTRU将所述单独的校验子发送至所述第二WTRU，由此所述第二WTRU利用该单独的校验子来产生所述密钥。

48.根据权利要求47所述的方法，其特征在于，所述第一WTRU附加分组报头以标识哪个校验子属于哪个路径。

49.根据权利要求48所述的方法，其特征在于，在所述分组报头中包含路径索引，以标识哪个校验子属于哪个路径。

50.根据权利要求49所述的方法，其特征在于，利用相对于最早路径、最大振幅路径以及所有标识路径或标识路径的子集的其中之一的相对路径延迟来标识所述路径。

51.根据权利要求32所述的方法，其特征在于，进一步包括：

所述第一WTRU基于每个路径的信噪比(SNR)并以不同的量化等级来分别处理归一化的振幅值，以产生多个比特串；

所述第一WTRU连接所述比特串；

所述第一WTRU产生针对连接的比特串的校验子；以及

所述第一WTRU将所述校验子发送至所述第二WTRU，由此所述第二WTRU利用该校验子产生所述密钥。

52.根据权利要求22所述的方法，其特征在于，所述第一WTRU和所述第二WTRU在频域中估计所观察信号的相移，由此基于所述相移估计来调节所述采样时间差。

53.一种用于从由第一无线发射/接收单元(WTRU)和第二WTRU共享的联合随机性中产生密钥的无线通信系统，该系统包括：

第一WTRU，该第一WTRU包括：

第一信道估计器，用于执行通道估计以产生所述第一WTRU和所述第二WTRU之间的通道上的第一采样通道冲击响应(CIR)；

量化单元，用于对所述第一采样CIR进行量化以产生量化值；

信源编码单元，用于在所述量化值上执行信源编码以产生第一比特集；

纠错编码单元，用于从所述第一比特集中产生校验子；和

第一保密增强单元，用于从所述第一比特集中产生密钥；以及

第二WTRU，该第二WTRU包括：

第二信道估计器，用于执行通道估计以产生所述第一WTRU和所述第二WTRU之间的通道上的第二采样CIR；

译码器，用于从接收自所述第一WTRU的校验子中和所述第二采样CIR中产生第二比特集；以及

第二PA处理器，用于从所述第二比特集中产生所述密钥。

54.根据权利要求53所述的系统，其特征在于，所述量化单元执行等概率量化和最小均方误差(MMSE)量化之一。

55.根据权利要求53所述的系统，其特征在于，所述信源编码单元执行自然编码和格雷编码之一。

56.根据权利要求53所述的系统，其特征在于，所述量化单元执行超量化以产生规则量化比特和超量化比特，所述纠错编码单元从该规则量化比特中产生所述校验子，所述第一PA处理器从该规则量化比特中产生所述密钥，并且所述超量化比特和所述校验子被发送至所述第二WTRU，并且所述译码器进一步基于所述超量化比特来产生所述第二比特集。

57.根据权利要求56所述的系统，其特征在于，所述译码器利用软判决来计算对数似然比(LLR)，以产生所述第二比特集。

58.根据权利要求56所述的系统，其特征在于，所述第一WTRU将所述第一采样CIR的量化误差发送至所述第二WTRU。

59.根据权利要求58所述的系统，其特征在于，所述译码器利用软判决来计算对数似然比(LLR)，以产生所述第二比特集。

60.根据权利要求58所述的系统，其特征在于，所述第一WTRU通过将所述量化误差映像到均匀随机变量而对所述量化误差进行转换，由此所转换的量化误差独立于量化分割并且均匀分布。

61.根据权利要求53所述的系统，其特征在于，所述纠错编码单元执行二进制低密度奇偶校验(LDPC)编码、Reed-Solomon编码、Turbo编码和差分编码中的至少一者以产生所述校验子。

62.根据权利要求53所述的系统，其特征在于，所述译码器计算每比特对数似然比(LLR)以产生所述第二比特集。

63.根据权利要求62所述的系统，其特征在于，所述译码器使用硬判决来计算所述LLR。

64.根据权利要求62所述的系统，其特征在于，所述译码器使用软判决来计算所述LLR。

65.根据权利要求53所述的系统，其特征在于，所述第一WTRU包括多个纠错编码单元，用于分别处理第一比特集中的每个比特以产生多个每比特校验子。

66.根据权利要求65所述的系统，其特征在于，所述第二WTRU包括多个译码器，用于连续地处理每个每比特校验子以产生第二比特集。

67.根据权利要求66所述的系统，其特征在于，所述多个译码器从第一个每比特校验子开始处理每比特校验子，以从第一比特(集)开始产生所述第二比特集中的第一比特(集)。

68.根据权利要求66所述的系统，其特征在于，所述多个译码器从最后一个每比特校验子开始处理每比特校验子，以从最后一个比特(集)开始产生所述第二比特集中的最后一个比特(集)。

69.根据权利要求53所述的系统，其特征在于，确定信源编码的速率，以便在能够在所述第二WTRU正确解碼的同时使所述校验子的长度最小化。

70.根据权利要求53所述的系统，其特征在于，所述第一WTRU进一步包括击穿单元，用于对所述校验子进行击穿，由此所述译码器基于所述校验子的击穿形式而产生所述第二比特集。

71.根据权利要求70所述的系统，其特征在于，所述第二WTRU被配置为：如果所述译码器通过使用所述校验子的击穿形式未能产生第二比特集，则向所述第一WTRU请求更多的校验子比特。

72.根据权利要求53所述的系统，其特征在于，所述第一WTRU和第二WTRU包括多个天线，并产生针对每个天线组合的采样CIR。

73.根据权利要求72所述的系统，其特征在于，所述第一WTRU和所述第二WTRU被配置为：将多入多出(MIMO)通道划分为本征值，并从至少一个本征值中产生所述密钥。

74.根据权利要求72所述的系统，其特征在于，所述第一WTRU进一步包括噪声白化滤波器，用于在噪声向量不是白色的时候进行噪声白化。

75.根据权利要求74所述的系统，其特征在于，所述第一WTRU和所述第二WTRU被配置为：交换关于噪声白化滤波器和信道矩阵的信息。

76.根据权利要求53所述的系统，其特征在于，所述第一WTRU进一步包括第一后置处理器，用于对所述第一采样CIR执行后置处理，以及所述第二WTRU进一步包括第二后置处理器，用于对所述第二采样CIR执行后置处理。

77.根据权利要求76所述的系统，其特征在于，所述第一后置处理器和第二后置处理器被配置为：分别标识所述第一采样CIR和第二采样CIR中的至少一个多路径分量，并且所述第一WTRU和所述第二WTRU被配置为从每个标识的多路径分量中产生所述密钥。

78.根据权利要求77所述的系统，其特征在于，所述第一后置处理器和第二后置处理器分别通过使用正交greedy算法(OGA)来标识所述多路径分量。

79.根据权利要求78所述的系统，其特征在于，所述第一后置处理器和第二后置处理器包括：

阈值单元，用于执行阈值测试；以及

OGA单元，用于迭代地执行标识优势多路径分量的处理，同时在阈值测试失败的情况下从所述采样CIR中减去所标识的优势多路径分量。

80.根据权利要求79所述的系统，其特征在于，通过将所述采样CIR与采样脉冲形状进行相关以找到具有最大相关性的多路径分量，而通过时域处理来标识所述多路径分量。

81.根据权利要求79所述的系统，其特征在于，所述多路径分量通过频域处理来标识。

82.根据权利要求79所述的系统，其特征在于，进一步包括字典，用于存储针对离散时间间隔的采样脉冲形状，由此通过使用该字典来标识所述多路径分量。

83.根据权利要求79所述的系统，其特征在于，所述阈值测试通过将残留分量的1²标称与阈值相比较而执行。

84.根据权利要求79所述的系统，其特征在于，所述阈值测试通过将所标识的多路径分量的绝对值与阈值相比较而执行。

85.根据权利要求84所述的系统，其特征在于，所述阈值设定为第一个标识的多路径分量的一部分。

86.根据权利要求77所述的系统，其特征在于，

所述第一后置处理器包括：

第一路径标识单元，用于标识所述第一采样CIR中的路径延迟；

路径延迟估计器，被配置为确定所述第一WTRU和所述第二WTRU之间的采样时间差，丢弃不成对的路径延迟，估计针对所述第一WTRU和所述第二WTRU的基本路径延迟，并将所述基本路径延迟发送至所述第二WTRU；

第二路径标识单元，用于基于所述基本路径延迟而从所述第一采样CIR中产生路径振幅值；和

第一归一化单元，用于对所述路径振幅值进行归一化；以及

所述第二后置处理器包括：

第三路径标识单元，被配置为标识所述第一采样CIR中的路径延迟，并将所述第二采样CIR中其所有检测到的路径延迟发送到所述第一WTRU；

第四路径标识单元，被配置为基于所述基本路径延迟而从所述第二采样CIR中产生路径振幅值；和

第二归一化单元，用于对所述路径振幅值进行归一化。

87.根据权利要求86所述的系统，其特征在于，所述路径延迟估计器被配置为：将时间线分割为若干小分段，分别对每个分段中所述第一WTRU和所述第二WTRU的检测到的路径延迟的数量进行计数，并通过对每个时间分段单元内各检测到的路径延迟的分布进行比较来确定所述第一和第二WTRU之间的采样时间差。

88.根据权利要求87所述的系统，其特征在于，每个时间分段的持续时间被设定为信道传送符号时间段的一部分。

89.根据权利要求87所述的系统，其特征在于，所述采样时间差被设定为包含最大数量的检测到的路径延迟的、所述第一WTRU和所述第二WTRU的两个时间分段之间的差。

90.根据权利要求87所述的系统，其特征在于，所述采样时间差被设定为包含多于特定数量的检测到的路径延迟的、所述第一WTRU和所述第二WTRU的两个第一个时间分段之间的差。

91.根据权利要求87所述的系统，其特征在于，在误差容许度中具有相应值的路径延迟是信道传送符号时间段的一部分，并且将其看作是同一路径。

92.根据权利要求87所述的系统，其特征在于，针对所述第一WTRU的所述基本路径延迟被设定为这样一些时间分段的开始，该时间分段包含局部最大数量的路径延迟，并且该数量位于预定阈值之上。

93.根据权利要求92所述的系统，其特征在于，所述阈值是剩余路径延迟总数量的一部分。

94.根据权利要求92所述的系统，其特征在于，如果一个时间分段之前和之后预定数量的相邻分段与该分段相比具有较少的路径延迟计数，那么认为该时间分段包含局部最大数量的路径延迟。

95.根据权利要求92所述的系统，其特征在于，针对所述第二WTRU的基本路径延迟被设定为针对所述第一WTRU的基本路径延迟加上采样时间差。

96.根据权利要求77所述的系统，其特征在于，

所述第一后置处理器包括：

第一路径标识单元，用于标识所述第一采样CIR中的路径延迟；

第一路径延迟估计器，被配置为估计针对所述第一WTRU和所述第二WTRU的第一基本路径延迟；

第二路径标识单元，用于基于所述第一基本路径延迟而从所述第一采样CIR中产生第一路径振幅值；和

第一归一化单元，用于对所述路径振幅值进行归一化；以及

所述第二后置处理器包括：

第三路径标识单元，被配置为标识所述第二采样CIR中的路径延迟；

第二路径延迟估计器，被配置为估计针对所述第一WTRU和所述第二WTRU的第二基本路径延迟；

第四路径标识单元，被配置为基于所述第二基本路径延迟而从所述第二采样CIR中产生第二路径振幅值；和

第二归一化单元，用于对所述路径振幅值进行归一化。

97.根据权利要求96所述的系统，其特征在于，所述第一路径延迟估计器和所述第二路径延迟估计器被配置为：将时间线分割为若干小分段，分别对每个分段中检测到的路径延迟的数量进行计数，并且所述基本路径延迟估计为这样一些时间分段的开始，该时间分段包含局部最大数量的路径延迟，并且该数量位于预定阈值之上。

98.根据权利要求97所述的系统，其特征在于，所述阈值是剩余路径延迟总数量的一部分。

99.根据权利要求97所述的系统，其特征在于，所述第一WTRU将归一化的振幅值连接成一个连接的比特串，由此从该连接的比特串中产生所述密钥。

100.根据权利要求99所述的系统，其特征在于，由参考路径的信噪比(SNR)来确定量化等级。

根据权利要求97所述的系统，其特征在于，所述第一WTRU基于每个路径的信噪比(SNR)并以不同的量化等级来分别处理所归一化的振幅值以产生多个比特串，产生针对每个比特串的单独的校验子，并将该单独的校验子发送至所述第二WTRU，由此所述第二WTRU利用该单独的校验子产生所述密钥。

根据权利要求101所述的系统，其特征在于，所述第一WTRU附加分组报头以标识哪个校验子属于哪个路径。

根据权利要求102所述的系统，其特征在于，在所述分组报头中包含路径索引，以标识哪个校验子属于哪个路径。

根据权利要求102所述的系统，其特征在于，利用相对于最早路径、最大振幅路径以及所有标识路径或标识路径的子集的其中之一的相对路径延迟来标识所述路径。

根据权利要求97所述的系统，其特征在于，所述第一WTRU基于每个路径的信噪比(SNR)并以不同的量化等级来分别处理归一化的振幅值以产生多个比特串，连接所述比特串，产生针对连接的比特串的校验子，并将所述校验子发送至所述第二WTRU，由此所述第二WTRU利用该校验子产生所述密钥。

根据权利要求77所述的系统，其特征在于，所述第一WTRU和所述第二WTRU在频域中估计所观察信号的相移，由此基于所述相移估计来调节所述采样时间差。

一种用于在无线通信系统中将估计的信道冲击响应(CIR)划分为离散的多路径分量的方法，该方法包括：

(a)产生采样CIR；

(b)标识优势多路径分量；

(c)执行阈值测试；

(d)如果该阈值测试通过，则输出所标识的优势多路径分量；以及

(e)如果所述阈值测试未通过，则从所述采样CIR中减去所标识的优势多路径分量，并返回步骤(b)以标识随后的多路径分量。

根据权利要求107所述的方法，其特征在于，通过将所述采样CIR与采样脉冲形状进行相关以找到具有最大相关性的多路径分量，而通过时域处理来标识所述多路径分量。

根据权利要求107所述的方法，其特征在于，所述多路径分量通过频域处理来标识。

110.根据权利要求107所述的方法，其特征在于，所述采样脉冲形状存储在针对离散时间间隔的字典中，由此通过使用该字典来标识所述多路径分量。

111.根据权利要求107所述的方法，其特征在于，所述阈值测试通过将残留分量的1²标称与阈值相比较而执行。

112.根据权利要求107所述的方法，其特征在于，所述阈值测试通过将所标识的多路径分量的绝对值与阈值相比较而执行。

113.根据权利要求112所述的方法，其特征在于，所述阈值设定为第一个标识的多路径分量的一部分。

114.根据权利要求107所述的方法，其特征在于，所述标识的多路径分量用于码分多址(CDMA)系统的耙式接收机中的处理。

115.根据权利要求107所述的方法，其特征在于，所述标识的多路径分量用于均衡器中的处理。

116.一种用于在无线通信系统中将所估计的信道冲击响应(CIR)划分成离散多路径分量的设备，该设备包括：

通道估计器，用于产生采样CIR；

阈值单元，用于执行阈值测试；以及

正交greedy算法(OGA)单元，用于迭代地执行标识优势多路径分量的处理，同时在阈值测试失败的情况下从所述采样CIR中减去所标识的优势多路径分量。

117.根据权利要求116所述的设备，其特征在于，通过将所述采样CIR与采样脉冲形状进行相关以找到具有最大相关性的多路径分量，而通过时域处理来标识所述多路径分量。

118.根据权利要求116所述的设备，其特征在于，所述多路径分量通过频域处理来标识。

119.根据权利要求116所述的设备，进一步包括字典，用于存储针对离散时间间隔的采样脉冲形状，由此通过使用该字典来标识所述多路径分量。

120.根据权利要求119所述的设备，其特征在于，所述阈值测试通过将残留分量的1²标称与阈值相比较而执行。

121.根据权利要求119所述的设备，其特征在于，所述阈值测试通过将所标识的多路径分量的绝对值与阈值相比较而执行。

122.根据权利要求121所述的设备，其特征在于，所述阈值设定为第一个标识的多路径分量的一部分。

123.根据权利要求116所述的设备，其特征在于，进一步包括耙式接收机，用于对具有标识的多路径分量的接收到的信号进行处理。

124.根据权利要求116所述的设备，其特征在于，进一步包括均衡器，用于对具有标识的多路径分量的接收到的信号进行处理。

Images