提取器的许多文献都关于最小化种子长度,这对于非随机化应用很重要。但是,这对您来说可能并不重要。同样,文献通常集中在相对较大的误差(例如1/100)上,这对于去随机化是很好的,但在其他情况下可能会成问题,需要指数级地减小误差。
在您的设置中,可以一劳永逸地生成一个长随机种子(例如扔硬币),然后使用它进行提取。在这种情况下,您可以使用具有相当高效的实现的成对独立哈希函数。我与Shaltiel和Tromer撰写了有关此问题的论文。您也许还可以使用几乎独立的哈希函数,这些函数可以更高效且种子更小。(尽管对此有好几项工作,但暂且不知道如何有效地实现它们是很好的参考。)
如果您有多个独立的资源,那么您可以做得更好。如果熵率大于50%(在上面的调查中应提及),则经典的Hadamard提取器将起作用。如果熵小于50%,则我们可以使用Impagliazzo和Wigderson进行一个简单的构造。尽管要真正理解它,您需要查看当今最先进的和积定理给出的确切范围,但是源数量与所实现的误差之间的依存关系并不是很理想。(并且,如果您愿意假设某些数字理论猜想,则可以得到更有效的提取器。)此结构已通过各种方式得到了极大的改进,其中有些可能与您的应用程序相关。Anup Rao的论文。