عنوان انگلیسی: A Visualized Botnet Detection System Based Deep Learning for the Internet of Things Networks of Smart Cities
سال نشر: ۲۰۲۰
نویسنده: R. Vinayakumar,Mamoun Alazab,Sriram Srinivasan,Quoc-Viet Pham,Soman Kotti Padannayil,K. Simran
تعداد صفحه فارسی: ۲۹ – تعداد صفحه انگلیسی: ۱۴
دانشگاه: Charles Darwin University, Darwin, Australia-Division of Biomedical Informatics, Cincinnati Children’s Hospital Medical Center, Cincinnati, USA Center for Computational Engineering and Networking, Amrita School of Engineering, Amrita Vishwa Vidyapeetham University, Coimbatore, India
نشریه: Process Safety and Environmental Protection
کیفیت ترجمه: ترجمه پلاس
چکیده
در این مقاله، مسئله تخمین چند گام مشترک و جهت ورود (DOA)برای سیگنال‌های سینوسی هارمونیک چند کاناله در نظر گرفته شده‌است. یک مدل سیگنال ماتریس فضایی – زمانی برای یک آرایه خطی یکنواخت تعریف می‌شود، و سپس روش ESPRIT براساس تکنیک‌های زیر فضا که از خاصیت تغییر ناپذیری در حوزه زمان استفاده می‌کند، ابتدا برای تخمین فرکانس‌های چند گامی سیگنال‌های هارمونیک چندگانه استفاده می‌شود. در پی فرکانس‌های گام تخمین زده‌شده، برآوردهای DOA براساس روش ESPRIT نیز با استفاده از ساختار تغییرناپذیری در دامنه فضایی ارائه می‌شوند.
در مقایسه با الگوریتم های پیشرفته موجود، روش پیشنهادی براساس ESPRIT بدون جستجوی دو بعدی از نظر محاسباتی کارآمدتر است اما به طور مشابه عمل می‌کند. یک تحلیل عملکرد مجانبی از DOA و تخمین گام روش پیشنهادی نیز ارائه شده‌است. در نهایت، کارایی روش پیشنهادی بر روی سیگنال مصنوعی و داده‌های ثبت‌شده واقعی نشان‌داده شده‌است.
در مقایسه با الگوریتم های پیشرفته موجود، روش پیشنهادی براساس ESPRIT بدون جستجوی دو بعدی از نظر محاسباتی کارآمدتر است اما به طور مشابه عمل می‌کند. یک تحلیل عملکرد مجانبی از DOA و تخمین گام روش پیشنهادی نیز ارائه شده‌است. در نهایت، کارایی روش پیشنهادی بر روی سیگنال مصنوعی و داده‌های ثبت‌شده واقعی نشان‌داده شده‌است.
Abstract
true
محصولات مشابه
امتیاز شما:
(No Ratings Yet)
(No Ratings Yet)