小议AIX环境下ftp的设置方法

通过对小型机AIX环境下邱的研究，提出了匿名ftp、手工设置ftp等ftp的设置方法，并总结了邱设置的一些相关技巧。     

基于注意力残差网络的Wi-Fi设备的射频指纹识别

由于无线介质的开放性,传统的基于安全协议的无线网络安全存在隐患,基于物理层的射频指纹(RFF)识别,具有特征难以伪造的优点,能有效提高无线网络的安全性.针对多场景、多设备识别任务,构建了基于注意力残差卷积神经网络的射频指纹识别方法.实验采集构建了完备的数据集,数据集包含32个Wi-Fi模块,覆盖802.11b标准的2.4 GHz模块.对比结果表明：该方法在32个Wi-Fi模块的识别中达到90%的识别精度,高于传统算法86%的识别率和卷积神经网络方法的89%的识别率;不同采样率的数据集在2 dB时均可以达到90%以上的识别精度,最终在信噪比(SNR)大于20 dB时,识别精度可以达到96%.     

格拉米角场和图卷积神经网络识别复杂电能质量扰动

可再生能源并网引起的电能质量问题往往伴随着复杂的电能质量扰动,因此电能质量的扰动类型识别是后续电能污染控制的首要任务。该文针对复杂电能质量扰动的分类问题,提出一种基于格拉米角场和图卷积神经网络的复杂电能质量扰动识别方法。首先,通过搭建直驱型风力发电动态模拟实验平台模拟生成不同的单一扰动和复杂扰动信号,将原始一维时间序列的电能质量扰动数据通过格拉米角场值的密度分布进行表示,生成二维格拉米角场值密度图;然后,通过图卷积神经网络对输入图像进行无监督特征学习,自动提取数据特征的稀疏特征表达;最后,通过softmax分类器进行微调训练,并输出电能质量扰动事件分类结果。通过仿真和硬件实验表明：对于复杂电能质量的扰动类型识别,该方法能保持94.87%左右的识别准确率,在算法训练速度和识别精度方面,优于其他常见深度学习算法,具有良好的工程应用前景。