全文获取类型
收费全文 | 201篇 |
免费 | 89篇 |
国内免费 | 18篇 |
出版年
2023年 | 2篇 |
2022年 | 4篇 |
2021年 | 5篇 |
2020年 | 5篇 |
2019年 | 2篇 |
2018年 | 5篇 |
2017年 | 14篇 |
2016年 | 17篇 |
2015年 | 19篇 |
2014年 | 19篇 |
2013年 | 10篇 |
2012年 | 29篇 |
2011年 | 19篇 |
2010年 | 13篇 |
2009年 | 22篇 |
2008年 | 7篇 |
2007年 | 16篇 |
2006年 | 17篇 |
2005年 | 12篇 |
2004年 | 7篇 |
2003年 | 11篇 |
2002年 | 9篇 |
2001年 | 8篇 |
2000年 | 5篇 |
1999年 | 4篇 |
1998年 | 3篇 |
1997年 | 6篇 |
1996年 | 3篇 |
1995年 | 2篇 |
1994年 | 3篇 |
1993年 | 3篇 |
1992年 | 2篇 |
1991年 | 1篇 |
1990年 | 3篇 |
1989年 | 1篇 |
排序方式: 共有308条查询结果,搜索用时 15 毫秒
31.
针对极化敏感阵列在工程应用中所受到的诸多限制条件,本文提出了一种新型交替极化阵列结构,分析了其在滤波抗干扰中的理论极限性能,并与极化敏感阵列滤波性能进行对比研究。研究表明:相对而言,交替极化阵列在设备量减半、信号处理自由度减半的条件下,滤波抗干扰性能逼近极化敏感阵列,克服了极化敏感阵列系统复杂性带来的一系列问题,因此在阵列雷达领域具有广泛的应用前景。 相似文献
32.
33.
针对使用标准Kalman滤波算法不能准确处理包含粗差的航空发动机测试数据的问题,在分析标准Kalman滤波算法准则和观测误差对滤波估计结果影响的基础上,采用动态调整观测信息在滤波估计结果中权重的方法,给出了基于抗差M估计理论的抗差Kalman滤波准则和递推公式。对不同的发动机测试数据分别采取序列滤波的方法,减少了运算量。基于常加速度模型,建立了测量参数的状态空间方程和测量方程。以包含粗差的某型涡扇发动机稳定工作过程的模拟测量数据为例,采用所设计的抗差Kalman滤波器对其进行预处理,与标准Kalman滤波算法处理的结果对比表明,在模型误差一定的情况下,抗差Kalman滤波算法具有更好的估计精度。 相似文献
34.
为了实现利用船舶静态电场对船舶进行跟踪的目的,针对传统卡尔曼滤波算法中存在的问题,设计一种新的非线性滤波器。建立船舶的状态空间模型,分析传统卡尔曼滤波算法在船舶跟踪中存在的问题;依据渐进贝叶斯思想,利用连续白噪声与离散白噪声序列噪声协方差之间的关系,设计一种新的渐进更新扩展卡尔曼滤波器。仿真结果表明,该滤波器能有效地抑制由于初始误差较大而造成的滤波性能下降和滤波发散,能够有效地跟踪船舶,具有较高的实用价值。 相似文献
35.
传统的粒子滤波算法在重要性采样估计时忽略了当前量测影响。在非线性场景下,传统的粒子滤波导致个别粒子具有大权值,造成估计结果精度差。针对该问题,结合均方根容积卡尔曼滤波(SCKF)算法和Gating技术,提出了一种新的重要性函数估计算法。本算法将后验概率作为重要性采样函数,通过利用SCKF和统计距离,建立粒子与量测的关联关系,实现对重要性采样函数的均值和协方差矩阵的估计。而后,使用粒子滤波算法,对多目标状态和数目进行估计。实验表明,在非线性跟踪场景下,本算法估计精度高,估计结果稳定。 相似文献
36.
在分布式仿真系统中 ,网上流动的大量冗余数据严重影响了系统的可伸缩性。基于均匀网格的相关过滤法减少了冗余数据 ,但具有匹配不精确 ,格子尺寸单一 ,难以适应所有实体的缺点。提出了一种基于多层次网格的相关过滤方法 ,克服了均匀网格法的上述缺点 ,并继承了均匀网格法处理速度快的特点 ,具有快速灵活的特点 相似文献
37.
38.
39.
卡尔曼滤波在坦克目标状态估计中的应用 总被引:1,自引:0,他引:1
分析了现有机动目标数学模型及其卡尔曼滤波算法,并用数字信号处理器(DSP)对一个实际算法进行了实验.实验结果表明目标机动性能的提高将使坦克火控系统由于采用现行目标运动模型而产生较大的误差,因此,在火控系统中采用其他模型,如自适应模型等,势在必行.同时,对于跟踪精度高、实时计算量大的卡尔曼滤波算法,应用DSP技术实现具有良好的发展前景. 相似文献
40.
月球探测器轨道近地段飞行要求有精确的位置和速度信息。利用GPS的动力法解算能够提供必要的精度。文章给出了探测器近地段的GPS可见星条件及数目、动力法导航解算、不同采样周期和不同力模型对导航精度的影响。结果表明 ,采用简化力模型和 5s采样周期的动力法导航能够满足月球探测器近地段导航精度要求 相似文献