全文获取类型
收费全文 | 83篇 |
免费 | 40篇 |
国内免费 | 8篇 |
出版年
2022年 | 1篇 |
2021年 | 1篇 |
2020年 | 2篇 |
2019年 | 3篇 |
2018年 | 1篇 |
2017年 | 5篇 |
2016年 | 9篇 |
2015年 | 2篇 |
2014年 | 3篇 |
2013年 | 5篇 |
2012年 | 16篇 |
2011年 | 7篇 |
2010年 | 2篇 |
2009年 | 8篇 |
2008年 | 15篇 |
2007年 | 9篇 |
2006年 | 3篇 |
2005年 | 8篇 |
2004年 | 5篇 |
2003年 | 4篇 |
2002年 | 3篇 |
2001年 | 1篇 |
2000年 | 3篇 |
1999年 | 4篇 |
1998年 | 4篇 |
1997年 | 2篇 |
1995年 | 1篇 |
1991年 | 1篇 |
1990年 | 1篇 |
1989年 | 2篇 |
排序方式: 共有131条查询结果,搜索用时 15 毫秒
101.
研究了强迫激励方法在电磁散射计算中的应用 ,此方法将地表目标散射分析化为两步 :首先分析地面的散射 ,再将地面的散射作为激励作用于目标 ,从而得到地面背景下目标的电磁散射信号。应用强迫激励方法计算了地表背景下车体的时域电磁散射 ,并与试验作了对比 ,两者比较吻合 相似文献
102.
被动声定位技术在许多领域中有着广泛的应用,但定位精度低一直是影响其工程应用的关键问题之一。在研究单基阵被动声定位技术的基础上,提出了基于双基阵的被动声定位基本原理和方法,并对高炮弹丸炸点的被动声定位进行了仿真实验。仿真结果表明,采用双基阵对高炮弹丸炸点进行被动声定位,其精度有较大提高,克服了单基阵定位精度低的不足。此原理和方法同样适用于对其它三维空中目标进行被动声定位。 相似文献
103.
104.
对潜用自航式声诱饵发展的有关问题进行了探讨.从潜艇防御作战的特点和对手情况出发,研究了潜用自航式声诱饵所担负的作战使命,提出了受迫式和主动式使用自航式声诱饵的概念,分析了各种反潜兵力、反潜兵器和海底反潜网所具有的反水声对抗能力,以此为基础,探索现代潜用自航式声诱饵所应具备的功能.指出了潜用自航式声诱饵应具备声学、运动和尺度三维的诱骗能力,此外,潜用自航式声诱饵还应具备固定弹道射击控制模式、实时规划弹道射击控制模式等战术使用功能. 相似文献
105.
散射中心匹配是当前散射中心用于SAR图像目标识别的一个主要技术途径.散射中心匹配的难点在于散射中心特征存在的误差和缺失.Coherent Point Drift (CPD)方法从概率密度估计的角度解决点模式匹配问题,能够较好地考虑散射中心的误差和缺失.本文将CPD方法用于散射中心匹配,并在此基础上引入车辆目标SAR图像方位角估计先验信息和散射中心属性信息,以提高散射中心匹配的准确性和稳健性.MSTAR数据实验说明了该方法的有效性. 相似文献
106.
基于散射探测的鱼眼激光告警方法 总被引:1,自引:0,他引:1
分析了鱼眼激光告警系统的工作原理,建立了基于散射探测的鱼眼激光告警系统的探测模型,推导出系统的目标光斑成像公式及目标光斑到达探测系统的单像元能量公式,最后引用美国休斯飞机公司AN/TVQ-2激光目标指示器参数进行数值模拟分析,得出激光传输距离及鱼眼告警系统设置高度与探测器单像元能量的关系。 相似文献
107.
108.
给出了一种更符合海面实际情况的基于未充分发展海谱的分形海面模型(NDFFM),使用双尺度法计算了NDFFM海面的后向散射截面,并研究了动态散射场幅值分布。结果表明在大特征斜率下散射场服从K分布,随着特征斜率的下降,散射场分布向瑞利分布退化。最后将计算数据与传统的分形模型和实测雷达数据进行比对,证明了该模型的准确性和有效性。 相似文献
109.
针对SARATR需要,基于属性散射中心模型,研究了从SAR图像提取目标散射中心特征的方法。该方法首先从SAR图像分割出包括单个散射中心响应的目标区域,然后判断该区域对应的散射中心的类型,最后再采用相应的参数模型进行参数初值选择和数字优化,从而得到对应该区域的目标散射中心特征。通过循环执行上面的步骤,就可以从SAR图像提取出目标所有散射中心特征。仿真结果表明,该算法具有良好的估计性能。 相似文献
110.
针对磨削表面粗糙度传统BP(Back Propagation)神经网络模型在线预测时存在预测精度低、误差大等问题,以磨削声发射信号的RMS值、FFT值、标准差、方差和偏斜度5参量为输入单元,建立了三层BP神经网络来预测磨削表面粗糙度,并应用附加动量法和自适应学习速率法对其进行了改进。通过仿真优化了隐层单元数,利用模型对磨削加工10个频段的声发射信号样本进行优选,确定将300400kHz的声发射(Acoustic Emission,AE)信号作为表面粗糙度预测模型学习样本频段。实验结果显示:改进后的BP预测模型与传统BP模型相比,具有收敛速度快、预测精度高的特点,相对误差可控制在8.66%以内。 相似文献