全文获取类型
收费全文 | 735篇 |
免费 | 151篇 |
国内免费 | 42篇 |
出版年
2024年 | 4篇 |
2023年 | 20篇 |
2022年 | 26篇 |
2021年 | 22篇 |
2020年 | 36篇 |
2019年 | 31篇 |
2018年 | 7篇 |
2017年 | 25篇 |
2016年 | 34篇 |
2015年 | 33篇 |
2014年 | 54篇 |
2013年 | 40篇 |
2012年 | 54篇 |
2011年 | 70篇 |
2010年 | 49篇 |
2009年 | 47篇 |
2008年 | 63篇 |
2007年 | 51篇 |
2006年 | 37篇 |
2005年 | 27篇 |
2004年 | 32篇 |
2003年 | 18篇 |
2002年 | 30篇 |
2001年 | 17篇 |
2000年 | 12篇 |
1999年 | 12篇 |
1998年 | 17篇 |
1997年 | 9篇 |
1996年 | 6篇 |
1995年 | 13篇 |
1994年 | 10篇 |
1993年 | 4篇 |
1992年 | 3篇 |
1991年 | 5篇 |
1990年 | 5篇 |
1989年 | 4篇 |
1988年 | 1篇 |
排序方式: 共有928条查询结果,搜索用时 15 毫秒
21.
针对单站无源定位可观测性弱、观测噪声大而导致的定位精度低、稳定性差和收敛速度慢等问题,在结合平方根无迹卡尔曼滤波(Square-Root Unscented Kalman Filter,SRUKF)以及后向平滑思想的基础上,提出了一种改进SRUKF的双向滤波算法。该算法采用Q-R分解的形式,使用误差协方差的平方根代替协方差参与递推运算,提高了算法的稳定性与运算效率。同时,该算法对状态向量进行扩维,将过程噪声与观测噪声通过非线性系统传播,降低了噪声对滤波精度的影响,并利用当前时刻滤波结果通过Rauch-Tung-Striebel(RTS)后向平滑得到再次前向滤波更高精度的起始值,提高了算法的定位精度与收敛速度。仿真结果表明,新算法在保证实时性的基础上改善了单站无源定位的性能。 相似文献
22.
23.
24.
目标识别系统中所获得的信息常常是高度冲突和不确定的。基于DSmT理论的多传感器目标识别,可以解决证据高度冲突情况下的信息融合问题。然而由于DSmT理论融合结果分类精细而不利于判决,需要将某些分类结果进行重新分配。层次分析法(AHP)包含不确定知识矩阵,生成基本信度分配函数。基于此提出AHP-PCR5方法进行证据高度冲突情况下多传感器综合目标识别,不仅提高识别精度,降低识别过程的不确定因素,同时引入折扣系数灵活处理识别过程中具有不同可信度的多传感器融合问题。 相似文献
25.
26.
为了提升多载波并行组合扩频的通信性能,将自适应技术应用于多载波并行组合扩频通信系统中,并基于边缘自适应准则(MA),针对多载波并行组合扩频(PCSS-OFDM)通信系统和多载波差分多相并行组合扩频(DMP-PCSS-OFDM)通信系统,分别提出两种自适应通信方式。在多种多径信道环境中的仿真结果显示:在多径信道中,自适应PCSS-OFDM系统的误码率相比PCSS-OFDM系统有显著降低;自适应DMP-PCSS-OFDM系统则更适用于相干带宽较窄且衰落较深的信道中。 相似文献
27.
前期到基层调研,一些基层干部反映:时下许多工作,从上到下一级对一级传导压力,层层开会分散任务,把落实的责任以“主体责任”为借口,落在基层的头上,又是“留痕”又是报表,又是考核又是问责,基层感觉“压力山大”。“没有压力就没有动力。”科学地分解任务、压实责任,形成“一级抓一级、一级带动一级”的责任落实机制,本是抓工作落实的有效方法。 相似文献
28.
29.
为解决电机轴承故障状态难以识别,从而造成诊断精度不高的情况,提出了一种基于信号特征提取与极限梯度提升算法(extreme gradient boosting, XGBoost)结合的电机轴承故障诊断模型。使用优化的变分模态分解获得振动信号的固有模态函数(intrinsic mode function, IMF)分量,再基于多尺度熵理论计算各IMF分量的多尺度熵值进行特征重构。在鲸鱼优化算法(whale optimization algorithm, WOA)中引入遗传算法的选择、交叉、变异操作对WOA进行改进。用改进的WOA算法对XGBoost的超参数进行寻优,获得了帮助XGBoost取得最优分类效果的超参数组合,将7种不同故障类型的振动信号进行重构后输入优化的XGBoost模型进行故障诊断。实验结果表明,所提GWOA-XGBoost模型的电机轴承故障诊断精度能够达到97.14%,相较于传统诊断方法,性能提升效果显著。 相似文献
30.
全球导航卫星系统(global navigation satellite system, GNSS)高程时间序列具有非平稳、非线性、含噪声等特点,在深入研究Prophet预测模型的基础上,针对Prophet预测模型对于趋势信号和周期信号有良好预测效果这一特性,提出一种引入经验模态分解(empirical mode decomposition, EMD)的“降噪—分解—预测”组合GNSS高程时间序列预测方法。该方法先将原始时间序列进行EMD降噪,再对降噪后的序列进行分解预测,最后重构各分量预测信号为最终预测序列。通过对实测高程数据进行研究,实验结果表明:降噪后信号的平均信噪比为10.30dB,能量百分比平均为88.75%;利用所构建的短期预测方法,GNSS高程时间序列预测结果的均方根误差分别平均提升26.41%和14.88%;平均百分比误差分别平均提升18.92%和7.91%,验证了组合预测方法的有效性及实用性。 相似文献