全文获取类型
收费全文 | 185篇 |
免费 | 44篇 |
国内免费 | 13篇 |
出版年
2024年 | 4篇 |
2023年 | 16篇 |
2022年 | 8篇 |
2021年 | 12篇 |
2020年 | 11篇 |
2019年 | 3篇 |
2018年 | 7篇 |
2017年 | 5篇 |
2016年 | 4篇 |
2015年 | 7篇 |
2014年 | 20篇 |
2013年 | 11篇 |
2012年 | 12篇 |
2011年 | 16篇 |
2010年 | 15篇 |
2009年 | 10篇 |
2008年 | 12篇 |
2007年 | 8篇 |
2006年 | 8篇 |
2005年 | 1篇 |
2004年 | 7篇 |
2003年 | 4篇 |
2002年 | 4篇 |
2001年 | 4篇 |
1999年 | 4篇 |
1998年 | 4篇 |
1997年 | 3篇 |
1996年 | 10篇 |
1995年 | 3篇 |
1994年 | 2篇 |
1993年 | 3篇 |
1992年 | 4篇 |
排序方式: 共有242条查询结果,搜索用时 15 毫秒
141.
142.
为了加快优化速度和提高优化质量,提出一种基于Gauss伪谱法的再入可达域计算方法。鉴于再入时一般采用固定的攻角剖面,将攻角作为状态变量,仅对倾侧角进行单变量寻优。优化过程中,再入纵程被视为终端约束,以获取不同纵程下的最大横程,将速度倾角视为过程约束,以消除弹道的跳跃现象。通过仿真,求解出了通用航空飞行器的再入可达域,结果与间接法的理论证明一致。 相似文献
143.
为了更合理地制定导弹的战术指标和作战任务规划,对多脉冲导弹可达域进行研究。通过引入加权的纵程和横程的组合性能指标函数,将可达域的优化问题转化为最优控制问题,建立以飞行攻角和侧滑角为双优化设计变量的多阶段多约束优化模型,采用hp自适应伪谱法对其进行求解,并着重分析多脉冲导弹发动机参数和终端约束条件对导弹可达域的影响。仿真结果表明,hp自适应伪谱法能有效解决多阶段多约束的多脉冲导弹可达域优化问题,且多脉冲导弹脉冲发动机时间间隔越小,推力比越大,装药比越小,导弹的可达域越大,相比于终端速度对可达域的影响,终端弹道倾角对可达区域的影响较小。 相似文献
144.
145.
TIE算法能对域间出口的选择进行调节,但是该算法的参数计算过于复杂,并且出口选择的调节并不能随负载的变化而变化,因此提出了一种自适应的可调域间出口选择算法ATIE,该算法能够满足流量工程和网络健壮性要求,并通过参数T的改变随当前负载的变化而变化.实验表明,ATIE算法能够在控制剖面敏感性和随负载变化的流量工程自适应性上达到合理的折衷. 相似文献
146.
本文提出了一种新一般跳频序列构造成为满足宽间隔的跳频序列方法-圆周分割映射法,使用此方法能够充分利用所有的频点,实现比较大的频隙间隔,而且算法本身计算容易,便于实现。 相似文献
147.
针对GPS实时动态精密相对定位应用背景,提出一种整周模糊度实时求解方法。采用宽巷组合载波相位双差、伪距双差观测信息建立观测模型;对浮点模糊度协方差阵进行一次Cholesky分解,构造了浮点转换矩阵,使浮点模糊度完全去相关;推导确定整周模糊度的搜索空间;利用最小残差平方和搜索准则,确定单历元整周模糊度,并用OVT检验方法,对不同历元得到的整周模糊度进行一致性检验。结果表明,观测量误差均方差取值对整周模糊度搜索空间和成功率有较大影响,附加OVT检验的双频去相关单历元动态解算整周模糊度方法正确可行。 相似文献
148.
阵列雷达的主瓣干扰抑制是雷达抗干扰领域的一个难题。提出了一种基于子阵域的盲源分离主瓣抗干扰算法。该算法以特征矩阵近似联合对角化(joint approximate diagonalization of eigen-matrices,JADE)盲源分离算法为基础,与传统的全向阵列算法相比,该算法提供了较低的复杂度,尤其是针对大型阵列时,算法的优势更加显著。其设计思路是先将全向阵列划分到子阵域;然后在子阵域的基础上利用多重信号分类和恒虚警检测,设计了一种新的盲源分离信道数预估计方法,为JADE提供先验信息;最后设定盲源分离通道数,使接收信号分离,并将分离信号分别进行脉冲压缩、信号检测等步骤,从而达到雷达主瓣抗干扰的目的。通过仿真分析可知,该方法可以实现目标信号和干扰信号的有效分离,且计算量对比全向阵列有显著降低,具有一定的工程应用前景。 相似文献
149.
在基于声信号的机器设备异常检测中,机器运行时发出的声音可能会因机器运转状态的改变而发生变化,环境噪声也会改变场景中的声学特征,而传统的机器异常声音检测系统会因为声学特征的改变导致正常的声音被错误地标记为异常。针对这一问题,提出了基于域泛化技术的无监督机器异常声音检测方法。首先,将声信号的对数梅尔谱图输入深度学习神经网络模型,结合域混合方法和坐标注意力机制模块,提高系统域泛化能力和异常识别性能;然后,在DCASE开源数据集上进行实验,与两种基线评估系统的AUC和pAUC得分进行对比。结果表明,所提出的方法在域泛化条件下的异常检测性能得到明显提升。 相似文献
150.