全文获取类型
收费全文 | 3015篇 |
免费 | 348篇 |
国内免费 | 361篇 |
出版年
2024年 | 28篇 |
2023年 | 80篇 |
2022年 | 76篇 |
2021年 | 171篇 |
2020年 | 148篇 |
2019年 | 67篇 |
2018年 | 17篇 |
2017年 | 80篇 |
2016年 | 102篇 |
2015年 | 98篇 |
2014年 | 226篇 |
2013年 | 209篇 |
2012年 | 230篇 |
2011年 | 218篇 |
2010年 | 159篇 |
2009年 | 189篇 |
2008年 | 219篇 |
2007年 | 178篇 |
2006年 | 148篇 |
2005年 | 147篇 |
2004年 | 125篇 |
2003年 | 134篇 |
2002年 | 110篇 |
2001年 | 107篇 |
2000年 | 70篇 |
1999年 | 58篇 |
1998年 | 67篇 |
1997年 | 59篇 |
1996年 | 38篇 |
1995年 | 31篇 |
1994年 | 34篇 |
1993年 | 31篇 |
1992年 | 25篇 |
1991年 | 21篇 |
1990年 | 9篇 |
1989年 | 14篇 |
1988年 | 1篇 |
排序方式: 共有3724条查询结果,搜索用时 31 毫秒
151.
军用无人机目标特性综述 总被引:1,自引:0,他引:1
军用无人机作为一类典型的空中目标,分析其目标特性有着重要的军事意义和技术价值。为系统介绍军用无人机的目标特性,从应用和设计的角度分析探讨了其作战使用、结构、飞行和电磁辐射等特性的基本特点,可为工程设计与使用人员提供参考。 相似文献
152.
153.
154.
155.
156.
157.
针对四旋翼无人机反步滑模鲁棒控制器(BSMRC)因参数整定困难而限制其工程应用的问题,设计了一种基于改进粒子群算法(IPSO)的BSMRC参数优化策略。建立了含未知扰动的无人机非线性模型并设计了补偿未知扰动的BSMRC,通过Lyapunov第2方法对系统稳定性进行了证明。接着,从惯性权重和学习因子两方面对经典PSO算法改进,提升了其收敛速度,在此基础上自动整定了BSMRC参数。通过仿真表明了IPSO可使BSMRC参数快速收敛到最优解。通过模块化编程及自动代码生成技术将最优BSMRC算法部署至Pixhawk 4飞控进行了飞行实验,结果表明了IPSO优化策略的有效性,体现出了BSMRC的强鲁棒性和抗扰性。该优化策略解决了无人机BSMRC参数整定效率低下的问题,并采用基于模型设计(model-based design, MBD)技术提高了无人机控制系统的开发效率。 相似文献
158.
城市低空运用小型无人机检测车辆等城市目标正逐渐成为主流手段。针对目前存在的实际场景中可见光探测易受光照影响、无法夜间工作和红外探测目标边缘模糊,导致单模检测网络检测精度低的问题,提出了一种基于图像融合和深度学习网络的无人机多模态融合的城市目标检测算法:首先,基于DUT-VTUAV可见光-红外配准数据集和TIF图像融合算法,构建多模态融合数据集;其次,对比了现有YOLO(You Only Look Once)检测系列网络的检测精度、速度及参数量等性能参数,选择出最适合无人机端移动部署的轻量化网络YOLO v5n;最后,综合运用图像融合算法和目标检测模型,形成多模态融合检测算法。在车辆数据集上进行的对比实验表明:相对单模检测,所提出的算法的检测精度得到有效提升,mAP高达99.6%,且该算法可在0.3 s内完成一组可见光-红外图像的融合检测,具有较高的实时性。 相似文献
159.
针对空中对抗环境中多对多拦截的武器目标分配问题,提出了一种基于强化学习的多目标智能分配方法。在多对多拦截交战场景下,基于交战态势评估构建了目标分配的数学模型。通过引入目标威胁程度和拦截有效程度的概念,充分反映了各目标的拦截紧迫性和各拦截器的拦截能力表征,从而全面评估了攻防双方的交战态势。在目标分配模型的基础上,将目标分配问题构建为马尔可夫决策过程,并采用基于深度Q网络的强化学习算法训练求解。依靠环境交互下的自学习和奖励机制,有效实现了最优分配方案的动态生成。通过数学仿真构建多对多拦截场景,并验证了该方法的有效性,经训练后的目标分配方法能够满足多对多拦截中连续动态的任务分配要求。 相似文献
160.
针对HRRP识别研究中面临的噪声污染问题,提出了一种基于卷积自编码器(convolutional auto encoder, CAE)的HRRP识别方法。此方法将CAE的重构功能与卷积神经网络(convolutional neural network, CNN)的分类性能相结合,将未含噪声的数据作为标签,利用CAE学习含噪声HRRP的噪声特征,实现对HRRP的去噪重构,后利用CNN对重构后的HRRP进行识别。仿真实验表明:在10 dB、20 dB、40 dB峰值信噪比的噪声环境下,该方法对HRRP的识别准确率分别可达到76.48%、95.14%、98.33%,能够一定程度上克服噪声对HRRP识别带来的不良影响,保证识别精度。 相似文献