全文获取类型
收费全文 | 759篇 |
免费 | 183篇 |
国内免费 | 88篇 |
出版年
2024年 | 9篇 |
2023年 | 29篇 |
2022年 | 18篇 |
2021年 | 63篇 |
2020年 | 47篇 |
2019年 | 28篇 |
2018年 | 7篇 |
2017年 | 30篇 |
2016年 | 50篇 |
2015年 | 37篇 |
2014年 | 55篇 |
2013年 | 44篇 |
2012年 | 70篇 |
2011年 | 59篇 |
2010年 | 62篇 |
2009年 | 54篇 |
2008年 | 46篇 |
2007年 | 51篇 |
2006年 | 38篇 |
2005年 | 24篇 |
2004年 | 18篇 |
2003年 | 29篇 |
2002年 | 30篇 |
2001年 | 37篇 |
2000年 | 12篇 |
1999年 | 7篇 |
1998年 | 14篇 |
1997年 | 15篇 |
1996年 | 8篇 |
1995年 | 6篇 |
1994年 | 6篇 |
1993年 | 3篇 |
1992年 | 4篇 |
1991年 | 6篇 |
1990年 | 10篇 |
1989年 | 4篇 |
排序方式: 共有1030条查询结果,搜索用时 15 毫秒
331.
用于纯方位目标跟踪的修正极坐标自适应卡尔曼滤波算法 总被引:7,自引:0,他引:7
针对纯方位被动目标跟踪中,直角坐标系下的扩展卡尔曼滤波器容易发散而导致滤波精度很差的问题,提出了一种修正极坐标系下的自适应卡尔曼滤波算法,对虚拟系统噪声进行估计,动态补偿模型线性化误差,对其滤波理论及算法进行了研究和仿真。仿真结果表明,该算法提高了滤波的稳定性、快速性和精确性,优于一般的扩展卡尔曼滤波算法。 相似文献
332.
对于多目标杂波环境中的机动目标跟踪,由于目标集群中各个目标间的空间距离可能小于探测器的空间分辨率,因而可能出现误跟、诱饵欺骗与杂波虚警等一系列严重后果。对此,提出一种综合运用UKF(不敏卡尔曼滤波)和SOFNN(自组织模糊神经网络)的UKF-SOFNN滤波跟踪算法,将机动目标模型视作严格的非线性系统,利用UKF-SOFNN对非线性参数的辨识能力提高对锁定机动目标的跟踪能力。仿真实例表明,该算法能有效地辨识目标群中的目标,并进行可靠的跟踪。 相似文献
333.
334.
为实现空中机动单站对运动目标的快速无源定位,提出了一种基于测向交叉定位方法的混合粒子滤波算法.针对粒子滤波初始化存在的问题,该算法从测向交叉定位方法得到建议分布,利用角度测量对状态变量的约束关系产生所需粒子,避免了粒子滤波产生粒子时的随机性,减少了高维情况下所需的粒子数目,降低了运算成本,提高了粒子滤波的实时性能.与粒... 相似文献
335.
冷喷涂过程中,粒子速度直接影响冷喷涂材料改性效果.由于射流流场为超音速气固两相冲击射流,用实验方法研究粒子速度的影响因素很困难,为此通过数值模拟方法再现流场中粒子速度的变化情况.用Fluent软件以冷喷涂技术中超音速气固两相射流流场为研究对象,对于气固两相流的模拟,则采用颗粒轨道模型(欧拉-拉格朗日模型)获得粒子在射流流场的速度变化情况;分析粒径、材料、喷涂距离以及载气等因素对粒子速度的影响.进一步优化冷喷涂工艺方案,得到了粒子特性与粒子到达基板前最大速度之间的优化关系. 相似文献
336.
337.
为了研究火炮在发射过程中膛内火药燃烧规律以及弹丸运动规律,需要建立火炮内弹道数学模型并进行数值求解,在此过程中对部分内弹道参数进行符合计算是优化内弹道模型的重要途经之一.在经典内弹道方程组的基础上,阐述了经典内弹道计算原理,并对基本粒子群算法进行了改进,使改进后的粒子群算法在迭代初期有较大的惯性权重ω和学习因子c1以及较小的学习因子c2,而在迭代后期有较小的惯性权重ω和学习因子c1以及较大的学习因子c2,从而有效地避免粒子群陷入局部最优而导致收敛精度低的缺陷.将改进后的粒子群算法应用于火炮内弹道多参数符合计算,算例结果表明该方法完全满足工程实际要求,具有收敛速度快、符合精度高的特性,是火炮内弹道多参数符合计算的理想算法之一. 相似文献
338.
针对多基地无人机协同规划航迹计算复杂、容易陷入局部最优的问题,在遗传粒子群算法(GAPSO)的基础上,引入禁忌搜索算法(Tabu-Search)混合为GAPSO-TS算法,通过与PSO、GAPSO算法对比,表明GAPSO-TS算法能够提高全局寻优性能,同时相对于GAPSO算法,加快了收敛速度.在多无人机时间协同三维航路规划里应用GAPSO-TS算法可以更快的收敛,同时设计以时间协同为约束的适应度函数,函数具有简单易行的特点,保证了不同基地的无人机都可以在同一时间内最快到达目的地,实验结果验证了算法的可行性. 相似文献
339.
考虑到多编队在低可观测情况下存在的目标跟踪问题,提出了一种基于高斯混合概率假设密度(GM-PHD)滤波算法的编队目标跟踪方法.该方法是在修剪融合过程中,先保留剪掉的高斯分量,再对这些分量进行状态外推,利用JS(Jensen-Shannon)散度判断下一时刻状态估计值与外推状态值是否相似,以判断结果体现目标丢失情况,使得真实目标不丢失,解决了低可观测情况下目标易漏检带来的跟踪性能下降问题.然后,利用编队目标的特点,结合密度聚类方法估计出编队整体的状态,避免因状态估计集合中状态值过多影响算法性能.最终,仿真实验结果表明,该方法可以在低可观测情况下有效跟踪编队目标,具有较好的跟踪性能. 相似文献