全文获取类型
收费全文 | 1708篇 |
免费 | 520篇 |
国内免费 | 92篇 |
出版年
2024年 | 1篇 |
2023年 | 1篇 |
2022年 | 18篇 |
2021年 | 25篇 |
2020年 | 31篇 |
2019年 | 22篇 |
2018年 | 18篇 |
2017年 | 88篇 |
2016年 | 87篇 |
2015年 | 69篇 |
2014年 | 122篇 |
2013年 | 213篇 |
2012年 | 165篇 |
2011年 | 181篇 |
2010年 | 113篇 |
2009年 | 85篇 |
2008年 | 83篇 |
2007年 | 91篇 |
2006年 | 115篇 |
2005年 | 122篇 |
2004年 | 114篇 |
2003年 | 94篇 |
2002年 | 51篇 |
2001年 | 74篇 |
2000年 | 48篇 |
1999年 | 38篇 |
1998年 | 39篇 |
1997年 | 32篇 |
1996年 | 38篇 |
1995年 | 21篇 |
1994年 | 47篇 |
1993年 | 16篇 |
1992年 | 13篇 |
1991年 | 15篇 |
1990年 | 17篇 |
1989年 | 6篇 |
1988年 | 4篇 |
1987年 | 3篇 |
排序方式: 共有2320条查询结果,搜索用时 15 毫秒
91.
针对辐射源运动方程和观测方程的强非线性,提出基于高斯和框架与5阶容积Kalman滤波(5CKF)的跟踪算法GS-5CKF。该方法将起始时刻的时差观测量所确定的位于地球表面的时差线按经度等间隔划分,初始化多个并行的5CKF,线性组合各滤波器的输出获得辐射源运动状态的估计。针对5CKF,提出新的非线性测度并引入滤波器分裂与合并,从而提高了跟踪精度,同时保持GS-5CKF算法复杂度基本不变。仿真表明,相对仅使用单个5CKF和基于高斯和框架但使用3阶容积Kalman滤波器的GS-3CKF等方法,提出的算法具有更高的估计精度。 相似文献
92.
为了解决接近空间非合作目标过程中的相对导航问题,提出一种基于相对轨道动力学方程和二阶龙格库塔积分公式的高精度空间非合作目标相对轨道预报模型。考虑地球J2摄动加速度,将目标轨道方程在参考轨道附近展开,保留至引力加速度差的二阶展开项,并进一步推导考虑J2摄动的参考轨道角速度和角加速度,建立相对轨道动力学微分方程;在给定相对轨道初值的情况下,采用二阶龙格库塔积分公式进行相对轨道预报。该模型采用数值积分方法,对相对轨道动力学模型形式没有限制,通用性好,适用范围广;选择低阶龙格库塔公式积分预报,既减少了计算量又保证了计算精度。设置高轨和低轨两种相对运动仿真场景,仿真结果表明了模型的通用性和精确性。 相似文献
93.
二进制偏移载波调制信号将在卫星导航系统中得到广泛应用。全球定位系统的L1C信号导频分量采用了时分二进制偏移载波调制,对此信号直接采用码参考波形算法消除多径时的鉴别曲线收敛点存在偏差,从而影响测距偏差。因此,提出一种时分二进制偏移载波调制信号的高精度无偏抗多径算法。通过时分的方式分别生成针对BOC(1,1)和BOC(6,1)分量的本地闸波,以保证鉴相函数在码相位无偏差时等于0。由于更好地利用了BOC(6,1)信号分量,该技术在实现无偏跟踪的同时,还能提高跟踪精度。 相似文献
94.
简化电磁发射装置中的导轨和电枢为线电流下的直导体,建立发射装置的物理模型。利用毕奥-萨伐尔定律和感应电动势原理,推导出磁探针线圈中心放置点的磁感强度。假设线圈范围内的磁场为均匀磁场,计算得到磁探针线圈产生的电动势。以此设计测量所用的磁探针,并和测试数据对比验证模型的正确性。在多次试验中发现,发射过程中装置振动导致磁探针距离变化和角度偏转问题。测量并分析三组单次发射中的故障测试状态。仿真和实验数据表明:小范围距离变化没有使磁探针的测试性能失效,但角度偏移对下一步的速度拟合带来误差干扰,且随着角度增大拟合速度逐步减小。 相似文献
95.
传统的粒子滤波算法在重要性采样估计时忽略了当前量测影响。在非线性场景下,传统的粒子滤波导致个别粒子具有大权值,造成估计结果精度差。针对该问题,结合均方根容积卡尔曼滤波(SCKF)算法和Gating技术,提出了一种新的重要性函数估计算法。本算法将后验概率作为重要性采样函数,通过利用SCKF和统计距离,建立粒子与量测的关联关系,实现对重要性采样函数的均值和协方差矩阵的估计。而后,使用粒子滤波算法,对多目标状态和数目进行估计。实验表明,在非线性跟踪场景下,本算法估计精度高,估计结果稳定。 相似文献
96.
基于AdaBoost-SVM的P2P流量识别方法 总被引:1,自引:0,他引:1
针对传统的P2P流量识别技术存在识别率低和误判率高的缺点,将机器学习中Ada Boost算法的良好分类能力和SVM的泛化能力结合起来,提出一种基于Ada Boost-SVM组合算法的P2P网络流量识别模型,将SVM作为Ada Boost的基分类器,运用最小近邻法计算支持向量与训练集的样本间的距离实现分类进行P2P流量识别。最后,以4种P2P流量数据为研究对象在MATLAB上进行仿真,仿真结果表明,提出的Ada Boost-SVM的组合算法在P2P网络流量的分类性能和分类准确率上都优于单纯的Ada Boost和SVM,组合算法的P2P流量平均识别率高达98.7%,远高于Ada Boost和SVM的识别率。 相似文献
97.
98.
99.
100.