全文获取类型
收费全文 | 311篇 |
免费 | 189篇 |
国内免费 | 26篇 |
出版年
2023年 | 4篇 |
2022年 | 7篇 |
2021年 | 5篇 |
2020年 | 10篇 |
2019年 | 12篇 |
2018年 | 4篇 |
2017年 | 33篇 |
2016年 | 28篇 |
2015年 | 28篇 |
2014年 | 28篇 |
2013年 | 34篇 |
2012年 | 38篇 |
2011年 | 30篇 |
2010年 | 23篇 |
2009年 | 25篇 |
2008年 | 19篇 |
2007年 | 33篇 |
2006年 | 28篇 |
2005年 | 17篇 |
2004年 | 16篇 |
2003年 | 12篇 |
2002年 | 11篇 |
2001年 | 16篇 |
2000年 | 9篇 |
1999年 | 11篇 |
1998年 | 8篇 |
1997年 | 6篇 |
1996年 | 4篇 |
1995年 | 7篇 |
1994年 | 5篇 |
1993年 | 2篇 |
1992年 | 4篇 |
1991年 | 2篇 |
1990年 | 3篇 |
1989年 | 2篇 |
1988年 | 2篇 |
排序方式: 共有526条查询结果,搜索用时 187 毫秒
441.
无线通信及其干扰的建模与仿真研究 总被引:1,自引:0,他引:1
对无线通信及其干扰建模进行了分析和结构设计,重点研究了无线通信的天线、传播损耗、信噪比、误码率、纠错及通信干扰等主要模型,开发了仿真实例并进行了试验。结果表明:无线通信设备的战术技术性能、战场环境因素和通信干扰等对无线通信效果有极大的影响。 相似文献
442.
目标威胁判断是防空作战中一项重要内容,在建立目标威胁模型时,首先要挑选特征参数,分析了影响威胁度的若干因素.这里采用Rough理论中知识约简方法选择目标的特征参数;支持向量机是一类新型机器学习方法,由于其出色的学习能力,该技术已成为当前国际机器学习界的研究热点,利用支持向量机建立了威胁判断模型,给出了实例和解决此问题的支持向量机源程序.通过实例与神经网络法的结果进行了比较,结果表明支持向量机比较精确和简单. 相似文献
443.
谱分析是雷达信号处理的重要组成部分,对目标分类、特征检测均有重要意义。高阶谱所具有的特殊性质,有助于人们从新的角度对雷达回波进行分析。本文提出了一种双谱分析双(Q,K)方法。仿真结果表明,本文提出的方法与其它的双谱估计算法相比估计精度更高。最后给出了应用实例 相似文献
444.
提出了一种基于小波变换的宽带模糊函数参数估计器,即通过交互小波变换计算宽带模糊函数,取宽带模糊函数模的平方的峰值点对应参数作为目标时延与时间伸缩的估计.仿真结果表明,该估计器的估计性能好于直接模糊函数估计器,且计算方便,非常适合于实际宽带处理系统应用. 相似文献
445.
针对同时存在通道幅度相位不一致与阵列互耦的均匀直线阵列,提出了一种采用模拟退火算法的阵列模型校正方法.该方法使用多个辅助信源分时工作,根据子空间基本原理构造目标函数,采用模拟退火算法对幅相误差矩阵及互耦矩阵进行估计.利用该方法对均匀直线阵进行了计算机仿真与实测实验,仿真及实验结果证明了该方法是有效可行的. 相似文献
446.
分析了计算机视觉中一种新的运动估计模型,将运动估计作为一个参数定义在"本质流形"上的非线性系统参数辨识问题。针对基于离散处理和连续处理方法得到的"本质流形",提出了一种新的、统一的自适应推广卡尔曼滤波算法,在"本质流形"的局部坐标系上进行运动估计。仿真结果验证了该算法的正确性。 相似文献
447.
提出基于稀疏优化的轨迹参数估计新方法,通过降低参数空间的维数改善模型的病态性。利用B样条函数实现轨迹参数的稀疏表示,根据轨迹参数与测量数据的关系建立估计轨迹参数的稀疏表示寻优模型,采用高斯牛顿法获得模型的解。寻优模型中待估参数的数量取决于样条节点数,利用样条函数的高阶导数在节点处的不连续性建立了选取样条节点的稀疏优化模型,采用凸优化方法求解该模型,实现样条节点数的最小化。仿真结果表明,稀疏优化方法能够大幅度提高不完全测量段落轨迹参数的估计精度。 相似文献
448.
为了解决传统基于阵列协方差矩阵稀疏性到达角估计方法计算复杂度高的问题,提出基于直接二维稀疏重构思想的高效到达角估计方法。该方法利用阵列输出数据的协方差矩阵构造二维稀疏表示模型,对协方差矩阵进行特征值分解以实现噪声功率估计,从而降低噪声对到达角估计的影响。在求解稀疏表示模型时,直接对该二维稀疏重构问题进行求解,避免了矩阵矢量化操作。仿真实验结果表明,该方法运行效率大大提高,并且在低快拍数、低信噪比和稀疏阵元等条件下估计性能优于传统方法。 相似文献
449.
证据理论与模糊神经网络相结合的身份估计方法 总被引:7,自引:0,他引:7
重点研究了在数据融合身份估计领域中D-S证据理论与模糊神经网络相结合的多传感器数据融合方法。Demp-ster-Shafer证据理论方法是对Beyes决策检验法的推广,证据理论比概率论满足更弱的公理系统,并且在区分不确定与不知道等方面显示了很大的灵活性,但是在基于证据理论的身份估计融合中,基本可信度的分配是一个与应用密切相关的问题,也是实际应用中最难的一步。利用模糊神经网络来处理证据理论中的基本可信度分配问题,并对几种空中目标进行了身份估计数据融合,经计算机仿真实验证实了该方法的有效性。 相似文献
450.