全文获取类型
收费全文 | 145篇 |
免费 | 80篇 |
国内免费 | 8篇 |
出版年
2024年 | 2篇 |
2023年 | 2篇 |
2022年 | 4篇 |
2021年 | 1篇 |
2020年 | 2篇 |
2019年 | 2篇 |
2018年 | 1篇 |
2017年 | 2篇 |
2016年 | 11篇 |
2015年 | 4篇 |
2014年 | 5篇 |
2013年 | 7篇 |
2012年 | 14篇 |
2011年 | 13篇 |
2010年 | 11篇 |
2009年 | 15篇 |
2008年 | 14篇 |
2007年 | 10篇 |
2006年 | 16篇 |
2005年 | 17篇 |
2004年 | 15篇 |
2003年 | 5篇 |
2002年 | 11篇 |
2001年 | 3篇 |
2000年 | 5篇 |
1999年 | 7篇 |
1998年 | 8篇 |
1997年 | 10篇 |
1996年 | 5篇 |
1995年 | 3篇 |
1994年 | 1篇 |
1993年 | 3篇 |
1992年 | 1篇 |
1991年 | 1篇 |
1990年 | 1篇 |
1989年 | 1篇 |
排序方式: 共有233条查询结果,搜索用时 15 毫秒
121.
本文首先对单导联心电图( E C G)信号的小波变换进行假设检验,得到 Q R S波群的位置和检验的虚警漏报概率,然后对 12 导联检测结果作峰点比对融合和决策加权融合处理,最终得到精确的 Q R S位置。实验表明这种方法对各种主要病症的 Q R S波群均能准确检出,正确率在 9995% 以上。 相似文献
122.
123.
基于小波变换模极大值恢复的信号消噪方法 总被引:7,自引:0,他引:7
大多数的信号常具有某种奇异性 ,并携带有随机噪声 .首先回顾了信号奇异性与小波变换模极大值之间的关系 ,然后利用信号与噪声的Lipschitz指数的符号不同 ,在S .Mallat等人工作的基础上 ,给出了从信号中去除噪声的具体算法 相似文献
124.
本文针对基于小波的图像压缩,提出一种新的快速有效的量化方法。该方法将矢量量化的高效率和标量量化的简单性有机地结合起来,称为混合量化(HQ-HybridQuan-tization)。它不需要进行码书训练,不要做乘除法。并用标准测试图像与其它著名方法的压缩结果进行了比较。 相似文献
125.
针对传统方法无法有效识别不同尺寸细小裂纹所产生的脉冲涡流信号,提出一种基于希尔伯特-黄变换的脉冲涡流信号消噪与识别算法。对脉冲涡流信号进行集成经验模态分解并通过归一化自相关函数及其方差特性分选出含有噪声的本征模态函数;对含噪声的本征模态函数进行阈值消噪并与未做处理的本征模态函数重构成无噪声信号;对无噪声信号进行希尔伯特-黄变换并计算出希尔伯特边际谱;根据希尔伯特边际谱的差异识别出不同细小尺寸的表面与下表面裂纹。实验结果表明了所提方法的有效性,经过集成经验模态分解消噪,消除了噪声对脉冲涡流信号的干扰;而基于希尔伯特-黄变换的方法则能够有效识别出不同尺寸的裂纹。 相似文献
126.
目前对机械零件的尺寸、口径等参数的测量大多采用接触测量,而利用零件图像的边缘信息进行非接触测量,则是一种新的更好的检测方式。用此方法可以对机械零件图像的边缘进行精确的检测,再根据相应的数学关系得到相关参数的值,不但可以提高零件检测的精度,还可以大大节省人力和物力。模拟边缘检测技术的具体过程,依次采用最佳阈值迭代算法、小波变换模极大值法、边缘连接局部处理法对零件图像边缘信息进行边缘检测和提取,并对检测过程进行了重点分述。最后,通过一个具体实验,验证了小波技术与其他技术结合使用所获得的良好效果,从而进一步显示了小波变换在边缘检测技术中应用的巨大潜力。 相似文献
127.
对于空间目标识别这个具有挑战性的研究课题,提出了基于二维小波变换的空间目标识别算法。该算法首先对空间目标的ISAR像进行二维小波变换,然后从近似分量和细节分量中提取奇异值特征,最后应用径向基函数(RBF)神经网络进行分类识别。计算机仿真实验表明,该算法取得了比较好的识别效果。 相似文献
128.
针对离散傅立叶变换(DFT)对加速运动目标进行检测时的局限性,结合离散Chirp Fourier变换(DCFT)和弹载脉冲多普勒雷达信号检测的具体背景,提出了一种基于FFT的变尺度离散Chirp Fourier变换(B DCFT),分析了它的性能。将它应用于雷达信号检测的应用背景形成了一种对线性调频信号的级次检测算法。理论分析和仿真试验表明该算法在运算量和检测性能方面均有一定的优势。 相似文献
129.
在小波域隐Markov模型(HMM)的基础上提出一种新的合成孔径雷达(SAR)图像的滤波方法。首先根据小波变换的内在特征,建立小波域的隐Markov树(HMT)模型,通过EM算法可以获得该HMT模型的参数估计。然后根据SAR图像的统计性质,将SAR图像的乘法斑点杂噪声在局部范围内近似为加性白高斯噪声,通过最小均方差(MMSE)估计可以获得信号的小波变换值。通过对真实SAR图像的应用,结果说明该方法可以在保存图像细节特征的情况下有效地抑制图像的噪声。 相似文献
130.