全文获取类型
收费全文 | 1210篇 |
免费 | 222篇 |
国内免费 | 233篇 |
专业分类
航空 | 695篇 |
航天技术 | 324篇 |
综合类 | 150篇 |
航天 | 496篇 |
出版年
2024年 | 18篇 |
2023年 | 62篇 |
2022年 | 58篇 |
2021年 | 55篇 |
2020年 | 78篇 |
2019年 | 67篇 |
2018年 | 65篇 |
2017年 | 44篇 |
2016年 | 48篇 |
2015年 | 56篇 |
2014年 | 58篇 |
2013年 | 68篇 |
2012年 | 79篇 |
2011年 | 87篇 |
2010年 | 89篇 |
2009年 | 89篇 |
2008年 | 95篇 |
2007年 | 77篇 |
2006年 | 67篇 |
2005年 | 54篇 |
2004年 | 46篇 |
2003年 | 39篇 |
2002年 | 28篇 |
2001年 | 37篇 |
2000年 | 17篇 |
1999年 | 20篇 |
1998年 | 25篇 |
1997年 | 10篇 |
1996年 | 10篇 |
1995年 | 11篇 |
1994年 | 13篇 |
1993年 | 14篇 |
1992年 | 13篇 |
1991年 | 22篇 |
1990年 | 14篇 |
1989年 | 15篇 |
1988年 | 8篇 |
1987年 | 8篇 |
1986年 | 1篇 |
排序方式: 共有1665条查询结果,搜索用时 296 毫秒
711.
一种多模型自适应联邦滤波器及其在INS/CNS/GPS组合导航系统中的应用 总被引:10,自引:0,他引:10
本文介绍一种基于多模自适应估计的联邦滤波器的原理和特点。设计了INS/CNS/GPS组合导航系统的联邦滤波算法 ,并首次将多模自适应估计方法运用到联邦卡尔曼滤波器中。此外 ,联邦滤波器算法中采用自适应调整信息分配系数的方法。仿真结果表明 ,与采用单一模型的联邦滤波算法相比 ,多模自适应方法与联邦滤波方法结合使用能大大提高导航系统的精度和可靠性。 相似文献
712.
基于各向异性和非线性正则化的湍流退化图像复原 总被引:11,自引:2,他引:11
提出了一种基于各向异性和非线性正则化的湍流退化图像复原新算法。为了有效地从湍流退化图像中估计出退化模型,在湍流点扩展函数的优化估计过程中合理地融合了有关湍流点扩展函数的一些基本的先验知识。首先,将点扩展函数的非负性和光滑性约束加入到目标函数中。再针对湍流点扩展函数的衰减性质,建立了一个具有非线性和空间各向异性的正则化函数,使其在重建点扩展函数时能适当地进行空间梯度平滑。由此通过迭代极小化目标函数来优化估计湍流点扩展函数值,进而恢复图像。对各种噪声条件下的湍流退化图像进行了恢复实验,实验结果表明本文算法具有较强的稳定性和抗噪能力。 相似文献
713.
SAR图像目标峰值特征提取与方位角估计方法研究 总被引:10,自引:1,他引:10
目标峰值特征是SAR图像目标识别的重要特征之一。峰值特征提取是SAR图像目标识别的一个重要步骤,为了由SAR图像快速、精确地提取目标峰值特征.本文首先研究了SAR图像目标峰值特征提取方法,提出了一种“子像素”级精度的SAR图像目标峰值特征提取方法.并通过仿真实验分析了峰值位置、峰值幅度的估计精度。由于目标SAR图像或SAR图像特征矢量对目标方位角变化的敏感性,因此,为了提高SAR图像目标识别系统的分类效率,本文还研究了SAR图像目标方位角估计方法,提出了一种利用峰值特征基于线性回归的sAR目标方位角估计方法,和现有方法相比,该方法除了计算速度快,估计精度较高之外,还能在估计方位角的同时,给出该估计的置信区间,从而更好的满足SAR ATR的实际需要。文中通过对大量实测MSTAR SAR图像目标方位角的估计实验,验证了本文目标峰值特征提取及方位角估计方法的有效性。 相似文献
714.
合成孔径雷达(SAR)的相干斑噪声严重影响图像质量、降低图像的可判读性。本文提出的滤波方法,将通用小波阈值滤波方法和基于图像局域统计特性的滤波方法相结合。针对非平稳SAR图像的不同区域采用不同的方法调整小波系数,具有自适应能力。分析了噪声在小波变换域中的分布和统计特性,用高斯混合模型来对其进行描述。采用期望最大似然(EM)算法迭代出小波系数的分布参数。最后用贝叶斯估计得出真实图像的小波系数。在仿真实验中,将该方法与经典的局域统计方法以及通用的小波阈值去噪方法进行了比较。结果表明,本文的方法能对非平稳SAR图像进行更有效的滤波。 相似文献
715.
716.
717.
718.
针对传统多智能体轨迹估计算法信息交换量大,计算量随群规模指数增长,可扩展性差等诸多不足,提出了一种基于超松弛迭代(SOR)的分布式多智能体轨迹估计算法,通过将最大似然(ML)准则下的轨迹估计转化为两级线性优化问题,并综合利用分布式超松弛迭代(Distributed SOR)和标记初始化方法,加快求解速度并简化信息交换流程,最终实现了多智能体位姿轨迹优化和协作定位。实验表明,所提的分布式方法能达到集中式算法的精度水平,在49个智能体规模条件下,位置估计误差小于0.15 m,姿态估计误差小于0.03°,且数据交换量仅到现有主流分布式方法DDF-SAM的0.06%,能很好用于大规模集群的场景。 相似文献
719.
720.