全文获取类型
收费全文 | 112篇 |
免费 | 27篇 |
国内免费 | 12篇 |
专业分类
航空 | 63篇 |
航天技术 | 20篇 |
综合类 | 13篇 |
航天 | 55篇 |
出版年
2023年 | 5篇 |
2022年 | 8篇 |
2021年 | 7篇 |
2020年 | 3篇 |
2019年 | 4篇 |
2018年 | 4篇 |
2017年 | 2篇 |
2016年 | 5篇 |
2015年 | 7篇 |
2014年 | 7篇 |
2013年 | 9篇 |
2012年 | 4篇 |
2011年 | 11篇 |
2010年 | 7篇 |
2009年 | 7篇 |
2008年 | 9篇 |
2007年 | 8篇 |
2006年 | 4篇 |
2005年 | 5篇 |
2004年 | 8篇 |
2003年 | 6篇 |
2002年 | 5篇 |
2001年 | 5篇 |
2000年 | 2篇 |
1999年 | 2篇 |
1998年 | 2篇 |
1996年 | 1篇 |
1995年 | 2篇 |
1994年 | 1篇 |
1991年 | 1篇 |
排序方式: 共有151条查询结果,搜索用时 15 毫秒
81.
82.
时频图像局部二值模式特征在雷达信号分类识别中的应用 总被引:2,自引:0,他引:2
针对低信噪比下雷达辐射源信号的分类识别,提出了一种将时频分析与图像处理相结合的特征提取和识别方法.该方法首先对雷达信号进行时频变换,将得到的时频分布转化为灰度图像;然后运用图像处理方法对时频图像进行增强和去噪;最后提取局部二值模式纹理特征描述子作为信号的识别特征,并采用支持向量机分类器实现信号的分类识别.文中针对12种常见雷达信号进行了仿真,结果表明该方法在较低的信噪比下仍能获得较为满意的识别率,当SNR=0dB时,信号的平均识别率能达到95.35%.所提出方法能有效降低噪声对分类识别的影响,同时对于时频图像相近的信号也有较好的识别效果,表明了该方法的有效性. 相似文献
83.
将小波相邻系数降噪与时频小波切片变换(FSWT)相结合用于滚动轴承的早期微弱故障时频特征提取,通过对滚动轴承加速疲劳试验早期微弱故障振动数据进行分析,结果表明:小波相邻系数可以有效降低淹没滚动轴承早期微弱故障特征的背景噪声;时频小波切片变换方法能有效提取出经小波相邻系数降噪后振动信号的时频特征,即滚动轴承发生故障时的特征频率及其谐频成分,验证了所述方法的有效性.此外,通过与谱峭度时频分析结果的对比,证明所述方法更能准确扑捉到滚动轴承发生早期微弱故障时的时频特性,突出了所述方法的优越性. 相似文献
84.
85.
航空发动机轴承振动信号中与故障关联的瞬时冲击成分在时频变换域上不仅具有稀疏性,还具有某些结构特征,而传统的以正交匹配追踪(OMP)算法为代表的贪婪类及其改进重构方法,通常仅利用了信号整体的稀疏性,未考虑结构性干扰可能造成的影响,导致算法求解效率较低。针对这一问题,提出了一种参数优化字典的结构化贝叶斯稀疏表示方法。首先,在OMP算法基础上,基于贝叶斯概率模型,研究了一种能够促进稀疏重构效果的结构化贝叶斯正交匹配追踪(SBOMP)稀疏表示模型,实现对信号的稀疏表示求解。其次,针对轴承故障振动信号的特性,构建能更好的匹配分析信号的时频冲击原子库,降低了字典的冗余程度,并将灰狼优化算法(GWO)引入到基于时频冲击字典的SBOMP模型中,为SBOMP模型提供高效的原子选取策略,降低了稀疏模型的复杂度。仿真与实验结果表明:所提方法能够更有效降低背景噪声和杂质频率的干扰,验证了所提方法对航空发动机轴承故障特征提取的有效性和适用性。 相似文献
86.
本文以兰姆波的群速度-频厚积频散曲线为基础,采用基于短时傅立叶变换的时-频分析方法,对薄板中传播的声-超声信号进行了处理分析。对厚度为2 mm薄钢板的声-超声检测实验结果证实,在声-超声检测形式下激发的超声波的主要成分是多模式的兰姆波。与现有文献中介绍的基于时间域识别的薄板声-超声信号分析方法相比,时-频分析方法不仅可以很好地识别兰姆波模式,而且可对各模式波的能量成分进行分析。 相似文献
87.
88.
89.
对连续小波变换、傅里叶变换及短时傅里叶变换等几种信号时频分析方法进行了理论分析,并通过确定信号的处理研究了各种方法的优势及局限性,研究结果对实际信号分析具有一定的参考价值. 相似文献
90.
为解决采用在转子升降速过程中产生的非平稳信号难以进行故障诊断的问题,提出一种基于2维时频脊线和阶次分析的转子故障诊断方法。采集转子升降速信号,采用2维时频分布的峰值脊线提取法获得信号脊线特征,结合脊线特征与等角度重采样技术依次获得信号角度域、角-阶域和阶次域图像,将信号阶次域内的特征参数作为故障敏感特征,输入人工神经网络诊断模型,对转子信号的故障类型进行分类。利用实测信号验证所提方法的实际应用效果,并与传统特征提取法的结果进行对比。结果表明:阶次分析方法的测试准确率约为99.8%,标准差小于0.09%,均优于传统特征提取法。基于时频脊线和阶次分析的转子故障诊断方法具有更高的诊断准确率,在非平稳信号特征提取过程中具有很好的可行性和准确性。 相似文献