全文获取类型
收费全文 | 5679篇 |
免费 | 712篇 |
国内免费 | 407篇 |
专业分类
航空 | 2984篇 |
航天技术 | 1203篇 |
综合类 | 522篇 |
航天 | 2089篇 |
出版年
2024年 | 65篇 |
2023年 | 252篇 |
2022年 | 232篇 |
2021年 | 258篇 |
2020年 | 237篇 |
2019年 | 193篇 |
2018年 | 123篇 |
2017年 | 176篇 |
2016年 | 162篇 |
2015年 | 161篇 |
2014年 | 234篇 |
2013年 | 194篇 |
2012年 | 305篇 |
2011年 | 317篇 |
2010年 | 262篇 |
2009年 | 287篇 |
2008年 | 283篇 |
2007年 | 324篇 |
2006年 | 313篇 |
2005年 | 256篇 |
2004年 | 232篇 |
2003年 | 248篇 |
2002年 | 193篇 |
2001年 | 208篇 |
2000年 | 150篇 |
1999年 | 156篇 |
1998年 | 144篇 |
1997年 | 138篇 |
1996年 | 117篇 |
1995年 | 101篇 |
1994年 | 103篇 |
1993年 | 81篇 |
1992年 | 82篇 |
1991年 | 58篇 |
1990年 | 58篇 |
1989年 | 48篇 |
1988年 | 21篇 |
1987年 | 20篇 |
1986年 | 4篇 |
1985年 | 1篇 |
1983年 | 1篇 |
排序方式: 共有6798条查询结果,搜索用时 843 毫秒
271.
宽带数字阵列雷达接收通道中存在随频率变化的幅相误差和互耦误差,会严重影响雷达性能。针对这一问题,提出了一种宽带数字阵列幅相与互耦误差联合校正算法。首先选取通带内多个离散频点,对于每个频点,将幅相误差和互耦误差作为一个整体,采用基于子空间原理的窄带校正算法估计其阵列失真参数,并计算校正矩阵;然后将其组合起来,构成频域离散校正矩阵;最后基于最小二乘准则,设计了宽带有限长脉冲响应(FIR)校正滤波器矩阵。利用该矩阵,可实现通带范围内任意带宽入射信号的校正。计算机仿真实验验证了该算法的有效性。对实测数据的处理结果表明该算法在宽带数字阵列雷达系统中具有实用价值。 相似文献
272.
273.
随着科学技术的进步,角度检测在现代工业体系中占有重要地位.现有角度检测设备因其测量范围、测量精度和功耗等局限,而逐渐不能满足测量要求.采用石英挠性加速度计传感器、AD7734与ARM MCU组合而成的一种新型倾角测量仪,通过对石英挠性加速度计的电流信号进行调理和AD采集,以及对采集的数据进行滤波处理,解算出倾角,通过标准RS485通信接口将数据传输到PC机上显示.实验表明:在0°~ 30°角度测量范围内,该系统倾角测量精度可以达到±0.01 °,具有很好的工作稳定性.同时,该倾角测量仪具有体积小、精度高、重量轻、功耗低等优点,可广泛应用到桥梁架设、国防军事、地质勘探、土木工程、石油钻井、航空航天、航海、精密加工等领域. 相似文献
274.
275.
针对传统Canny边缘检测算法存在的不足,结合激光主动成像末制导的实际特点,提出了一种改进的Canny边缘检测算法.该算法在Canny边缘检测算法的基础上,采用同态滤波和提升小波变换级联的方法代替传统的高斯滤波器;采用3×3邻域的权值梯度计算方法代替原有的2×2邻域差分运算;采用Otsu自适应阈值计算方法,使算法可根据图像自身特点选择最合适的阈值.实验证明:该算法提升了传统Canny算子的抗干扰能力和鲁棒性,能够较好地保存边缘信息,准确检测出激光主动成像图像的边缘,具有较强的自适应性. 相似文献
276.
一种孔径和频率二维稀疏的步进频SAR成像方法 总被引:1,自引:0,他引:1
步进频率信号(SFWs)在不增加雷达系统瞬时带宽的情况下能够获得高的距离向分辨率的同时,也存在着抗干扰能力较差及其等效重复频率较低的问题,并且在方位向积累时间内由于雷达载机工作状态的变化,会导致方位向的数据录取不完整。针对上述问题,提出一种孔径和频率二维稀疏的步进频合成孔径雷达(SAR)成像方法。首先,分析了稀疏步进频率信号(SSFWs)的SAR成像模型,然后基于压缩感知理论完成距离向成像处理。其次,针对稀疏孔径的回波数据,通过构造成像算子和压缩感知重建模型的方法实现其距离徙动校正和方位压缩处理,进而获得二维成像结果。相比于传统的步进频率信号SAR成像,利用所提方法能够在少量的频率资源和雷达回波数据情况下实现准确的SAR成像。最后,通过对仿真和实测的步进频率雷达数据进行成像处理,验证了所提方法的有效性和可行性。 相似文献
277.
278.
为了研究航空发动机试验中精确数学模型未知的多传感器故障诊断问题,采用基于广义回归神经网络(General Regression Neural Network,GRNN)组的故障检测方法,提炼出传感器之间的约束关系和故障规律,构建了一组多输入多输出GRNN,用于估计传感器输出,与测量值生成残差,通过与门限值比较判断可疑传感器,找到神经网络组中的具有最小可疑传感器数的GRNN。采用可疑传感器的估计信号做为重构信号交叉验证其它GRNN。通过验证即可确定可疑传感器为最终故障传感器。为了控制神经网络的回归精度,将多输入多输出神经网络分解为多个多输入单输出网络。通过仿真数据验证了该方法用于传感器故障检测的可行性。 相似文献
279.
280.