全文获取类型
收费全文 | 238篇 |
免费 | 20篇 |
国内免费 | 39篇 |
专业分类
综合类 | 23篇 |
矿业工程 | 1篇 |
无线电 | 183篇 |
自动化技术 | 90篇 |
出版年
2024年 | 6篇 |
2023年 | 11篇 |
2022年 | 17篇 |
2021年 | 15篇 |
2020年 | 14篇 |
2019年 | 9篇 |
2018年 | 12篇 |
2017年 | 1篇 |
2016年 | 2篇 |
2015年 | 5篇 |
2014年 | 11篇 |
2013年 | 17篇 |
2012年 | 7篇 |
2011年 | 11篇 |
2010年 | 31篇 |
2009年 | 26篇 |
2008年 | 18篇 |
2007年 | 26篇 |
2006年 | 19篇 |
2005年 | 12篇 |
2004年 | 14篇 |
2003年 | 9篇 |
2002年 | 1篇 |
2000年 | 1篇 |
1998年 | 1篇 |
1995年 | 1篇 |
排序方式: 共有297条查询结果,搜索用时 15 毫秒
291.
针对密集组网场景中业务不确定性引起的基站休眠周期难以确定的问题,该文提出一种基于部分可测马尔可夫决策过程(Partially Observed Markov Decision Process, POMDP)业务感知的微基站休眠时长确定策略。该策略将周期分为长周期和短周期,每个周期由轻度和深度两个阶段构成。通过POMDP感知到达基站的业务状态,动态调整周期时长,进而选取适合当前周期的时长。仿真结果表明,该策略可以根据业务感知提前确定微基站关断时长,与基于业务门限值的基站关断机制相比节能效果更好。 相似文献
292.
293.
294.
针对网络切片场景下时变网络流量引起的虚拟网络功能(VNF)迁移问题,该文提出一种基于联邦学习的双向门控循环单元(FedBi-GRU)资源需求预测的VNF迁移算法。该算法首先建立系统能耗和负载均衡的VNF迁移模型,然后提出一种基于分布式联邦学习框架协作训练预测模型,并在此框架的基础上设计基于在线训练的双向门控循环单元(Bi-GRU)算法预测VNF的资源需求。基于资源预测结果,联合系统能耗优化和负载均衡,提出一种分布式近端策略优化(DPPO)的迁移算法提前制定VNF迁移策略。仿真结果表明,两种算法的结合有效地降低了网络系统能耗并保证负载均衡。 相似文献
295.
针对自由空间传播模型仅能描述自由空间场景下携带轨道角动量(OAM)的涡旋信道传播特性,以及确定性稀疏多径涡旋信道模型严格依赖于传播环境而不能准确刻画真实多径场景下OAM信道传播特性的问题,该文提出毫米波OAM多径信道统计建模方法。在室内走廊环境下构建基于均匀圆形天线阵列(UCA)的OAM辐射传输系统,基于光学射线理论与UCA辐射特性,建立OAM多径信道模型。结果表明,在毫米波频段均匀分布和Nakagami-m分布能够准确地表征室内走廊多径环境下的OAM信道波前相位和幅度,视距(LoS)和非视距(NLoS)传播条件下传播距离较大时信道幅度服从瑞利分布,视距传播条件下传播距离较小时信道幅度服从莱斯分布。 相似文献
296.
面对未来无线移动通信对通信质量和频谱效率的更高要求,该文融合索引调制(IM)与可重构智能表面(RIS)技术,建立基于IM的RIS辅助单输入多输出(SIMO)通信系统架构,并提出一种基于变分贝叶斯推断(VBI)的信号检测算法。首先,在该系统中,RIS单元被划分为若干子块,利用RIS子块的激活状态传递附加信息;接着,利用VBI给出激活RIS子块对应的相移矢量与待检测信号的近似后验分布;最后,利用RIS相移矢量近似后验分布的对数零梯度值结合正交匹配追踪算法(OMP)恢复出索引信息比特,进而利用待检测信号对数零梯度值,恢复出发送信号。同时,从理论上推导了基于IM的RIS辅助SIMO系统平均速率。仿真结果表明,与传统RIS辅助的SIMO通信系统相比,基于IM的RIS辅助SIMO系统具有更高的系统平均速率;并且与现有算法相比,该文算法具有更低的误比特率。 相似文献
297.
针对网络切片场景中,由于软硬件异常而导致服务功能链(SFC)异常的问题,该文提出一种基于分布式生成对抗网络(GAN)的时间序列异常检测模型(DTSGAN)。首先,为学习SFC中正常数据的特征,提出分布式GAN架构,对SFC中包含的多个虚拟网络功能(VNF)进行异常检测;其次,针对时间序列数据构建一种基于滑动窗口数据特征提取器,通过提取数据的两种衍生特性和8种统计特征以挖掘深层次特征,得到特征序列;最后,为学习并重构数据特征,提出时间卷积网络(TCN)与自动编码器(AE)构建的3层编解码器作为分布式生成器,生成器通过异常得分函数衡量重构数据与输入数据的差异以检测VNF的状态,进而完成SFC的异常检测。在数据集Clearwater上采用准确率、精确率、召回率和F1分数这4个性能指标验证了该文所提模型的有效性和稳定性。 相似文献