全文获取类型
收费全文 | 16786篇 |
免费 | 1783篇 |
国内免费 | 1309篇 |
专业分类
电工技术 | 3784篇 |
综合类 | 1443篇 |
化学工业 | 3031篇 |
金属工艺 | 838篇 |
机械仪表 | 896篇 |
建筑科学 | 643篇 |
矿业工程 | 461篇 |
能源动力 | 579篇 |
轻工业 | 806篇 |
水利工程 | 1465篇 |
石油天然气 | 695篇 |
武器工业 | 156篇 |
无线电 | 1839篇 |
一般工业技术 | 1239篇 |
冶金工业 | 574篇 |
原子能技术 | 599篇 |
自动化技术 | 830篇 |
出版年
2024年 | 63篇 |
2023年 | 201篇 |
2022年 | 450篇 |
2021年 | 498篇 |
2020年 | 566篇 |
2019年 | 479篇 |
2018年 | 432篇 |
2017年 | 543篇 |
2016年 | 610篇 |
2015年 | 704篇 |
2014年 | 1018篇 |
2013年 | 906篇 |
2012年 | 1246篇 |
2011年 | 1273篇 |
2010年 | 920篇 |
2009年 | 978篇 |
2008年 | 980篇 |
2007年 | 1172篇 |
2006年 | 1101篇 |
2005年 | 968篇 |
2004年 | 783篇 |
2003年 | 738篇 |
2002年 | 496篇 |
2001年 | 516篇 |
2000年 | 427篇 |
1999年 | 380篇 |
1998年 | 280篇 |
1997年 | 234篇 |
1996年 | 189篇 |
1995年 | 160篇 |
1994年 | 114篇 |
1993年 | 110篇 |
1992年 | 90篇 |
1991年 | 65篇 |
1990年 | 37篇 |
1989年 | 37篇 |
1988年 | 17篇 |
1987年 | 25篇 |
1986年 | 11篇 |
1985年 | 9篇 |
1984年 | 8篇 |
1983年 | 7篇 |
1982年 | 12篇 |
1981年 | 7篇 |
1980年 | 2篇 |
1979年 | 2篇 |
1964年 | 1篇 |
1961年 | 1篇 |
1954年 | 1篇 |
1951年 | 8篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
991.
992.
在基于压缩感知理论的逆合成孔径雷达成像过程中,利用正交匹配追踪算法进行信号重构时存在重构精度较低、运算速度较慢的缺点,针对上述问题,提出了一种利用改进正交匹配追踪算法进行信号重构的稀疏孔径高分辨成像方法。首先,构造数据选择矩阵作为测量矩阵模拟回波缺失情况,然后利用稀疏基矩阵对回波信号进行稀疏表示,最后采取一种改进正交匹配追踪算法进行图像重构,相比于正交匹配追踪算法同时提高了运算速度和成像质量。通过仿真实验,在稀疏孔径数据随机缺失的情况下,改变数据缺失率,将该算法与距离-多普勒算法和正交匹配追踪算法的成像结果进行对比,验证了该算法的有效性和优越性。 相似文献
993.
994.
995.
为了克服传统光学显微术无法直接提取相位信息的不足而能更准确记录物体高频和低频信息的合成,采用多参考光合成孔径数字显微像面全息系统,并结合角谱算法和最小二乘解包裹算法实现了细胞的相位重构。选取活体细胞组织等相位型生物进行作为实验样本,对其进行定量观察和有效测量。结果表明,多参考光合成孔径数字显微像面全息系统可以有效地应用于3维物体显微结构的振幅和相位重构,能显著地提高记录系统的高频和低频信息在全息图上的合成度,并实现超出系统的衍射极限12.8lp/mm的分辨率。该系统可以有效地实现数字全息系统的超分辨率成像,从而获得细胞显微结构的3维形貌信息和准确的相位分布。 相似文献
996.
无源雷达自身不发射信号,依靠外部照射源实现对目标的探测或成像。现代通信的发展为无源雷达提供了更多的可用外部照射源,如全球移动通信信号、卫星导航信号、无线网络信号(WiFi)等。WiMAX是一项新兴的基于IEEE 802.16标准的宽带无线城域网技术,其作为无源雷达照射源,相比已有照射源具有距离分辨率高和探测距离远的优点。文中给出了一种利用WiMAX信号进行无源SAR成像的方法,推导出获得一维距离像的匹配滤波器,并实现了二维WiMAX-SAR成像。仿真结果验证了采用WiMAX信号进行SAR成像的可行性。 相似文献
997.
近年来,卷积神经网络(Convolutional Neural Network,CNN)在合成孔径雷达(Synthetic Aperture Radar,SAR)图像目标分类中取得了较好的分类结果。CNN结构中,前面若干层由交替的卷积层、池化层堆叠而成,后面若干层为全连接层。全卷积神经网络(All Convolutional Neural Network, A-CNN)是对CNN结构的一种改进,其中池化层和全连接层都用卷积层代替,该结构已在计算机视觉领域被应用。针对公布的MSTAR数据集,提出了基于A-CNN的SAR图像目标分类方法,并与基于CNN的SAR图像分类方法进行对比。实验结果表明,基于A-CNN的SAR图像目标分类正确率要高于基于CNN的分类正确率。 相似文献
998.
999.
1000.