全文获取类型
收费全文 | 82篇 |
免费 | 4篇 |
国内免费 | 6篇 |
专业分类
电工技术 | 11篇 |
综合类 | 3篇 |
金属工艺 | 1篇 |
机械仪表 | 12篇 |
建筑科学 | 3篇 |
轻工业 | 1篇 |
水利工程 | 1篇 |
无线电 | 26篇 |
一般工业技术 | 4篇 |
自动化技术 | 30篇 |
出版年
2023年 | 1篇 |
2022年 | 4篇 |
2021年 | 2篇 |
2020年 | 6篇 |
2019年 | 5篇 |
2017年 | 2篇 |
2016年 | 2篇 |
2015年 | 4篇 |
2014年 | 13篇 |
2013年 | 5篇 |
2012年 | 10篇 |
2010年 | 8篇 |
2009年 | 11篇 |
2008年 | 4篇 |
2007年 | 2篇 |
2006年 | 2篇 |
2005年 | 1篇 |
2004年 | 3篇 |
2003年 | 5篇 |
2002年 | 1篇 |
1997年 | 1篇 |
排序方式: 共有92条查询结果,搜索用时 140 毫秒
1.
针对无线传感器网络链路质量估计模型中回归算法复杂度高、缺少统一分类标准和公开数据集等问题,提出了一种基于EWMA和线性回归的链路质量估计方法ELR-LQE。以物理层获取的RSSI、LQI和SNR,以及包接收率PRR作为度量参数,分别在多种实验环境中采用不同的发射功率、竞争条件和部署方式采集数据,建立了链路质量估计数据集。通过最小值填充和EWMA对数据进行预处理,明显提高了回归模型的输入特征与链路质量的相关性。与现有方法相比,提出方法易于和网络层协议适配,并且复杂度较低,适合在资源有限的无线传感器网络节点中实现。实验结果显示,ELR-LQE具有较高的精度,在多种实验条件下平均的ME为4.6×10-2,R2为0.99。 相似文献
2.
3.
实时监控无线传感器网络(WSN)从单个节点到整个网络的运行状态,是进行无线传感器各类研究及应用开发的关键技术之一,为了克服基于UART的数据传输所存在的速率瓶颈问题,设计了一种基于USB的WSN监测系统,主要包括侦听节点和监测分析系统两部分。侦听节点采用CC2531 USB Dongle,以被动侦听的方式获取无线传感器网络的数据包(符合IEEE802.15.4标准),封装后通过USB接口上传至上位机监测分析系统。上位机监测系统,通过USB接口读取数据帧、完成帧信息存储、解析。实验结果表明该设计能够实现数据传输并以图形方式动态显示网络运行状态。本监测系统的设计为开展WSN的各类理论及实验研究提供了有力的分析工具。 相似文献
4.
5.
一种改进的建立XML数据的路径索引的方法 总被引:1,自引:0,他引:1
随着XML日益普遍的应用,如何快速准确地访问XML文档中的数据已成为亟待解决的关键问题,建立路径索引是提高查询效率的一种重要手段.本文分析了可能导致路径索引复杂度过大的原因,提出一种分步建立和更新路径索引的方法,对于具有复杂引用关系的源数据,根据查询的需要只对数据中部分路径建立索引,并通过阈值控制索引的规模.实验结果表明,本文提出的方法可以有效地降低建立和维护XML数据的路径索引的代价. 相似文献
6.
7.
8.
9.
基于接收信号强度(RSS, Received Signal Strength)的位置指纹是室内定位中最常用的方法之一,其定位精度与采样指纹的分布密度存在一定的相关度,考虑到RSS信号的空间相关性以及在室内复杂环境下的变异特性,通过漂移函数和变异函数提取RSS信号的分布特点,利用有限的采样点通过泛克里金插值(UK, Universal Kriging)形成采样密度高的位置指纹库,实验表明,基于泛克里金插值构成的指纹库有更高的定位精度,在确定的定位精度要求情况下,可有效降低离线阶段的人力和时间成本,为达到良好的插值效果,需选择合理的采样密度和插值密度,实验中考虑6~ 8倍原采样点数量的插值进行构建的指纹库性能较佳。 相似文献
10.
针对无线传感器网络环境下的定位问题,提出了一种基于核岭回归(Kernel ridge regression,KRR)的定位算法。核岭回归算法是在岭回归算法的基础上加入了核函数,该算法在离线阶段采用核岭回归方法提取所有位置指纹数据间的非线性关系,训练出非线性回归定位模型;在线阶段采集目标点的接收信号强度指示(Received signal strength indicator,RSSI)值,利用非线性定位模型估计目标点的物理位置。仿真分析了影响算法性能的各个因素,并在室内典型办公环境下进行了定位实验。实验结果表明,该算法在不同因素的影响下,相比传统加权K近邻算法(Weight K-nearest neighbor,WKNN)算法能达到更好的定位精度,在位置网格间距1.8 m时,WKNN算法平均定位误差为2.53 m,而该算法误差为1.58 m。 相似文献