全文获取类型
收费全文 | 59篇 |
免费 | 5篇 |
国内免费 | 7篇 |
专业分类
电工技术 | 4篇 |
综合类 | 6篇 |
化学工业 | 3篇 |
机械仪表 | 1篇 |
建筑科学 | 5篇 |
能源动力 | 1篇 |
轻工业 | 10篇 |
石油天然气 | 1篇 |
武器工业 | 1篇 |
无线电 | 17篇 |
一般工业技术 | 1篇 |
自动化技术 | 21篇 |
出版年
2023年 | 6篇 |
2022年 | 4篇 |
2021年 | 2篇 |
2020年 | 3篇 |
2019年 | 5篇 |
2018年 | 2篇 |
2017年 | 1篇 |
2016年 | 2篇 |
2015年 | 2篇 |
2014年 | 3篇 |
2013年 | 4篇 |
2012年 | 6篇 |
2011年 | 5篇 |
2010年 | 3篇 |
2009年 | 1篇 |
2008年 | 3篇 |
2007年 | 6篇 |
2006年 | 3篇 |
2005年 | 3篇 |
2004年 | 1篇 |
2002年 | 2篇 |
2000年 | 2篇 |
1993年 | 2篇 |
排序方式: 共有71条查询结果,搜索用时 15 毫秒
1.
为了能够实现定位精度的自适应,本文分析了认知无线电定位系统(cognitive positioning systems,CPS)的原理。该系统利用频谱及环境感知等模块中的传感器单元来获取所需的定位参数,并将其与到达时间(time of arrival,TOA)定位估计算法相结合,以克拉美罗下界(Cramer-Rao lower bound,CRLB)为准则分析最大似然(maximum likelihood,ML)定位精度自适应算法。本文还对单径和多径环境条件下定位精度自适应性能进行了比较。仿真结果表明,该算法能够实现定位精度的自适应,并能通过改善系统可用的频带带宽、分散频谱的数目、信号的调制方式等因素来提高定位精度。 相似文献
2.
针对信号临界区域由于信号强度减弱导致的定位精度下降问题,利用一种传感器检测概率模型把收集到所有的TOA与TDOA量测信息通过似然度计算融合起来,在贝叶斯框架下建立一种非线性目标基于粒子滤波器的量测信息融合算法对目标进行定位估计,从而提高目标在临界区域的定位精度。仿真结果表明,在低信噪比下,融合两种观测手段的定位精度改善明显。 相似文献
3.
4.
5.
6.
7.
8.
汽油机不同暂态燃油补偿模型的比较 总被引:1,自引:0,他引:1
通过对三种暂态燃油补偿模型(TFC)的剖析,并在相同条件下对每个模型进行仿真,提出了基于模型的TFC和基于神经网络(NN)时,模型选取的方法和需要考虑的问题。 相似文献
9.
以大豆分离蛋白(soy protein isolate,SPI)为原料,利用碱性蛋白酶对其进行酶解处理(0~24 h),探究SPI的结构变化规律,发现碱性蛋白酶控制酶解可诱导SPI自组装形成系列分布均匀(多相分散系数<0.3)、粒径可控(90~200 nm)且具有不同表面特性的大豆蛋白纳米颗粒(soy protein nanoparticles,SPNs),其中水解度(degree of hydrolysis,DH)及亚基解离/降解是影响SPNs形成的关键性因素。酶解初期(10~30 min,DH约3%),SPI中β-伴大豆球蛋白(7S)组分α与α’亚基的部分降解有利于两亲性结构的释放,提高蛋白表面疏水性,降低临界聚集浓度,形成包含相对完整的7S及大豆球蛋白(11S)亚基的I类纳米颗粒(SPNs-DH 3%)。随着酶解时间的延长(1~2 h),α与α’亚基的进一步降解促进了疏水性β亚基与B亚基的暴露,增强的疏水相互作用导致体系浊度增加,其中可溶性聚集体向不溶性疏水聚集的转化使得蛋白表面疏水性急剧下降,形成以A亚基及部分β亚基为主导的II类亲水型纳米颗粒(SPNs-DH 5%)。酶解后期(4~24 h),A亚基的进一步降解则产生更多亲水性多肽,不利于纳米颗粒的形成。进而探究SPNs的形成机制,圆二色光谱结构表明,SPNs的形成与蛋白α-螺旋和无规卷曲结构向β-折叠转化有关。两类SPNs的整体结构均由疏水相互作用维持,而氢键和二硫键分别参与颗粒表面与内部结构的形成。与SPNs-DH 3%相比,SPNs-DH 5%中形成了更多由二硫键与氢键稳定的折叠结构。此外,由于酶解过程中不断释放抗氧化肽段,其所形成SPNs的抗氧化性较原始SPI均有所提升。 相似文献
10.
动态环境干扰是视觉同时定位与地图构建(simultaneous localization and mapping,SLAM)领域内一个亟待解决的问题,场景中的运动对象会严重影响系统定位精度。结合语义信息和几何约束更强的线特征辅助基于传统ORB特征的SLAM系统来解决动态SLAM问题。首先采用深度学习领域的优秀成果SOLOv2作为场景分割网络,并赋予线特征语义信息;完成物体跟踪和静态区域初始化后,使用mask金字塔提取并分类特征点;再使用极线约束完成动态物体上点线特征的剔除;最后融合静态点线特征完成位姿的精确估计。在TUM动态数据集上的实验表明,提出的系统比ORB-SLAM3的位姿估计精度提高了72.20%,比DynaSLAM提高了20.42%,即使与近年来同领域内的优秀成果相比也有较好的精度表现。 相似文献