全文获取类型
收费全文 | 182篇 |
免费 | 32篇 |
国内免费 | 31篇 |
专业分类
化学 | 55篇 |
晶体学 | 1篇 |
力学 | 4篇 |
综合类 | 7篇 |
数学 | 21篇 |
物理学 | 39篇 |
无线电 | 118篇 |
出版年
2024年 | 4篇 |
2023年 | 17篇 |
2022年 | 15篇 |
2021年 | 16篇 |
2020年 | 12篇 |
2019年 | 18篇 |
2018年 | 10篇 |
2017年 | 15篇 |
2016年 | 6篇 |
2015年 | 13篇 |
2014年 | 19篇 |
2013年 | 14篇 |
2012年 | 12篇 |
2011年 | 15篇 |
2010年 | 5篇 |
2009年 | 2篇 |
2008年 | 5篇 |
2007年 | 5篇 |
2006年 | 3篇 |
2005年 | 2篇 |
2003年 | 1篇 |
2002年 | 3篇 |
2001年 | 2篇 |
2000年 | 1篇 |
1999年 | 1篇 |
1998年 | 1篇 |
1997年 | 3篇 |
1996年 | 1篇 |
1994年 | 1篇 |
1993年 | 1篇 |
1991年 | 3篇 |
1990年 | 1篇 |
1989年 | 1篇 |
1986年 | 1篇 |
1984年 | 4篇 |
1983年 | 2篇 |
1981年 | 3篇 |
1980年 | 4篇 |
1975年 | 1篇 |
1974年 | 2篇 |
排序方式: 共有245条查询结果,搜索用时 15 毫秒
231.
为提高红外远程目标探测识别能力,除了增加焦距和有效口径等传统措施,还需要进一步获取目标的多谱段信息,从而将具备不同辐射特性的目标和背景区别开。本文提出了一种采用多谱段分区红外探测器和棱镜旋转像移成像光学系统,将同一目标的红外辐射能量会聚到探测器不同谱段区域进行成像,从而获取同一目标的多谱段成像信息。该系统采用同轴反射式光学系统,具备8个不同谱段分区的两支红外探测器,通过棱镜旋转实现同一目标的8个谱段信息获取。系统焦距520 mm,有效口径200 mm, F数为2.6。光学系统结构紧凑,棱镜旋转与探测器成像实时对应,不存在成像延迟和像旋,具有口径大、焦距长、谱段多等特点,满足系统高分辨率、长作用距离、多谱段信息获取等要求。 相似文献
232.
为了分析混合光栅对硅薄膜太阳能电池光吸收的影响,在硅层厚度等效一致的条件下,设计了单一形状、同向和异向混合形状光栅单晶硅太阳能电池结构.利用时域有限差分法分别优化计算了各种混合光栅的最佳尺寸、光生电流密度和光吸收效率,发现异向混合结构的Ag光栅比其他结构具有更好的光吸收能力.通过电磁场强度分布图分析了混合光栅结构的吸收增强机理,并针对异向混合光栅,计算了不同光栅数量组成结构的光生电流密度.同时,利用光吸收增强因子定量分析得出一个三角凸型和一个抛物线凹槽是异向混合光栅最佳数量组合.有规律地改变这种混合光栅的宽度比和高度比,计算光生电流密度.结果发现当宽度比为1∶1,高度比在一个小范围内(0.67~1.86)波动时,这种异向混合结构比平板太阳能电池的光生电流密度提高了62.9%.研究结果可为薄膜太阳能电池的结构和参数设计提供参考. 相似文献
233.
用密度泛函理论,对系列钌多吡啶配合物1-3的电子结构、DNA光裂解及光谱性质进行了研究。首先,计算了配合物1-3的氧化还原电势,根据配合物1-3激发态还原电势的大小,合理地解释了配合物1-3的DNA光裂解能力。其次,根据配合物1-3的电子结构性质,设计了具有较高激发态还原电势的配合物4,从理论上预测配合物4具有较强的光裂解能力。最后,用TDDFT方法,在水溶液中对配合物1-3的电子吸收光谱进行了计算和模拟,计算得到的电子吸收光谱和实验结果吻合较好,实验上测得的较强吸收带从理论上被详细地解释,并研究了配合物的主配体对电子吸收光谱性质的影响。 相似文献
234.
235.
236.
237.
本文针对EKPF算法在固定单站无源定位目标跟踪的应用中运算量大、实时性差的问题,通过对部分粒子进行EKF采样,将EKPF算法进行改进,改进的EKPF算法不仅有效降低了运算量,同时增加了粒子的多样性,使粒子集更能体现概率密度函数的真实分布。Matlab仿真表明,与传统的EKPF算法相比,改进算法在保证滤波性能基本不变的前提下,算法运算量大幅下降。 相似文献
238.
239.
针对宽带多极化雷达,提出将高分辨一维距离像(high resolution range profile,HRRP)与极化信息相结合的算法,获得目标在4种极化组态下的一维距离像并将其组成极化距离矩阵.该算法对目标进行全方位的特征抽取与建模,以适应不同的姿态,有助于减少高分辨一维距离像方位敏感性带来的影响.然后提出了直接基于极化距离矩阵、Pauli分解和Freeman分解三种特征提取方式对极化距离矩阵进行目标特征的提取,并将获得的目标特征向量结合起来送入搭建的深度卷积神经网络进行训练学习.该方法不仅结合了不同的特征提取方式以对极化距离矩阵进行更全面的特征提取,而且深度卷积神经网络的运用又对目标特征向量进行了深层学习,仿真结果验证了该方法的有效性. 相似文献
240.