全文获取类型
收费全文 | 330篇 |
免费 | 65篇 |
国内免费 | 42篇 |
专业分类
化学 | 71篇 |
晶体学 | 5篇 |
力学 | 22篇 |
综合类 | 5篇 |
数学 | 41篇 |
物理学 | 90篇 |
无线电 | 203篇 |
出版年
2024年 | 5篇 |
2023年 | 15篇 |
2022年 | 15篇 |
2021年 | 16篇 |
2020年 | 15篇 |
2019年 | 10篇 |
2018年 | 22篇 |
2017年 | 10篇 |
2016年 | 12篇 |
2015年 | 14篇 |
2014年 | 25篇 |
2013年 | 18篇 |
2012年 | 15篇 |
2011年 | 14篇 |
2010年 | 12篇 |
2009年 | 15篇 |
2008年 | 14篇 |
2007年 | 19篇 |
2006年 | 13篇 |
2005年 | 14篇 |
2004年 | 26篇 |
2003年 | 11篇 |
2002年 | 13篇 |
2001年 | 14篇 |
2000年 | 5篇 |
1999年 | 4篇 |
1998年 | 8篇 |
1997年 | 6篇 |
1996年 | 13篇 |
1995年 | 3篇 |
1994年 | 5篇 |
1993年 | 3篇 |
1992年 | 2篇 |
1991年 | 1篇 |
1990年 | 3篇 |
1989年 | 2篇 |
1987年 | 2篇 |
1986年 | 2篇 |
1985年 | 2篇 |
1984年 | 7篇 |
1983年 | 4篇 |
1982年 | 4篇 |
1980年 | 2篇 |
1979年 | 2篇 |
排序方式: 共有437条查询结果,搜索用时 31 毫秒
91.
参数辨识是过程建模的基础,对于参数辨识问题提出了许多不同的方法.针对传统模型参数辩识方法和遗传算法用于模型参数辨识时的缺点,提出一种基于微粒群优化(PSO)算法的模型参数辨识方法,利用PSO算法的强大优化能力,通过对算法的改进,将过程模型的每个参数作为微粒群体中的一个微粒,利用微粒群体在参数空间进行高效并行的搜索,以获得过程模型的最佳参数值,并将其用于对非线性系统模型的参数辨识,可有效提高参数辨识的精度和效率.该方法应用到实际例子中,获得了满意的辨识精度和效率,得到较为精确的过程模型,模型输出与实际输出基本一致,仿真结果令人满意.实例仿真结果表明,微粒群算法为非线性系统模型参数辨识提供了一种有效的途径. 相似文献
92.
对于给定紧光滑黎曼流形M上的一个C~2保体积部分双曲微分同胚f,若对所有不变测度的中心方向的指数都满足中心指数约束条件,则f本质可达蕴含遍历.特别地,若对所有不变测度,中心方向指数都为零,则f本质可达蕴含遍历.这一结果部分回答了Pesin提出的两个公开问题. 相似文献
93.
互联网与图书馆的发展 总被引:2,自引:0,他引:2
本文从互联网的特点入手,分析了互联网对图书馆的影响,并对图书馆的未来发展方向进行了探讨。 相似文献
94.
文章对TD—SCDMA/GSM无线网络控制器的lur—g+融合技术进行了介绍,说明了其基本原理、切换流程,并介绍了lur—g+技术的外场测试情况,对lur—g+的测试效果及后续的现网应用做了阐述说明。 相似文献
95.
利用有限元-快速多极子算法(FEM-FMM)分析了三维复杂目标涂有不同吸波涂层的雷达散射截面(RCS).以圆锥体为例,详细计算分析了涂敷有耗各向同性、正单轴各向异性、负单轴各向异性和纳米吸波材料4种典型吸波材料对目标电磁散射特性的影响,并首次讨论了每种吸波材料随不同涂层厚度对RCS的影响,得到了最佳隐身效果的吸波材料和涂层厚度的组合.结果表明,涂敷最佳吸波材料目标的后向RCS比目标没有吸波涂层时可以降低16.6dB. 相似文献
96.
97.
随着外辐射源雷达技术的快速发展和逐步应用,干扰问题日渐受到关注。本文以对OFDM外辐射源雷达工作性能带来极大影响的线性调频(Linear Frequency Modulation, LFM)干扰为研究对象,根据线性调频干扰信号模型,从理论上分析了多周期线性调频干扰对OFDM外辐射源雷达的干扰形态和特性,并推导了干扰带宽与相关时延宽度的关系,进而提出了一种自适应多周期线性调频干扰抑制方法。所提干扰抑制方法首先在频域进行干扰检测并估计线性调频干扰带宽,然后根据干扰带宽在距离多普勒谱上选取慢时间维序列构造干扰子空间,最后通过干扰子空间正交投影实现对多周期线性调频干扰的抑制。在不同干扰强度、干扰带宽以及线性调频周期条件下,以基底改善因子作为评估指标,仿真验证了所提方法的有效性和鲁棒性。 相似文献
98.
99.
南海软珊瑚Sarcophyton molle化学成分的研究 总被引:9,自引:0,他引:9
从中国南海软肉芝软珊瑚(Sarcophyton molle)中分离到七个化合物, 经紫外光谱(UV), 红外光谱(IR), 质谱(MS)和核磁共振光谱(1H NMR, 13C NMR)分析, 确定了其化学结构。它们是: 异新西松烯(1), (E, E, E)-7, 8-环氧-1-异丙基-4, 8, 12-三甲基-十四环-1,3, 11-三烯(2), 正十八烷酸(3), 鲨肝醇(4), 神经酰胺(5), 胸腺嘧啶(6), 胸腺嘧啶脱氧核苷(7)。其中化合物(2)为新化合物。本文是第一次报道软珊瑚Sarcophyton molle的化学成分。 相似文献
100.