CSMA中的“Carrier”应如何理解和翻译

ＣＳＭＡ中的“Ｃａｒｒｉｅｒ”应如何理解和翻译吴同（南京邮电学院南京２１０００３）ＣＳＭＡ（ＣａｒｒｉｅｒＳｅｎｓｅＭｕｌｔｉｐｌｅＡｃｅｓ）一般译为“载波侦听多址访问”，已经成为大家所接受的译名，本来并没有什么问题，但其中的“Ｃａｒｒｉｅｒ”应如何...     

离轴涡旋光束诱导空气等离子体产生太赫兹波

使用涡旋光束代替高斯光束作为产生光源,研究了涡旋光束产生太赫兹波的过程。探究了具有不同拓扑荷数的涡旋光束在产生太赫兹波时的差异,相位奇点的位置对产生太赫兹波的影响,不同脉冲强度和激光波长下涡旋光束产生的太赫兹波能量、频谱和偏振的变化。结果表明,产生的太赫兹波强度会随涡旋光束拓扑荷数的变化而变化,并且与涡旋中心的位置密切相关。涡旋光束所产生的太赫兹波随脉冲强度和激光波长的变化趋势与高斯光束一致。高斯光束与涡旋光束产生的太赫兹波在频谱和偏振上的变化趋势一致。     

寻呼机名称标准化的刍见

寻呼机名称标准化的刍见吴同本刊１９９４年第１０期刊登的“移动通信名称须规范化”一文切中时弊。当前报刊、广播、电视等大众传媒中大量出现种种不规范的名词，甚至在通信部门的文件中也有误用，亟待加以标准化。５０年代末，美国ＢｅｌｌＳｙｓｔｅｍ（１９８４年解体...     

毛细管电泳测定4个不对称合成化合物的光学纯度

采用毛细管电泳技术,以α-环糊精、β-环糊精和β-环糊精聚合物为手性选择剂,对4种不对称合成物3-(二乙基氨基)-1-苯基-1-丙醇(a)、1-苯基-3-(1-哌啶）-1-丙醇(b)、3-吗啉-1-对甲苯基-1-丙醇(c)和1-（4-氯苯基）-3-吗啉-1-丙醇(d)的消旋体和光学活性异构体进行了手性分离。 结果发现,使用20 kV的分离电压,以浓度为30 g/L的β-环糊精聚合物的80 mmol/L三羟甲基氨基甲烷缓冲溶液（pH=3.2）为背景电解质溶液,4种化合物在40 min内均可得到基线分离。 根据对映异构体峰面积和保留时间的比值确定了4种不对称化合物的光学纯度。 测定的RSD均不大于1.5%。     

寻呼机的正确称呼──BB机、BP机与寻呼机?

寻呼机的正确称呼──ＢＢ机、ＢＰ机与寻呼机？吴同“ＢＢ机”、“ＢＰ机”均为无线电寻呼系统（ＲａｄｉｏＰａｇｉｎｇｓｙｓｔｅｍ）中的用户接收设备的俗称，其正确的名称应该是无线寻呼机（Ｒａｄｉｏｐａｐｅｒ），或简称寻呼机（ＰａＰｅｒ）。寻呼机体积小，携带...     

毛细管电泳测定γ-四氢吡咯基苯丙醇的光学纯度

1　引　　言最简单的光学纯度测定方法是旋光度测定法 ,但它的可靠性较低且无法测定没有标准品的新化合物。ＮＭＲ、ＨＰＬＣ和ＧＣ也是常用的方法。近年来 ,毛细管电泳在手性分离领域中取得了很大的成功 ,它也能用于光学纯度的测定。本文研究了用毛细管电泳法测定新合成的手性化合物γ 四氢吡咯基苯丙醇的光学纯度。2　实验部分2 1　仪器与试剂　ＳｐｅｃｔｒａＰＨＯＲＥＳＩＳ10 0 0 ＴＭ 毛细管电泳仪 (美国ＴＳＰ公司 ) ,5 0 μｍＩＤ弹性石英毛细管 (河北永年锐沣色谱器件有限公司 )。β 环糊精聚合物由北京理工大学化工与材料学院合…     

云原生的信息安全风险与对策研究

云原生作为新一代衍生的云服务技术,其特点突出表现在容器、编排以及云服务等方面,是企业信息系统构建的基础,其运用全新的运算方式,创新云服务功能,促进软件开发,提高新技术研发效率。云原生在信息技术功能开发方面存在信息安全风险,现有防护技术未完全符合云原生的现代化风险防控需求,以分析云原生的信息安全风险为出发点,重点研究其应对措施,以供借鉴。     

英语电信名词趣谈

英语电信名词趣谈南京邮电学院吴同一、程控（ＳＰＣ）程控是“存储程序控制”（Ｓｔｏｒｅ—ＰｒｏｇｒａｍＣｏｎｔｒｏｌ）的简称，也就是用电子计算机来控制。例如：电脑提花编织机，电脑话务员的用户交换机，……均属“程控”。因此，程控交换实际上就是计算机化的交...     

早期流量识别中多少个数据包最有效的实验研究(英文)

Accurately identifying network traffics at the early stage is very important for the application of traffic identification.Recent years,more and more research works have tried to build effective machine learning models to identify traffics with the few packets at the early stage.However,a basic and important problem is still unresolved,that is how many packets are most effective in early stage traffic identification.In this paper,we try to resolve this problem using experimental methods.We firstly extract the packet size of the first 2-10 packets of 3 traffic data sets.And then execute crossover identification experiments with different numbers of packets using 11 well-known machine learning classifiers.Finally,statistical tests are applied to find out which number is the best performed one.Our experimental results show that 5-7are the best packet numbers for early stage traffic identification.