基于Web服务的大学英语移动学习系统的设计与实现

随着计算机与通信技术的发展,以及智能手机的发展,给移动学习系统的普及和发展带来了机遇。本文基于Windows2003 Server系统,以Tomcat＋Eclipse＋SQL Server2005＋JDK”作为开发环境,设计一款针对大学生的大学英语移动学习平台,使大学英语学习充分利用现代科学技术的发展,具有一定的实用性。     

荧光光谱法研究双醋瑞因与人血清白蛋白的相互作用

在模拟人体生理条件下（pH=7.40）,采用荧光光谱法研究双醋瑞因与人血清白蛋白的相互作用。 采用2种方法计算不同温度下其结合常数KA、结合位点数n,同时对2种计算方法进行了比较;并根据热力学参数确定了双醋瑞因与人血清白蛋白之间的作用力类型。 根据Forster非辐射能量转移原理,确定了双醋瑞因与人血清白蛋白相互结合时供能体 受能体间的作用距离和能量转移效率,并用同步荧光光谱研究了双醋瑞因对人血清白蛋白构象的影响。 结果表明,双醋瑞因与人血清白蛋白之间主要是以静态猝灭为主;结合距离r=2.88 nm,能量转移效率E=0.273 8,二者主要凭借氢键和范德华力进行结合。     

疏水缔合聚丙烯酰胺与双子表面活性剂的相互作用

制备了一种脂肪酸酯双磺酸盐型双子表面活性剂, 利用粘度法、界面张力法和原子力显微镜研究了疏水缔合聚丙烯酰胺与双子表面活性剂在溶液中的相互作用. 实验结果表明: 疏水缔合聚丙烯酰胺在溶液中能够通过自组装形成疏水微区并发展成网络结构, 疏水微区与表面活性剂在溶液中能形成混合胶束; 当一定量的表面活性剂加入时, 对疏水缔合聚丙烯酰胺的自组装起促进作用, 而过多双子表面活性剂的加入又会对聚合物分子的自组装起抑制作用, 从而显著影响疏水缔合聚丙烯酰胺的溶液性质, 随着表面活性剂浓度的增加, 聚合物溶液粘度先增加、再降低; 同时, 疏水缔合聚丙烯酰胺对双子表面活性剂的界面性能也有较大影响, 聚合物的加入使双子表面活性剂降低油/水界面张力的能力下降, 油/水界面张力达到平衡所需时间延长.     

二维光子晶体对耦合波导激光器侧模的调制研究

利用光子晶体的自准直效应来调制耦合波导激光器的侧模,并用时域有限差分（FDTD）方法对五通道和九通道耦合波导激光器进行仿真,成功改变了模式的传播方向,使得相邻光场之间的相位差从兀变为零。在两种耦合波导结构中分别获得了远场发散角为12°和7°的单峰,既兼顾了激光器的稳定性,又得到了高质量的光束。     

浅谈加工中心与PC的通讯应用——以Simens 802D系统的加工中心为例

本文介绍了西门子802D系统的加工中心与PC机之间数据通讯的方案设计,数据通讯的硬件情况,通讯软件Win PCIN的功能,详细的阐述了加工中心机床与PC之间的通讯原则、Win PCIN软件的参数设置、数控机床的通讯设置、实现步骤及注意事项,最后简单小结数据通讯的特点,具有一定的现实指导意义及注意事项。     

广播电台音频制作软件简介

本文介绍了内蒙古人民广播电台录制人员、编播人员主要使用的音频制作软件。     

地基多站无源定位系统通信设计及仿真

对于地基多站无源定位系统而言,为形成协同作战能力,多站间的相互通信是其中的关键设计环节。针对多站无源定位系统的通信需求进行了分析,从通信的带宽、远距离传输以及安全性等多个角度进行了应用设计,并通过仿真测试验证了该设计能够满足需求。     

基于相对鲁棒CVaR的电网投资项目组合优化模型研究

在新一轮电改的背景下,电网投资将面临更多的不确定性风险,亟需落实精准投资以降低投资风险.将相对鲁棒CVaR风险度量模型应用于电网投资项目组合优化中,构建了基于相对鲁棒CVaR的电网投资项目组合优化模型,并通过蒙特卡洛仿真和K-means聚类方法进行随机样本的生成与削减.算例结果表明,相对鲁棒CVaR模型具有极好的鲁棒性,能够在相对最坏情景下保证电网投资风险的最小化;同时,相对于绝对鲁棒CVaR模型减小了决策结果的保守性.     

固移网络边界网关虚拟化融合研究

固定/移动网络融合(Fixed-mobile Convergence,FMC)是未来网络演进的重要发展趋势。文章首先对固移网关边界网关功能进行介绍,分析边界网关融合面临的挑战。针对当前融合面临的挑战,利用SDN(Software Defined Networking)与网络功能虚拟化的思想,提出固移网络虚拟化融合解决方案,为运营商未来实现固移网络融合、简化网络结构、降低网络投资运营成本提供了理论指导。     

神经网络在调制识别的应用

通信信号的识别在军事对抗和频谱监控中有着十分重要的意义。目前已有的调制识别方法大体可以分为两类:基于特征提取的模式识别方法和最大似然判决方法。小波分析具有良好的局部显微特性、分形能够很好地刻画自相似性,将它们用于通信信号的特征提取有独特的优势。神经网络有着良好自学习、容错性和推广能力,适合用于调制样式识别的分类器。将小波分析、分形等特征提取算法与神经网络分类器进行结合,进行调制样式识别已经受到广泛关注。对这些方法进行了较为全面的阐述并分析了其性能。