报道了工作在1341nm的激光二极管(LD)纵向抽运主被动锁模Nd:YAP激光器。
该激光器采用Nd:YAP晶体作为增益介质,可饱和吸收体V3+:YAG作为被动锁模器件,声光调制器作为主动锁模器件。
在抽运能量50mJ,抽运频率10Hz的情况下获得了0.82mJ的脉冲串输出。
该脉冲串的半峰全宽为570ns,每个脉冲间的间隔为7.7ns,共包含约75个脉冲,单脉冲的平均能量为11μJ。
采用电光晶体RbTiOPO4(RTP)作腔倒空,获得了能量为160μJ,脉宽为680ps的单脉冲输出。
采用InGaAs红外探测器测得光斑大小约为1.2mm,激光传播因子M2约为1.5。

•第一讲o什么叫操作系统♣计算机操作系统是指控制和管理计算机的软、硬件资源，合理组织计算机的工作流程，方便用户使用的程序集合。
o操作系统的三个作用管理者……虚拟机♣计算机系统软硬件资源的管理者。
♣为用户提供一台等价的扩展机器或虚拟机。
♣最重要、最基本、最复杂的系统程序，控制应用程序执行的程序。
o操作系统的发展历史每一代思想特别是分时系统（现代的都是分时）定义特点优缺点♣第一代：手工操作•1945-1955•使用机器语言•无操作系统•用于数学计算•输入输出：插件版、纸带、卡片•计算机处理能力日益提升，而手工操作效率低下，造成了资源浪费。
♣第二代：单批道处理系统•1955-1965•用于大型机•使用汇编语言，FORTRAN，作业•FMS（FortranMonitorSystem），IBSYS（IBM为7094机配备的操作系统）•用于较复杂的科学工程计算o联机批处理o脱机批处理•机时在走来走去中浪费掉•优点：同一批作业自动依次更替，改善了主机CPU和I/O设备的使用效率，提高了吞吐量。
•主要问题：CPU和I/O设备使用忙闲不均，取决于作业特性。
o计算为主的作业，外设空闲；
oI/O为主的作业，CPU空闲。
♣第三代：多批道处理系统•1965-1980•使用集成电路•操作系统：庞大、复杂•多道：内存中同时存放几个作业。
•几项新技术：Multiprogramming，Spooling•优点：o资源利用率高（CPU、内存、I/O）o作业吞吐量大•缺点：o用户交互性差o作业平均周转时间长♣第四代：分时系统•70年代中期至今•多个用户分享使用同一台计算机。
多个程序分时共享硬件和软件资源。
•通常按时间片分配：各个程序在CPU上执行的轮换时间。
•操作系统：CTSS（M.I.T.）、Multics（computercommunity）•特征：o同时性♣也称多路性。
若干用户同时与一台计算机相连，宏观上看各个用户在同时使用计算机，他们是并行的；
微观上看各个用户在轮流使用计算机。
o交互性♣用户通过终端设备（如键盘、鼠标）向系统发出请求，并根据系统的响应结果再向系统发出请求，直至得到满意的结果。
o独立性♣每个用户使用各自的终端与系统交互，彼此独立、互不干扰o及时性♣指用户向系统发出请求后，应该在较短的时间内得到响应。
♣新发展：个人计算机、实时系统、网络与分布式系统、移动计算……o什么叫中断♣中断：指CPU在收到外部中断信号后，停止原来工作，转去处理该中断事件，完毕后回到原来断点继续工作。
♣通道：用于控制I/O设备与内存间的数据传输。
启动后可独立与CPU运行，实现CPU与I/O的并行。
o中断的处理机制

平均结构相似性[113]MSSIM(MeanStructuralSIMilarity)表明图像分割结果与参考图像的平均局部结构相似性，其取值也在0到1之间，取值越大表明分割质量越好，当MSSIM=1时，对应图像分割结果与参考图像完全相同。

主要功能是：打开图像彩色变灰阶邻域平均选择阈值腐蚀图像缩小启动摄像头恢复图像图像反相Gauss滤波自适应阈值法膨胀径向梯度打开AVI文件关闭当前窗口垂直镜像中值滤波全局阈值法开运算Canny算法视频解冻保存当前位图水平镜像Sobel算法外接矩形闭运算种子填充视频冻结最近文件180度旋转Laplace算法最小面积矩形形态学梯度金字塔图像分割多图像平均恢复原始图像30度旋转点集凸包顶帽变换椭圆曲线拟合关闭视频当前画面存盘亮度变换区域凸包波谷检测Snake原理选择分辨率退出图像直方图轮廓跟踪分水岭原理动态边缘检测直方图均衡化距离变换角点检测L_K光流跟踪

1、哪种CPU调度算法的平均等待时间最短（B）（A）非抢占型（non-preemptive）SJF（B）抢占型（preemptive）SJF（C）FCFS（D）RR2、外部碎片说法正确的是（C）（A）相对于内部碎片，外部碎片在操作系统内核之外。
（B）内部碎片可以合并而外部碎片不行。
（C）相对于内部碎片，外部碎片在进程之外。
（D）是由不连续分配方案导致的空间浪费问题。
3、关于管程（monitor），下列哪一个说法不正确？（B）（A）管程需要编程语言的支持才能实现。
（B）管程不能用信号量来实现。
（C）Java编程语言部分支持管程。
（D）任何时刻只能有一个进程在管程中运行。

条件：已知现状OD表，将来OD表各行、各列总和。
通过程序实现对分布交通流的计算，能实现两种计算方式：1.平均增长系数法；
2.底特律法。

目的：通过调研目前教学管理系统中的成绩管理子系统，了解成绩管理子系统的业务流程；
通过分析比较，结合用户对成绩管理子系统的改进意见与实现情况，运用面向对象思想方法，设计和实现一个满足功能和性能，并有所创新的成绩管理子系统，以提高成绩管理的自动化、友好性等。
本系统基于.NET平台和SQLServer数据库，通过毕业设计，可以使学生对.NET结构下开发B/S模式的分布式三层数据库系统有一个全面的了解。
本系统从功能上划分可分为以下几大模块：功能模块管理，组权限管理,学生信息管理,课程信息管理,学生成绩管理,授课信息管理,学生信息查询,学生成绩统计等几大模块。
以下将对各子模块进行说明。
功能模块管理：将系统功能模块保存到数据库中以便于动态地进行不同用户组权限的分配等操作。
本模块包括功能模块的添加，删除，修改等。
组权限管理：对用户进行分组，并将权限设置到不同的用户组。
学生信息管理模块：输入学生基本信息，并可以对学生信息进行添加、查询、修改、删除。
还可以关键字查询并从数据库里调出的学生基本信息.输出学生基本信息，学号、班号、姓名查询的信息结果。
课程信息管理：设置课程号，课程名，先修课等课程信息。
成绩信息管理模块：输入成绩信息，并可以对成绩信息进行添加、查询、修改、删除。
还可以用关键字查询并调出数据库里的学生基本成绩信息的修改、删除等。
输出查询的学生成绩信息。
授课信息管理:对教师授课信息的调度，安排等信息的管理。
学生信息查询:本模块是可对学生成绩进行查询，可按学号，姓名，年龄，所在院系，入学年份等不同条件独立查询或进行模糊查询。
学生成绩统计：对学生成绩总分，平均分等进行统计。
系统管理员后台用户名为admin密码为www.mycodes.net普通用户(测试用例)用户名为:user01，密码：111111DB下为Sql数据库，附加即可论文下为该程序的论文及论文目录

通过两个实验探讨了视觉表象任务信息的通达对表象加工眼动的影响。
结果表明,在低通达条件下,表象任务的眼动复制了知觉任务的眼动;随着表象任务信息通达水平的提高,眼动的注视点平均持续时间、平均眼跳距离和平均眼跳时间会发生规律性变化;眼动控制与任务信息通达水平对表象眼动的影响存在不同的机制。
实验结果佐证了眼动在视觉表象中起机能性作用的观点。

本书介绍正交频分复用（OFDM）技术的原理及其在无线通信领域内的应用。
全书共分10章。
第1章简要介绍无线通信系统的发展历程以及无线衰落信道的基本特性；
第2章介绍OFDM技术的基本原理与特性；
第3章叙述了OFDM技术内峰值平均功率比的问题，并且讨论若干抑制过高峰均比的方法；
第4章详细介绍OFDM技术内非常关键的同步问题；
第5章介绍OFDM技术内的信道估计；
第6章针对动态功率、比特分配在OFDM系统内的灵活应用进行讨论；
第7章介绍各种编码在OFDM技术内的应用，并且讨论最新的编码方法；
第8章分析多种不同的多址方案与OFDM技术的结合；
第9章详细介绍OFDM在多个领域内的应用，其中包括DAB、DVB、WLAN和ADSL等；
最后第10章简单介绍未来移动通信系统（NextG）的关键概念，以及适于传输高速数据流的MIMOOFDM系统。

Matlab功率谱估计的详尽分析——绝对原创功率谱估计是信息学科中的研究热点,在过去的30多年里取得了飞速的发展。
现代谱估计主要是针对经典谱估计(周期图和自相关法)的分辨率低和方差性能不好的问题而提出的。
其内容极其丰富,涉及的学科和领域也相当广泛,按是否有参数大致可分为参数模型估计和非参数模型估计,前者有AR模型、MA模型、ARMA模型、PRONY指数模型等;后者有最小方差方法、多分量的MUSIC方法等。
ARMA谱估计叫做自回归移动平均谱估计,它是一种模型化方法。
由于具有广泛的代表性和实用性,ARMA谱估计在近十几年是现代谱估计中最活跃和最重要的研究方向之一。
二：AR参数估计及其SVD—TLS算法。
谱分析方法要求ARMA模型的阶数和参数以及噪声的方差已知.然而这类要求在实际中是不可能提供的,即除了一组样本值x(1),x(2),…,x(T)以供利用(有时会有一定的先验知识)外,再没有其它可用的数据.因此必须估计有关的阶数和参数,以便获得谱密度的估计.在ARMA定阶和参数之估计中,近年来提出了一些新算法，如本文介绍的SVD—TLS算法便是其中之一。
三：实验结果分析和展望1，样本数多少对估计误差的影响。
（A=[1,0.8,-0.68,-0.46]）图1上部分为N=1000；
下部分为取相同数据的前N=50个数据产生的结果。
图1N数不同：子图一N=1000,子图二N=200，子图三N=50由图可知，样本数在的多少，在对功率谱估计的效果上有巨大的作用，特别在功率谱密度函数变化剧烈的地方，必须有足够多的数据才能完整的还原原始功率谱密度函数。
2，阶数大小对估计误差的影响。
A=[1,-0.9,0.76]A=[1,-0.9,0.76,-0.776]图二阶数为二阶和三阶功率密度函数图A=[1,-0.9,0.86,-0.96,0.7]A=[1,-0.9,0.86,-0.96,0.7,-0.74]图三阶数为三阶和四阶功率密度函数图如图所示，阶数相差不是很大时，并不能对结果产生较大的影响。
但是阶数太低，如图二中二阶反而不能很好的估计出原始值。
3，样本点分布对估计误差对于相同的A=[1,-0.9,0.86,-0.96,0.7]；
样本的不同，在估计时的误差是不可避免的。
因此，我们在取得样本时，应该尽可能的减少不必要的误差。
图四：不同的样本得到不同的估计值4，奇异值的阈值判定范围不同对结果的影响。
上图是取奇异值的阈值大于等于0.02，而下图是取阈值大于等于0.06，显然在同种数据下，阈值的选取和最终结果有密切关系。
由于系数矩阵和其真实值的逼近的精确度取决于被置零的那些奇异值的平方和。
所以选取太小，导致阶数增大，选取太大会淘汰掉真实的系数。
根据经验值，一般取0.05左右为最佳。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。