专业英语课本翻译.docx
《专业英语课本翻译.docx》由会员分享，可在线阅读，更多相关《专业英语课本翻译.docx（12页珍藏版）》请在冰豆网上搜索。
专业英语课本翻译
第一课 现代数字设计及数字信号处理
课文 A:
数字信号处理简介
1. 什么是数字信号处理？
数字信号处理，或DSP，如其名称所示，是采用数字方式对信号进行处理。
在这种情况下一个信号可以代表各种不同的东西。
从历史的角度来讲，信号处理起源于电子工程，信号在这里意味着在电缆或电话线或者也有可能是在无线电波中传输的电子信号。
然而，更通用地说，一个信号是一个可代表任何东西--从股票价格到来自于远程传感卫星的数据的信息流。
术语“digital”来源于“digit”，意思是数字（代可以用你的手指计数），因此“digital”的字面意思是“数字的，用数字表示的”，其法语是“numerique”。
一个数字信号由一串数字流组成，通常（但并非一定）是二进制形式。
对数字信号的处理通过数字运算来完成。
数字信号处理是一个非常有用的技术，将会形成21世纪的新的科学技术。
数字信号处理已在通信、医学图像、雷达和声纳、高保真音乐产生、石油开采等很广泛的领域内引起了革命性的变革。
这些领域中的每一个都使得DSP技术得到深入发展，有该领域自己的算法、数学基础，以及特殊的技术。
DSP发展的广度和深度的结合使得任何个人都不可能掌握已发展出的所有的DSP技术。
DSP教育包括两个任务：
学习应用数字信号处理的通用原则及学习你所感兴趣的特定领域的数字信号处理技术。
2. 模拟和数字信号
在很多情况下，所感兴趣的信号的初始形式是模拟电压或电流，例如由麦克风或其它转换器产生的信号。
在有些情况下，例如从一个CD播放机的可读系统中输出的信号，信号本身就是数字的。
在应用DSP技术之前，一个模拟信号必须转换成数字信号。
例如，一个模拟电压信号，可被一个称为模数转换器或ADC的电路变换成数字信号。
该转换器产生一系列二进制数字作为数字输出，其值代表每个采样时刻的输入模数转换设备的电压值。
3. 信号处理
通常信号需要以各种方式处理。
例如，来自于传感器的信号可能被一些没用的电子“噪声”污染。
测心电图时放在病人胸部的电极能测量到当心脏及其它肌肉活动时微小的电压变化。
信号也常会被来自于电源的电磁干扰所影响。
采用滤波电路处理信号至少可以去掉不需要的信号部分。
如今，对信号滤波以增加信号的质量或抽取重要信息的任务越来越多地由DSP技术完成而不是采用模拟电路完成。
4. DSP的发展和应用
数字信号处理的发展起源于60年代大型数字计算机进行数字处理的应用，如使用快速傅立叶变换（FFT）可以快速计算信号的频谱。
这些技术在当时并没有被广泛应用，因为通常只有在大学或者其它的科研机构才有合适的计算机。
由于当时计算机很贵，DSP仅仅局限于少量的非常重要的应用。
先驱们的探索工作主要集中在4个关键领域：
雷达和声纳，用于保卫国家安全；石油开采，可以赚大量的钱；空间探索，其中的数据是不能重复产生的；及医学图像，可以救治生命。
20世纪80年代到90年代个人电脑的普及使得DSP产生了很多新的应用。
与以往由军方或政府的需求驱动不同，DSP突然间由商业市场的需求驱动了。
任何认为自己能在这个飞速发展的领域赚钱的人都会立即成为DSP供应商。
DSP通过在移动电话、CD播放器及语音邮件等产品中应用进入了公共应用领域。
这些技术革命是自上而下发生的。
在20世纪80年代早期，DSP是电子工程专业的研究生课程，10年后，DSP成为了本科生课表中的一部分。
今天，DSP是很多领域的科学家及工程师需要掌握的标准技能。
DSP可以与以前的电子技术的发展相类比。
在电子工程领域，几乎每个科学家和工程师都具有基本的电路设计背景。
否则，他们将在技术界落伍。
DSP的将来也会如此。
DSP已在科学及工程的许多领域掀起了变革。
其中的一些扩展应用如图1所示。
空间：
空间图像增强；数据压缩；通过空间探索进行智能传感分析 医学：
诊断图像（CT，MRI，超声波及其它）；心电图分析；医学图像存储/恢复
商业：
多媒体展示的图像和声音压缩；电影特效；视频会议 DSP 电话：
语音及数据压缩；去回声；信号复用滤波
军事：
雷达；声纳；军火指挥；安全通信
工业：
石油和采矿预测；过程监视/控制；非破坏性测试；CAD设计工具
科学：
地震记录及分析；数据采集；频谱分析；仿真和建模
5. 数字信号处理器（DSPs）
20世纪70年代后期及80年代前期微处理器的出现使得DSP技术在更广泛的范围内应用成为可能。
然而，通用的微处理芯片，如Intel的X86系列用于对数字敏感的DSP应用并不理想，在20世纪80年代，DSP变得越来越重要，这导致了很多主要的电子元件制造商（如德州仪器, ADI及摩托罗拉等）开始重视开发数字信号处理器芯片—一种专用的微处理器，具有专为数字信号处理需求操作而设计的系统结构。
（这里要注意的是，DSP的缩写可指数字信号处理，这个术语表示广泛应用的用于数字化地处理信号的技术，或者数字信号处理器，一种特殊的微处理芯片）。
与通用的微处理芯片一样，一个DSP是一个可编程设备，具有私有的指令码。
DSP芯片每秒可以执行上百万次的浮点数运算，像其它更广为人知的通用微处理器一样，更快更强大的DSP在不断地出现。
DSPs可以被嵌入到其它通常包括模拟和数字电路的复杂片上系统设备中。
虽然DSP技术所依赖的一些数学理论，如傅立叶变换及希尔伯特变换、数字滤波器设计及信号压缩等，可能相当复杂，而实际中实现这些数字运算的技术却非常简单，其包括的主要运算可由一个廉价的具有加减乘除功能的四则运算器实现。
DSP芯片的结构设计使得这些运算的速度快得不可思议，每秒钟可处理上亿次的采样值，从而具有实时性：
也就是说，当其处理一个信号时，使之像刚刚采样并输出一样具有实时性。
如一个扬声器或一个视频显示。
以前所提到的所有的DSP的应用实例，如硬盘驱动器和移动电话，都需要实时操作。
主要的电子元件制造商都在DSP技术领域大量投资。
因为他们发现在具有大规模市场的应用产品中，DSP芯片在全世界电子设备中占了很大的比例。
现在每年的销售额在10亿美元左右，并且看来会持续快速增长。
6. DSP的深度
如同你从每个应用中所注意到的一样，DSP是非常交叉的学科，依赖于许多
相邻领域的技术工作。
如图2所示。
DSP与其它技术学科之间的边界不是非常精确或明确定义的，而是非常模糊或相互重叠的。
如果你想精通DSP，就需要同时学习相关的科学、工程及数学领域的知识。
图2.数字信号处理与其它领域具有模糊及重叠的边界
7. DSP影响的领域
1）电信
DSP在很多领域对电信工业具有革命性的影响：
信号音调的产生和检测、频带搬移、滤波以去除电源噪声等。
这里将要讨论来自电话网的三个特例：
复用、压缩及回声控制。
（1） 复用
世界上大约有10亿部电话。
只要按下很少的一些按钮，交换网允许其中的一部与任何别的电话在几秒之内连接。
这项工作的复杂性是人脑所不能想象的。
直到20世纪60年代，两个电话之间的连接还需要将模拟话音信号通过机械开关及放大器进行传送。
一个连接需要一对线。
相比较而言，DSP将音频信号转换成一串数字信号流。
由于比特流可以很容易地被混放在一起并且事后可以分开，因此，许多路话音可以在一条信道上传输。
该技术称为复用。
（2） 压缩
当以8000个采样值/秒的速度对一个话音信号进行数字化时，大多数的数字信息是冗余的。
也就是说，由一个采样携带的信息与其相邻采样在很大程度上是重复的。
很多DSP算法用于将数字化的语音转换成需要较少的bits/sec的数据流，这称为数据压缩算法。
对应的解压缩算法用于将信息恢复成其原始形式。
这些算法根据压缩比及最后的话音质量来区分优劣。
通常来说，这些算法可以使数据率从64kb/sec减少到32kb/s而不会导致话音质量的损失。
（3） 回声控制
回声是长距离电话连接中的一个严重的问题。
当你对一个电话讲话时，一个代表你声音的信号会被传输到所连接的接收端，而其中的一部分会以回声的形式
返回。
如果连接只有几百米，收到回音的时间间隔仅有几毫秒。
人的耳朵习惯于收到这么短时间延迟的回声，连接听起来相当正常。
当距离增大时，回声会变得非常惹人注意并且让人无法忍受。
洲际通信的回声间隔可达几百毫秒，这是相当让人讨厌的。
数字信号处理技术通过测量返回信号，并产生一个相应的相反信号以抵消这些令人讨厌的回声来处理这类问题。
同样的技术还用于令使用话筒的人能边听边说而不会觉得有回音。
这也可用于通过产生数字相反噪音来减少环境噪音。
2） 语音处理
人类的两个最基本的感观是视觉和听觉。
相应地，许多DSP是与图像及声音处理有关的。
人们可以听到音乐和话音。
DSP在这两个领域都曾带来革命性的变化。
（1） 音乐
从音乐家的麦克风到高保真音响之间的距离是相当长的。
用数字信号代表数据是很重要的，目的是防止模拟话音存储及处理中常有的话音衰退现象。
这与任何一个人将磁带的声音质量与CD的声音质量进行对比的结果是一样的。
一个典型的场景是，一段音乐在录音棚中是通过不同的声道进行录制的。
有些情况下，这甚至包括分别录制各个乐器及歌唱者的声音。
这样做的目的是给声音工程师以极大的灵活性去制作最后的产品。
将单独声道的音乐合成为最终音乐的过程被称为合成。
DSP在音乐合成中可以提供多种重要功能，包括:
滤波、信号附加及截断、信号编辑等。
在音乐合成中DSP最有趣的一个应用是人工回放。
如果各个信道仅仅是简单地叠加在一起，最后听到的音乐是脆弱无力的，就如同音乐家在门外演奏一样。
这就是为什么听众被音乐的回声或回音深深影响着，而这些常在演播室中被最小化了。
DSP使得人工回声在混合过程中被加到音乐中以仿真不同的听觉环境。
具有几百毫秒的延迟的回声会让人觉得像是大教堂一样的环境，而加上10-20毫秒延迟的回声可以产生更加现代的听觉感受。
（2） 话音产生
话音产生和识别用于人和机器之间的通信。
不是用手和眼睛，而是用嘴和耳朵。
当你的手和眼睛需要做别的如开车，进行外科手术或对敌人开枪等事情时，这项技术将给你带来极大的方便。
有两种计算机产生话音的方式：
数字录音或声道仿真。
（3） 语音识别
对人类声音的自动识别要比话音产生难得多。
数字信号处理通常通过两步解决话音识别的问题：
特征抽取及特征匹配。
来自于音频信号的每个单词都被隔离开并与先前所输的单词相比较以确认与那个最接近。
通常，这种系统仅限于很少的几百个单词；仅能接受在单词间具有明显停顿的话音；对每个说话的人都需要重新学习。
8. 图像处理
图像是具有特殊特点的信号。
首先，是在空间对参数的测量，而大多数信号是在时间上对参数的测量。
其次，图像包含了大量的信息。
例如，存储一秒钟的电视图像需要10M的空间。
这要比同样长度的话音信号大1000倍。
第三，最后对于图像质量的判断常通过人类的主观评估而非客观标准来判断。
这些特殊的特点使得图像处理成为DSP中非常独特的一个子集。
第五课 数字图像处理 & 视频压缩
课文A：
数字图像处理入门
1. 简介
数字图像处理技术仍是程序设计中一个极具挑战性的领域，有以下几个原因。
首先，数字图像处理在计算机发展史上出现得相对较晚，直到第一个图形操作系统出现后，它才真正得以应用。
其次，数字图像处理尤其是实时处理时需要最细致的优化。
将图像处理与音频处理相比较是提供思路的好方法。
我们考虑按每秒30次的速度检测一副320×240的32位位图上的所有像素点所必需的内存带宽：
10Mo/sec。
要达到相同的质量标准，立体声音频波的实时处理需要44100（采样每秒）×2（字节每采样每信道）×2（信道）=176Ko/sec，这要比图像处理少50倍。
显然，我们不能使用相同的技术来处理音频和图像。
最后，因为数字图像处理是一个二维域，所以要精心制作一个数字滤波器还是有些复杂的。
我们将从颜色表示这一基本方法开始，探讨一些用于图像处理的现行方法。
然后是更为先进的卷积矩阵和数字滤波器。
最后，我们概述图像处理的应用。
这篇文章的目的是让读者对目前的数字图像处理技术有所了解。
我们既不会深入研究理论，也不会研究编码；我们更关注的是算法本身，也就是方法。
总之，这篇文章应该仅仅用做思想源泉而不是代码之源。
2. 一种简单的图像处理方法
1） 颜色数据：
矢量表示
（1）.位图
在计算机内存中，位图是表示数字彩色图像最原始也是最基本的方式。
位图由一行行的像素组成，像素是“图像元素”的缩写。
每个像素所呈现的颜色都由一个特定的值来决定。
由三个数字定义该值，而这些数字是将颜色分解为三原色红、绿、蓝后得到的。
任何一种人眼可见的颜色都由这三种颜色合成。
三原色由0~255之间的值来量化。
例如，白色的值为R=255，G=255，B=255；黑色可表示为（R，G，B）=（0,0,0）；粉红色：
（255,0,255）。
这就是说，一幅图像是一个巨大的二维颜色阵列。
而每个像素都被编码成3个字节，代表三原色。
这允许图像包含256×256×256=16800000个不同的颜色。
这一技术就是RGB编码，特别适用于人类视觉。
有了照相机和其他的测量仪器，我们能看到数以千计的颜色，但在这种情况下，RGB编码就显得不适用。
选择0-255作为量化范围有两个很好的理由：
第一，人眼不够敏感，难以识别超过256个亮度等级（1/256=0.39%）的颜色。
也就是说，对于人类观察者而言，采用超过256个灰度等级（黑白之间的256个灰度级）并不能提高图像质量。
因此256个灰度级足够了。
第二，255这个值便于计算机存储。
事实上，作为计算机的存储单元，一个字节最多可以有256个编码值。
不同于音频信号在时间域中进行编码，图像信号的编码是在二维空间域中进行的。
原始图像数据要比音频信号时域数据更容易理解。
这就是我们能对图像进行大量填充、滤波处理而无需变换原始数据的原因，而对于音频信号来说，这是不可能的。
这一部分只需分析原始图像信号，做些简单的效果和滤波处理而无需改变原始数据。
标准维度也叫分辨率。
一个位图大约有500行，500列。
这一分辨率用于模拟式的电视机和计算机应用。
你能够很容易地计算出这种尺寸的位图所需的内存空间。
我们有500×500个像素，每一个像素由三个字节进行编码，构成750Ko。
同硬盘大小相比，这并不算很大，但是当你要实时处理一幅图像时，事情就显得很困难。
事实上，流畅地渲染图像需要每秒至少传输30幅图像，所需的10Mo/sec带宽是巨大的。
我们将注意到，RAM中数据访问与传输能力的限制对图像处理影响巨大，有时它的影响甚至超过了由于CPU处理能力的限制而带来的影响，这与我们习惯的优化思路大不相同。
值得注意的是，使用JPEG2000这样的现代压缩技术可以很容易地将图像大小缩小50倍而不会引起太严重的失真，但这是另一课题。
（2）颜色的矢量表示
正如我们所见，在位图中，颜色由3字节进行编码来代表其三原色的构成。
很明显，一个数学家会立刻将颜色定义为三维空间矢量，三维空间的每条坐标轴代表一种基色。
因此，我们可利用大部分的几何数学概念来表示颜色，例如定量，
内积，投影，循环或间距。
我们将在一些滤波器中看到这个极其有趣的想法。
图1说明了这一新的解释方式：
三维空间中颜色的矢量表示
2 ）滤波器的应用
（1）.边缘检测
之前我们说过，通过计算两个颜色矢量之间的几何距离就能分辨出这两种不
同的颜色。
若给定两种颜色C1=（R1，G1，B1）和C2=（R2，G2，B2），它们之间的距离可由以下公式得到：
第一个滤波器：
边缘检测。
边缘检测的目的是确定图片中不同形状的边缘位置，并将结果绘制成位图，例如可以在黑色背景上用白色表示边缘。
这种方法非常简单；我们依次检测图像中的每个像素，并与其右邻、底邻比较颜色。
如果其中一个结果差异很大，那么所研究的像素就是边缘的一部分，则变为白色，反之则是黑色。
我们把每个像素和它的右邻、底邻相比较是因为图像是二维的。
事实上，如果你想象一幅图像只有可选的红色和蓝色横向条纹，若只将某像素点和它的右邻相比较，就不可能测得这些条纹的边缘。
因此，必须对每个像素点进行右邻、底邻的比较。
这种算法已经在不同类型的源图像中做了测试，得到了较好的结果。
但频繁的内存访问使得该算法的运算速度十分有限。
两个平方根可以很容易地通过平方比较结果去掉；然而，颜色的提取质量不容易提高。
如果我们假设最长的运算是获得像素函数和放置像素函数，得到的多项式复杂度为4*N*M，这里N代表行值，M代表列值。
在实时计算中这是不够快的。
对于一个300×300×32的图像，在Athlon XP 1600+处理器上，每秒只能完成大约26次转换，的确很慢。
对该算法所得结果的解释是：
结果的质量取决于源图像的锐度。
如果源图像的边缘锐度大，则结果很完美。
但如果原始图很模糊，你就得先用锐度滤波器处理一下，稍后我们会对此做详细介绍。
另一个要说的是，你可以把每个像素和它右侧、底部的第二个或第三个最近的像素相比较而不是最近的像素比较。
依据源图像的锐度，边缘将变得更粗且更精确。
最后我们将看到另一种使用矩阵卷积进行边缘检测的方法。
b. 颜色提取
像素比较的另一个直接应用是颜色提取。
我们打算将每个像素和一种给定的颜色C1相比较而不是和它相邻的部分比较。
该算法将尝试检测出图像里所有含C1颜色的对象。
例如，这一算法在机器人技术中相当有用。
它能让你从图像流中搜索出一个特定的颜色。
然后，打个比方，你可以让机器人过去拿到一个红球。
我们将调用这种参考色C0=（R0，G0，B0），在图像中进行搜寻。
再一次，即使能够很容易地去掉平方根，也不能有效提高算法的运算速度。
真正降低循环速度的是N×M次访问内存以获得像素，并放置像素。
这决定了算法的复杂度：
2×N×M，N和M各自代表位图中的行值和列值。
在我的计算机上针对300×300×32的原始位图测得的有效速度大约是每秒40次转换。
c. 颜色与灰度转换
对于3D彩色空间，灰度值由（1，1，1）向量来直接表示。
实际上，灰色阴影的红、绿、蓝三个分量值是相等的，因此它们的构成必须是（n，n，n），n是0到255之间的整数（例如：
（0,0,0）黑色，（32,32,32）黑灰，（128,128,128）中灰，（192,192,192）亮灰，（255,255,255）白色等）。
现在该算法的思想是找到一种颜色在（1，1，1）向量中的重要性。
我们使用标量投影达到此目的。
一种颜色向量C=（R，G，B）在向量（1,1,1）上的投影计算如下：
然而，投影值可以达到441.67，即白色（255,255,255）的标准。
为防止数值超过255，我们将投影值乘以一个因子255/441.67=1/sqrt（3）。
因此，公式可简化如下
事实上，将颜色转化为灰度值就相当于对该像素的红、绿、蓝三个分量取平均值。
你也可以将（R3）公式用于其他颜色度的转换中。
例如你可以选择红度图像，红度（C）=R，或是黄度图像，黄度（C）=（G+B）/sqrt（6）等等。
我们不可能通过优化该算法来降低算法的复杂度，但是我们可以从研究的像素数目N×M来获得计算复杂度，其中（N，M）表示位图的分辨率。
它在我计算机上执行的时间和以前的算法相同，大约每秒35次转换。
3. 结论
数字图像处理并不是简单地将音频信号处理规则转换到二维空间中。
图像信号有其特有的属性，因此我们必须用特殊的方法来处理。
例如，快速傅里叶变换适用于音频处理，但对图像处理没有用。
相反地，在图像处理中，能很容易地直接设计出数字滤波器，而不需要任何信号的转换。
数字图像处理已经成为了现代信号技术的热点领域。
它的应用已远远超过简单的美学考虑，涵盖了医学影像、电视和多媒体信号、安全、便携式数字设备、视频压缩，甚至数字电影等领域。
我们已经掌握了图像处理中的一些基本概念，但还有很多内容有待进一步挖掘。
如果你刚开始研究这个课题，我希望本文能使你对其有所了解，并赋予你继续研究下去的动力。
课文B：
3G“中国标准”瞄准国际市场
进入2004年，由中国提出并获得国际电联批准的3G（TD-SCDMA）标准日益成为全球电信业关注的焦点。
据悉，目前国际上无论电信运营商还是电信设备制造商对3G“中国标准”的关注都在增加。
国际上几乎所有的移动通信设备厂商都增加了对3G“中国标准”的研发投入和开发力度。
今年以来，中国政府主管部门推动3G“中国标准”发展的力度越来越大，研发和产业化的推进速度也在明显地加快，外场测试供货协议的签署以及3G“中国标准”手机的陆续推出等都表明了这一点。
“中国标准”技术优势逐步显现
针对一两年前流传的所谓3G“中国标准”的水平问题，中国信息产业部科技司副司长张新生认为，3G“中国标准”从提出到不断地推进再到目前引起世界的普遍关注，最根本的原因在于技术上的优势。
他强调，TD-SCDMA成为国际3G标准，是世界移动通信界经过大量的研究、辩论和讨论的结果，大家得出了比较一致的意见，认为TD-SCDMA技术应该可以作为3G的国际标准之一。
特别是欧洲3G频率拍卖之后，TD-SCDMA更被普遍认可。
张新生说，目前3G“中国标准”已经成为世界3G的亮点。
日本、欧洲、美国都在关注。
世界各大通信公司没有一家不在研究，他说，虽然3G“中国标准”还有一些问题需要探索，但TD-SCDMA技术已经被大家认可了。
业界一致认为TD-SCDMA具有天然的技术优势，并且能和现有的通信系统结合起来，加上智能天线、软件无线电以及频谱利用率高的特点，其技术优势正逐步显现出来。
TD-SCDMA改变了世界3G研究方向
张新生认为，TD-SCDMA技术的发展改变了世界3G技术研发的方向。
表现在：
一、3G“中国标准”是唯一基于智能天线技术建立的3G标准，目前在这个领域我们走在了世界的前面。
二、TD-SCDMA的发展带动了世界电信界在软件无线电方面的研究和探讨。
如果实现了软件无线电，3G的面貌就彻底改变了。
三、TD-SCDMA的发展，使人们更加关注移动IP的发展方向问题。
3G“中国标准”促使对3G研究的重点转向以上的3个方面，这是TD-SCDMA发展最大的意义。
他说，以上三个课题如果得到突破，世界无线通信的面貌就改变了。
中国已经具备基础开发能力
张新生认为，中国经济的发展、信息产业的发展，为中国研发一个创新的完整的通信系统创造了条件。
中国企业在经济实力、人员素质以及产业化能力方面已经有了大幅度的提高，特别是中国企业在产业链实力上的整体提高，为发展TD-SCDMA创造了条件。
发展一个新的移动通信系统，除了最关键的基站系统开发，还涉及核心网、终端等一系列产品的开发，还要涉及芯片设计以及相关元器件的生产开发能力，在有些领域虽然中国与国外先进水平还有差距，但目前已经具备了基础的开发能力，这也是我国TD-SCDMA开发不断推进的重要因素。
张新生说，我国企业已经有能力进行大规模投入，企业具备了比较雄厚的研发实力。
他说，虽然政府主管对3G“中国标准”的发展给予了大力的支持，但主要的投入还是企业的投入。
中国企业，特别是大唐集团，几年来在3G“中国标准”的开发上投入了大量的资金，没有企业这些长期的投入，TD-SCDMA的迅速推进也是不可想象的
“中国标准”的目标是世界市场
张新生说，中国政府主管部门将把3G“中国标准”作为中国的战略产业来发展。
一方面积极地提倡国内企业加入到TD-SCDMA产业化联盟和开展TD-SCDMA产业化工作中来，另一方面也欢迎国外企业积极投身开发进程中。
他说：
“我们的目标不仅仅是国内市场，要走出去，走向全球市场。
我们要充分发挥我们制造企业和运营业的合力优势，全力推进3G‘中国标准’的商用进程”。
第十课 云计算的发展
课文A 云计算简介（一
升级会员 