在INTERNET/INTRANET网络通信技术的迅猛发展的今天，分布式异构集成应用系统的开发和使用是必然发展方向；JAVA具有稳定、可靠、跨平台等优点，利用其开发分布式计算系统，是必然的趋势。同时，JAVA开发必须继承并集成现存的系统，因此，JAVA与各现存的软件系统通信现在已经提上了日程。
MATLAB是Mathworks公司推出的针对数值计算的交互式软件,具有强大的数值分析、矩阵运算、信号处理和图形显示功能;MATLAB以其强大的数据处理能力和丰富的工具箱使得他的编程极为简单,可大幅缩短应用程序开发周期,提高编程效率。因而JAVA通过VC++实现MATLAB的图形处理和显示是提高效率的一种可行策略。最终实现JAVA、MATLAB通信必须解决两方面的问题:一是JAVA与VC++的通信;二是VC++与MATLAB的通信。
本系统（是分布式网络多代理系统中的一代理服务器——人工神经网络代理服务器）的功能实现是：从JBUILDER开发环境的JAVA程序通过调用包含MATLAB图形处理和显示功能DLL，实现图像显示。其中VC需要MATLAB的“title.m、xlabel.m、ylabel.m”三个文件和为实现图形处理显示编写的文件“errorpicture.m”。系统的开发环境是：WindowXP操作系统、VisualC++6.0和JBUILDER6.0开发工具、MATLAB6.5软件。
1 实现JAVA与VC通信方法简介
JAVA与VC的交互可以通过各自单独运行的程序读写约定的格式的文件来交流，但是通信的实时性不能保证；可以利用CORBA机制，通过定义IDL接口的客户机/服务器(CLIENT/SERVER)的形式通讯，这加大了系统简单功能实现的复杂化；还可以通过JNI（Java Native Interface）或RMI（Remote Method Invocation）等方法实现。
在微软的操作系统上，实现本机程序之间的通信应用JNI机制较方便快捷、稳定可靠，并能实现实时通信。本示例系统的实现就使用了此机制。
1.1 实现JAVA与VC++（DLL）互连
首先在JBUILDER中建立一工程，如：MASS，使用MASSFrame为框架（Frame）的类名。
系统为了使用VC中实现的MATLAB图形处理的DLL，需在JAVA文件的class MASSFrame中，添加如下一些代码：
public native void showPicture();
//实现调用的DLL中函数申明
static
{
System.loadLibrary ("showpicture");
//使用DLL文件，其名称是“showpicture.dll”
}
void jBShowPicture_actionPerformed(ActionEvent e)
{
showPicture();
//JAVA程序对DLL中函数的使用
}
1.2 系统运行设置与编译
须对使用DLL中MATLAB函数的JAVA文件编译属性进行设置，在JBUILDER工具中的Project视图区域找到class MASSFrame.java（各开发者确定的文件名可能不同）的文件，选中后按下鼠标右键，在出现的菜单中选择“Properties”项，接着按照“Build->RMI/JNI->Generate JNI header file”找到“Generate JNI header file”项目，选定。编译该文件，可得相应的h文件。本系统产生“mass_ MASSFrame.h”，其中调用的函数为：“JNIEXPORT void JNICALL Java_mass_MASSFrame_showPicture (JNIEnv *, jobject); ”。
如果仅使用SUN公司的JDK来实现，须用javah.exe将javac.exe编译生成的class文件去生成对应的h文件，接着修改h文件，即将文件所在的包层次，在被调用的函数名上体现出来，也就是“JNIEXPORT void JNICALL Java_MASSFrame_showPicture (JNIEnv *, jobject); ”修改为上面的调用函数名。
1.3 JAVA应用系统运行
将VC生成的DLL文件拷到JBUILDER当前运行程序的目录下，执行程序，就实现JAVA系统和MATLAB的通信。本示例系统的DLL是“showpicture.dll” （即下面的“实现VC、MATLAB通信方法简介”所产生的）。其运行结果显示图如图1：
图1 JAVA调用DLL的图像显示
2 实现VC、MATLAB通信方法简介
MATLAB提供了许多方法与VC程序的通信：MATLAB引擎(ENGINE)模式，采用了客户机/服务器(CLIENT/SERVER)的计算形式,通过MATLAB应用程序接口(API)中有关函数,在VC环境中调用MATLAB函数,但此种方法需要MATLAB环境后台支持,因此系统必须安装MATLAB；MATLAB本身提供的MCC工具编译，编译m文件生成VC++或c语言，直接在VC中使用；MATLAB的MEX工具将m文件编译成DLL，供VC调用。。。。。。
MATLAB现具有的MATLAB Add—in（其包装了MCC、MEX）更方便了第二、三种方法的应用，现本系统的实现就是以第三种为基础的。
2.1 MATLAB与VC实现互连
为了在开发时实现对MATLAB的具体功能的调用，应首先在操作系统中安装MATLAB工具软件，之后并运行此工具软件，依次执行“mex –setup；mbuild –setup；cd(prefdir); mccsavepath;”命令。之后运行VC开发工具，从VC++菜单中依次打开“Tools->Customize->Add-ins and Macro Files”，选中MATLAB Add—in宏，可以看到工具栏中多了一个
。现在VC就可以利用它来得到m文件所对应的c、c++文件。
2.2 开发工具VC运行环境设置
开发时，须对VC的开发环境变量进行设置。通过“Tools->Options->Directories”找到的“Directories”项中添加环境变量。
添加头文件和库文件搜索路径有（本计算机的文件搜索路径为）：
F:\MATLAB6P5\EXTERN\INCLUDE
F:\MATLAB6P5\EXTERN\INCLUDE\CPP
同时将MATLAB的链接库添加到VC中。从“Tools->Options->Directories”中“Show directories for：”下拉框里选择“Library files”，然后再在“Directories”项中添加环境变量。
F:\MATLAB6P5\EXTERN\LIB
F:\MATLAB6P5\EXTERN\LIB\WIN32
F:\MATLAB6P5\EXTERN\LIB\WIN32\MICROSOFT\MSVC60
上述为VC编译MATLAB的m文件生成C代码的环境。同时为了编译JNI的h文件，还须通过菜单Tools.和Project添加如下头文件和库文件搜索路径：
D:\JBUILDER6\JDK1.3.1\INCLUDE
D:\JBUILDER6\JDK1.3.1\INCLUDE\WIN32
2.4 VC生成DLL
本系统首先用VC建立“MATLAB Project Wizard”项中名称为showpicture的Project，其中Project的选项结果如下图2所示：
图2 创建工程选项结果
将1.2中生成的mass_ MASSFrame.h文件拷贝到系统目录下，并添加到VC的“FileView”中“HeadFiles”里面。
在VC中为了对JAVA程序提供可调用的函数，须在“showpicture.c”文件中添加：
#include " mass_ MASSFrame.h"
//dll导出的JAVA调用函数的具体实现部分
JNIEXPORT void JNICALL
Java_mass_MASSFrame_showPicture
(JNIEnv *en, jobject ob)
{
showpictureInitialize();//初始化
mlfErrorpicture();//图像显示
mlfHGWaitForFiguresToDie();//关闭显示相关资源
}
“F7”编译程序，于是便得到“showpicture.dll”。
2.3 脱离MATLAB环境运行的支持文件
为了在没有安装MATLAB应用软件的环境下，能够使用其功能的DLL，须在运行此DLL的目录中添加一些文件，而这些文件可以通过工具栏中的“MATLAB Add-in Packager”获得。按照此工具默认的配置运行，得到一个zip压缩文件，使用时，将其解压到DLL文件所在的目录中，DLL就能脱离MATLAB环境使用。
3 结论
采用JAVA系统在对外服务时,利用MATLAB完成软件核心算法设计和图形处理、显示,很大程度上降低了编程难度和工作量, 缩短开发周期,并提高了软件的可靠性。基于VC++6.0实现JAVA和MATLAB的通信——利用VC编译器调用包含MATLAB处理功能的动态连接库实现脱离MATLAB环境下运行实现JAVA和MATLAB二者的紧密结合，更极大拓展了MATLAB的应用范围，并同时也深化了JAVA和MATLAB的应用能力。
附注：errorpicture.m文件的内容如下：
function errorpicture()
s='NN\训练误差结果显示.txt';
fid=fopen(s,'r');
while (feof(fid))~=true
[x,n]=fscanf(fid,'%12f');
end;
if(n>1)
t=1:1*100:n*100;
plot(t,x);
ylabel('误差绝对值');
xlabel('训练次数（次）');
title('人工神经网络训练误差结果显示图');
grid;
end;
fclose(fid);