亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        智能化廣播電視信號(hào)質(zhì)量檢測技術(shù)研究

        2024-06-11 14:33:09郝延軍
        電視技術(shù) 2024年3期
        關(guān)鍵詞:特征提取廣播電視智能化

        郝延軍

        (濱州博興縣融媒體中心,山東 濱州 256500)

        0 引言

        隨著廣播電視技術(shù)的發(fā)展,傳統(tǒng)的人工監(jiān)測方式已經(jīng)難以滿足信號(hào)質(zhì)量檢測的要求。廣播電視信號(hào)質(zhì)量監(jiān)測一直是保障廣電傳輸與服務(wù)質(zhì)量的重要手段,傳統(tǒng)的監(jiān)測系統(tǒng)依靠人工來測量和評(píng)判信號(hào)參數(shù),效率較低。近年來,網(wǎng)絡(luò)電視(Internet Protocol Television,IPTV)、4K超高清等新技術(shù)的推出,使廣播電視網(wǎng)絡(luò)種類和節(jié)目量激增,對(duì)信號(hào)質(zhì)量監(jiān)測提出了更高要求。同時(shí),大數(shù)據(jù)和人工智能(Artificial Intelligence,AI)技術(shù)得到了長足發(fā)展,在圖像識(shí)別、數(shù)據(jù)挖掘、智能決策等方面展現(xiàn)出強(qiáng)大的能力。將大數(shù)據(jù)和AI技術(shù)應(yīng)用于廣播電視信號(hào)監(jiān)測,構(gòu)建智能化信號(hào)質(zhì)量檢測體系,實(shí)現(xiàn)對(duì)海量信號(hào)數(shù)據(jù)的高效管理、多維度分析和智能預(yù)測,已成為廣播電視監(jiān)測技術(shù)的重要發(fā)展方向。

        1 大數(shù)據(jù)和AI技術(shù)在信號(hào)監(jiān)測中的應(yīng)用

        1.1 大數(shù)據(jù)技術(shù)在信號(hào)監(jiān)測中的應(yīng)用

        大數(shù)據(jù)技術(shù)主要具有4個(gè)特征,即“4V”特征:Volume(海量)、Variety(多樣化)、Velocity(生成速度快)和Value(低價(jià)值密度)。信號(hào)監(jiān)測過程中會(huì)產(chǎn)生海量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù),包括視頻服務(wù)器輸出的TS流、編碼器輸出的碼流元數(shù)據(jù)、調(diào)制器輸出的調(diào)制信號(hào)參數(shù)、信號(hào)分配放大器輸出的射頻(Radio Frequency Signal,RF)信號(hào)參數(shù)、信號(hào)接收設(shè)備輸出的信號(hào)質(zhì)量數(shù)據(jù)、環(huán)境監(jiān)測設(shè)備輸出的環(huán)境參數(shù)以及用戶終端反饋的質(zhì)量意見數(shù)據(jù)等。這些異構(gòu)數(shù)據(jù)源輸出的多模態(tài)數(shù)據(jù)容量巨大,每日生成的數(shù)據(jù)可達(dá)TB級(jí)甚至更高數(shù)量級(jí),需要使用Hadoop或Spark等大數(shù)據(jù)處理框架進(jìn)行存儲(chǔ),而且這些數(shù)據(jù)中有效信息的占比不高。因此,需要借助大數(shù)據(jù)的海量存儲(chǔ)和低價(jià)值密度處理優(yōu)勢,存儲(chǔ)和過濾這些數(shù)據(jù),以降低存儲(chǔ)成本。同時(shí),信號(hào)監(jiān)測需要對(duì)存儲(chǔ)數(shù)據(jù)進(jìn)行快速處理,以實(shí)時(shí)監(jiān)測和預(yù)警信號(hào)傳輸質(zhì)量的變化,可以使用Storm和Flink等大數(shù)據(jù)實(shí)時(shí)計(jì)算框架,對(duì)采集到的視頻碼流進(jìn)行實(shí)時(shí)解復(fù)用和解碼,快速提取信號(hào)參數(shù)。此外,還需要應(yīng)用大數(shù)據(jù)的聚合分析,綜合分析編碼器、調(diào)制器和放大器等設(shè)備輸出的數(shù)據(jù)以及用戶反饋的數(shù)據(jù)關(guān)系,準(zhǔn)確定位信號(hào)質(zhì)量問題的源頭。

        1.2 AI技術(shù)在信號(hào)分析和質(zhì)量評(píng)估中的應(yīng)用

        近年來,AI技術(shù)在圖像處理、語音識(shí)別、自然語言處理等領(lǐng)域取得了一定突破,尤其是具有代表性的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù),在處理圖像、語音與視頻等信號(hào)上展現(xiàn)出強(qiáng)大的分析能力,為廣播電視視頻信號(hào)質(zhì)量的智能化監(jiān)測與評(píng)估提供了技術(shù)支撐[1]。深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)、遞歸神經(jīng)網(wǎng)絡(luò)(Recursive Neural Network,RNN)等模型可用于視頻信號(hào)的智能化特征提取。使用注意力機(jī)制自動(dòng)學(xué)習(xí)不同質(zhì)量影響因素的權(quán)重,能夠多維度提取復(fù)雜視頻信號(hào)的“注意力+特征”,在特征提取的基礎(chǔ)上,可以構(gòu)建基于深度學(xué)習(xí)的智能化質(zhì)量評(píng)估模型,如基于CNN的圖像質(zhì)量自動(dòng)打分模型、基于RNN的編碼質(zhì)量預(yù)測模型、集成注意力機(jī)制的質(zhì)量回歸模型等,并使用遷移學(xué)習(xí)、多任務(wù)學(xué)習(xí)等技術(shù)不斷優(yōu)化模型,以提高視頻信號(hào)質(zhì)量預(yù)測的精確度。

        2 廣播電視信號(hào)監(jiān)測的關(guān)鍵技術(shù)

        2.1 功率和頻譜特征提取算法

        對(duì)于數(shù)字化廣播電視信號(hào),質(zhì)量智能化監(jiān)測的第1步是特征提取。信號(hào)功率和頻譜特征直接影響信號(hào)質(zhì)量,因此需要重點(diǎn)開發(fā)射頻功率檢測、頻譜分析等算法,用于提取核心特征。相關(guān)的信號(hào)特征提取算法主要有4種。第一,基于快速傅里葉變換(Fast Fourier Transform,F(xiàn)FT)的頻譜分析算法。應(yīng)用射頻包絡(luò)檢波技術(shù),檢出信號(hào)中包含的視頻、聲頻和數(shù)據(jù)等信息,計(jì)算信號(hào)總功率、視頻信號(hào)功率及音頻信號(hào)功率,并獲得信號(hào)的信息功率與噪聲功率之比,反映信噪比。第二,采用FFT對(duì)信號(hào)進(jìn)行頻域分析,獲得信號(hào)的頻譜分布、主載波位置及邊帶情況,檢測信號(hào)中是否存在三階互調(diào)失真產(chǎn)物和相鄰信道干擾等頻譜異物。第三,信號(hào)數(shù)字化采集后進(jìn)行數(shù)字預(yù)畸變,使用數(shù)字濾波技術(shù)消除信號(hào)在傳輸中出現(xiàn)的線性和非線性畸變,以提高后續(xù)特征提取的質(zhì)量。根據(jù)信號(hào)類型,選擇有限沖激響應(yīng)(Finite Impulse Response,F(xiàn)IR)濾波、無限脈沖響應(yīng)(Infinite Impulse Response,IIR)濾波等自適應(yīng)濾波方案,有針對(duì)性地進(jìn)行降噪處理[2]。第四,基于小波變換的時(shí)頻分析算法。依賴小波變換的多分辨率解析能力,提取信號(hào)的細(xì)節(jié)和瞬變特征,在時(shí)頻平面上取得信號(hào)的時(shí)間-頻率矩陣,訓(xùn)練神經(jīng)網(wǎng)絡(luò)或支持向量機(jī)等模式識(shí)別模型,識(shí)別數(shù)字調(diào)制信號(hào)的調(diào)制方式。

        2.2 圖像質(zhì)量智能評(píng)估模型

        在視頻信號(hào)質(zhì)量監(jiān)測過程中,圖像質(zhì)量的智能評(píng)估是關(guān)鍵環(huán)節(jié)之一。構(gòu)建自動(dòng)化圖像質(zhì)量評(píng)估模型,能夠測定視頻信號(hào)傳輸過程中的圖像質(zhì)量,輸出可靠的圖像質(zhì)量分?jǐn)?shù),為整體信號(hào)質(zhì)量監(jiān)測奠定基礎(chǔ)。

        常見的圖像質(zhì)量智能評(píng)估模型主要包括如下4種。第一,基于淺層網(wǎng)絡(luò)的傳統(tǒng)機(jī)器學(xué)習(xí)評(píng)估模型,如全參考型的峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)、結(jié)構(gòu)相似性(Structural Similarity,SSIM)以及無參考的圖像質(zhì)量評(píng)價(jià)(Natural Image Quality Evaluator,NIQE)、無參考圖像空間質(zhì)量評(píng)估器(Blind/Referenceless Image Spatial Quality Evaluator,BRISQUE)等,這類模型具有人工設(shè)計(jì)的特征提取和簡單機(jī)器學(xué)習(xí)框架,計(jì)算速度較快,但評(píng)估效果有限。第二,近年來,基于CNN的深度學(xué)習(xí)模型成為主流,如CNN、DeepIQ、MEON等。這些模型可以端到端學(xué)習(xí)圖像復(fù)雜的非線性特征,評(píng)估效果明顯優(yōu)于傳統(tǒng)模型,但需要大量數(shù)據(jù)進(jìn)行訓(xùn)練。第三,利用生成對(duì)抗網(wǎng)絡(luò)框架的生成圖像質(zhì)量評(píng)估(Generated Image Quality Assessment,GIQA)、DisIQ等模型,可以合成不同失真的圖像樣本,來擴(kuò)充數(shù)據(jù)集、增強(qiáng)模型健壯性。第四,基于元學(xué)習(xí)理念的模型,如MetaSQ、HyperIQA等,可以實(shí)現(xiàn)不同圖像質(zhì)量數(shù)據(jù)集間的知識(shí)遷移,具有較強(qiáng)的跨數(shù)據(jù)集泛化能力。

        自動(dòng)化圖像質(zhì)量評(píng)估模型可以實(shí)現(xiàn)視頻信號(hào)傳輸過程中圖像質(zhì)量的智能化檢測,配合信號(hào)圖像特征提取技術(shù),定量輸出圖像質(zhì)量分?jǐn)?shù),支持整體信號(hào)質(zhì)量的監(jiān)測與管理。

        3 廣播電視信號(hào)質(zhì)量監(jiān)測系統(tǒng)的應(yīng)用思路

        3.1 整體技術(shù)路線和系統(tǒng)架構(gòu)

        廣播電視信號(hào)質(zhì)量智能化監(jiān)測系統(tǒng)需要處理海量數(shù)據(jù),因此采用模塊化、分層的系統(tǒng)架構(gòu)設(shè)計(jì),使用“信號(hào)采集—數(shù)據(jù)存儲(chǔ)—智能處理—質(zhì)量評(píng)估—結(jié)果展示”的技術(shù)路線[3]。在數(shù)據(jù)采集層,布置分布式的環(huán)境傳感設(shè)備、信號(hào)監(jiān)測設(shè)備、網(wǎng)絡(luò)監(jiān)控設(shè)備等,以實(shí)時(shí)采集信號(hào)鏈路上的各類數(shù)據(jù),包括發(fā)射端信號(hào)源數(shù)據(jù)、傳輸鏈路中的環(huán)境參數(shù)、信號(hào)重復(fù)器與放大器的工作狀態(tài)數(shù)據(jù)、信號(hào)接收端的質(zhì)量數(shù)據(jù)以及返回的用戶體驗(yàn)反饋數(shù)據(jù)等。這些采集節(jié)點(diǎn)通過高速網(wǎng)絡(luò)或無線網(wǎng)絡(luò)將數(shù)據(jù)傳送至計(jì)算中心的分布式數(shù)據(jù)存儲(chǔ)平臺(tái)。存儲(chǔ)平臺(tái)配備分布式文件系統(tǒng),以支持大容量的波形存儲(chǔ),并使用分布式數(shù)據(jù)庫存儲(chǔ)結(jié)構(gòu)化數(shù)據(jù)。Spark Streaming等大數(shù)據(jù)實(shí)時(shí)計(jì)算框架,對(duì)并行處理存儲(chǔ)的數(shù)據(jù)進(jìn)行信號(hào)解調(diào)、品質(zhì)因子提取、質(zhì)量評(píng)估等分析,深度學(xué)習(xí)模型被訓(xùn)練并部署于分布式平臺(tái),分析結(jié)果以可視化的方式呈現(xiàn)在管理人員的監(jiān)控終端。監(jiān)測系統(tǒng)的任務(wù)調(diào)度模塊統(tǒng)一調(diào)度各層的工作,保證系統(tǒng)整體協(xié)調(diào)運(yùn)轉(zhuǎn)。分布式、分層的架構(gòu)充分利用了大數(shù)據(jù)平臺(tái)的計(jì)算和存儲(chǔ)優(yōu)勢,使信號(hào)監(jiān)測系統(tǒng)具備可擴(kuò)展性與高容錯(cuò)性。

        3.2 數(shù)據(jù)處理和分析模塊

        廣播電視信號(hào)智能化監(jiān)測系統(tǒng)中的數(shù)據(jù)處理與分析模塊,需要對(duì)采集模塊輸出的多源異構(gòu)數(shù)據(jù)進(jìn)行清洗、存儲(chǔ)和智能分析,實(shí)現(xiàn)信號(hào)質(zhì)量評(píng)估與預(yù)測等核心功能。首先,對(duì)采集的原始數(shù)據(jù)進(jìn)行清洗,如格式校驗(yàn)、刪除異常數(shù)據(jù)、補(bǔ)充缺失值等,以保證進(jìn)入分析環(huán)節(jié)的數(shù)據(jù)質(zhì)量,同時(shí)使用Hadoop、Spark等大數(shù)據(jù)分布式存儲(chǔ)和計(jì)算框架,高效存儲(chǔ)不同類型的數(shù)據(jù)。其次,根據(jù)不同的分析目標(biāo),對(duì)存儲(chǔ)的數(shù)據(jù)進(jìn)行過濾、聚合、相關(guān)特征提取等操作,構(gòu)建標(biāo)準(zhǔn)化的特征向量,以適應(yīng)智能算法的輸入要求,并使用信號(hào)處理、計(jì)算機(jī)視覺等專業(yè)算法進(jìn)行特征工程,對(duì)不同類型的數(shù)據(jù)進(jìn)行歸一化、離散化等預(yù)處理,將其轉(zhuǎn)換為模型可用的輸入向量。其次,使用AI算法評(píng)估信號(hào)傳輸質(zhì)量,采用機(jī)器學(xué)習(xí)算法和深度學(xué)習(xí)模型,建立映射信號(hào)特征與質(zhì)量影響因素的評(píng)估與預(yù)測模型,在離線階段使用大量標(biāo)注數(shù)據(jù)來訓(xùn)練模型,調(diào)優(yōu)模型超參數(shù)后,將其部署在基于圖形處理器(Graphics Processing Unit,GPU)和現(xiàn)場可編程邏輯門陣列(Field Programmable Gate Array,F(xiàn)PGA)的分布式深度學(xué)習(xí)平臺(tái)上。為降低預(yù)測延時(shí),采用混合精度、多卡并行、跨模態(tài)壓縮等優(yōu)化手段來提升分析吞吐量。最后,隨著新數(shù)據(jù)的采集,需要定期使用增量學(xué)習(xí)的方式優(yōu)化模型,使其性能持續(xù)提升[4-5]。

        4 結(jié)語

        廣播電視行業(yè)的蓬勃發(fā)展給信號(hào)傳輸質(zhì)量帶來了新的挑戰(zhàn)。人工監(jiān)測的方法難以應(yīng)對(duì)海量信號(hào)數(shù)據(jù)的處理工作,而大數(shù)據(jù)分析和人工智能技術(shù)在數(shù)據(jù)存儲(chǔ)和建模等方面的優(yōu)勢為信號(hào)質(zhì)量的智能化監(jiān)測帶來了契機(jī)。未來,應(yīng)繼續(xù)以數(shù)據(jù)質(zhì)量以及算法的健壯性與實(shí)時(shí)性為著力點(diǎn),依托深度學(xué)習(xí)等前沿算法,實(shí)現(xiàn)信號(hào)的特征分析與質(zhì)量評(píng)估,推動(dòng)監(jiān)測系統(tǒng)向自動(dòng)化、智能化、精確化的方向發(fā)展。

        猜你喜歡
        特征提取廣播電視智能化
        智能化戰(zhàn)爭多維透視
        軍事文摘(2022年19期)2022-10-18 02:41:14
        印刷智能化,下一站……
        基于Daubechies(dbN)的飛行器音頻特征提取
        電子制作(2018年19期)2018-11-14 02:37:08
        基于“物聯(lián)網(wǎng)+”的智能化站所初探
        Bagging RCSP腦電特征提取算法
        周六廣播電視
        周日廣播電視
        周五廣播電視
        周三廣播電視
        石油石化演進(jìn)智能化
        能源(2015年8期)2015-05-26 09:15:56
        欧美整片第一页| 手机在线看片| 国产精品兄妹在线观看麻豆| 竹菊影视欧美日韩一区二区三区四区五区| 亚洲色偷拍一区二区三区| 蜜臀一区二区av天堂| 亚洲成人av一二三四区| 国产一极内射視颍一| 国产又黄又爽视频| 天堂av在线播放观看| 中文字幕亚洲精品久久| 色偷偷噜噜噜亚洲男人| 国产成人啪精品午夜网站| 亚洲精品99久91在线| 日本饥渴人妻欲求不满| 94久久国产乱子伦精品免费| 精品欧美久久99久久久另类专区| 亚洲一区二区三区ay| 无码a级毛片免费视频内谢5j| 人与禽交av在线播放| 毛片av在线播放亚洲av网站| 亚洲中文字幕精品久久久| 少妇被又大又粗又爽毛片| 无码少妇一区二区三区芒果 | 国产AV无码无遮挡毛片| 三上悠亚亚洲精品一区| 久久天天躁狠狠躁夜夜avapp| 亚洲欲色欲香天天综合网| 亚洲av黄片一区二区| 强d乱码中文字幕熟女免费| 人妻av无码系列一区二区三区| 亚洲区偷拍自拍29p| 亚洲乱码av一区二区蜜桃av| 少妇扒开毛茸茸的b自慰| 911国产精品| 国产喷白浆精品一区二区豆腐 | 丰满少妇高潮惨叫久久久| 国产成人亚洲精品无码h在线| 国产视频不卡在线| 自由成熟女性性毛茸茸应用特色 | 午夜精品久久99蜜桃|