广播全台网后台支撑子系统的研究与实现

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:THE_BOSS
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
广播全台网是新时代数字化广播的基础,是广播电台计算机信息综合处理系统的平台。广播全台网除了具有传统的模拟设备所具有的节目的录制、编辑和存储功能,还具备了数字化音频信号处理功能,包括了音频信号的自动均衡、扩展压缩、效果叠加、延时混响等等。广播全台网的系统组织简单的说主要是由工作站前台工作系统和工作站后台支撑系统两部分组成。广播电台广播全台网后台支撑系统是广播全台网的底层部分,负责对从节目制作、编辑、管理到自动化播出这一过程所要求的功能进行实现支撑。本课题在对研究背景的介绍和后台支撑系统的需求分析后,运用了先进的数字音频信号处理技术、软件工程技术、流媒体处理技术、结合优秀的专业音频处理软件Adobe Audition3.0的音频录制、编辑平台,研究实现了广播电台广播全台网后台支撑系统。它是广播全台网的底层基础,对工作站节目制作播出提供高效的底层功能支撑,丰富了广播电台人员的节目制作手段,提升了制作的节目效果,也大幅提高广播全台网的综合性能。本文针对广播电台广播全台网对后台支持系统的稳定性、可靠性、技术先进性、安全性、可扩展性等要求完成了如下的工作内容:1、基于directshow技术的音频素材格式转换系统的设计与实现,包括了音频转码链接搭建以及数据存储Filter——DUMP的改造等工作。为工作站提供素材预处理功能。2、设计和实现了数字音频音量自动均衡系统,包括设计音量均衡算法并以Directshow Filter的形式实现,以及采用数字水印技术保存均衡值等内容。解决了工作站播出节目的音量突变问题。3、通过设计和实现专业音频处理软件Adobe Audition3.0的S48插件,使得Audition能够支持S48格式素材,并且能够同广播全台网完美集成。通过这些支撑功能的实现,完成了对广播全台网数字音频录编系统的功能支撑。最后对本课题研究内容进行了简单的总结。本课题实现的广播电台广播全台网后台支撑系统,已经伴随airlink广播全台网交付各省市电台使用,直接运行稳定、性能优越,达到了预期设计目的。
其他文献
随着生产技术的发展和人们合理利用能源意识的提高,原本采用单一原料进行生产的生产线现常需改为多种原料进行配料生产。为满足这样的生产需求,本文设计了基于ARM7内核微控制
随着计算机通信技术的不断发展,网络应用越来越影响到人们的日常生活,工业领域也不例外。因而,为了保证产品的生产质量和安全,提高工作人员的工作效率,对生产现场的设备运行
随着我国自动化技术的飞速发展和装配水平的不断提高,固体火箭发动机的拧紧总装也由传统的人工方式逐渐被自动化装配取代。固体火箭发动机拧紧总装的主要技术指标在于保证装
锂离子电池是储能技术中一项重要技术。而由于锂离子电池的特性,必须以一定数目的电池串联成电池组来使用锂离子电池。而当以电池组形式使用时,由于电池组内部各个电池单体的参数不一,会出现过充现象或者过放现象。该现象的产生,将会严重影响电池组整体性能的发挥以及电池组整体的使用寿命。因而近年来,对于电池均衡系统的研究成为了一个热点。论文针对总线式均衡网络结构的电池均衡系统,展开了对其能量分配问题的算法研究。利
网络控制系统是通过控制网络实现闭环控制的反馈控制系统。它有很多的优点,然而网络的存在会引起时延,还有系统固有的饱和特性,这些都会使系统建模和分析变得复杂。论文在分
电压凹陷指电网供电电压的均方根值在短时间内突然下降的事件。作为最受关注的电能质量问题之一,电压凹陷无论是对工业用户还是对电网本身,都带来了极大的危害:从用户的角度来说
燃料电池是一种将持续供给的燃料和氧化剂中的化学能连续不断地转化成电能的电化学装置。当今国际社会能源紧张,环境污染严重,化石燃料日渐枯竭,油价高涨,寻找新能源作为化石燃料的替代品成为趋势。作为一种清洁能源,燃料电池由于其独特的环保特性成为了人们关注的焦点。然而现阶段它的生产成本还较高,直接影响了其推广。因此扩大规模、实现自动化批量生产、降低其成本便成为其得以推广和发展的关键所在。本文主要研究的内容是
室内场景分类作为场景分类的延伸,在图像/视频检索、移动服务机器人等领域都有广泛的应用,因此逐渐成为计算机视觉领域的研究热点。由于室内场景图像存在非感兴趣区域(ROI,re
近年来,随着人民生活水平的不断提高,社区医疗正在蓬勃发展,老年人等高危人群的保健救护工作已逐渐成为新型的研究课题。为了有效地保障社区居民的生命安全,提高急救工作的成
回响状态网络(echo state network,ESN)是一种典型的储备池计算(reservoir computing,RC)模型,它将低维的输入信号映射到一个高维的状态空间,再通过简单的线性回归学习算法将