论文部分内容阅读
【摘要】短波广播仍有其现实意义，针对不断改进广播目标服务效果角度，提出自动化分析关键在于系统内业务目标相关数据挖掘分析，继而对聚集的几类短波广播效果数据，浅谈了实现自动化分析的前期数据准备。
【关键词】数据准备;覆盖区;可听度
中图分类号：TN929 文献标识码：A DOI：10.12246/j.issn.1673-0348.2020.21.027
短波广播作为一种重要的远距离广播传输手段，有其固有的传播特点和节目收听受众，虽然互联网和数字通信发展很快，但现在各国家仍然保留短波传播方式来作为节目覆盖一种形式，且采用模拟信号广播，2019年11月出版的WRTH手册中公开的全世界活跃短波国际广播发射地址有139个。仍然有相应的部门从节目制作、播出、发送、接收、监测等多方面建立了较高级的技术系统来保障其播出效果，国际上也有相应的组织协调各播出部门、各国家的使用频率规划，或者有些组织发布世界范围内的短波广播频率、节目、播音时间、服务区等信息，例如世界无线电手册。有些组织不断完善短波信号传输模型建议，例如ITU提供的REC533短波预测方法，也有些成熟的软件提供短波传输覆盖点或区域的效果预测等等。从事短波广播的各个部门透过多种途径收集了大量的短波各阶段数据，并针对各自服务对象的需求进行了系列的、持续的数据分析，以便通过有序的覆盖进一步满足短波用户需求。
由于短波一个传输重要特点是通过天波传播，传输不稳定性和易受干扰相对较大，其覆盖区域的广播播音效果受到播出部门的关注。一般情况下将聚集的收听数据进行分析，发现播出规律和存在问题的播出频率、时间段，以便调整播音时段、频率、发射地点和发射参数来提升解覆盖区或者服务区内的播音效果。
随着大家各种类型数据的积累、计算能力的提升、网络性能拓展、短波传播模型完善、核心新技术发展、目標趋同下的多用户协作，使得短波效果自动化分析成为可能。现实情况下，每个人集中精力处理数据范围非常有限，但期望能够计算机自动数据收集、信息处理、质量分析、流程化处理、多业务协同周期操作，让计算机或者设备按照一定预期的目标自动化实现一些多人固有的重复工作，将一些个人工作经验转化为逻辑判断和流程化，提升计算机协同处理水平。
1. 聚集的数据
数据准备首先要了解收集数据的意义，收集的这些数据在实际工作中如何产生和数据本身的定义域，哪些数据至关重要，哪些数据会影响采集重要数据的准确性，了解数据怎样为用户目标服务以及其流转过程，良好的数据准备为分析打下基础，同时因为数据分析准确反馈可以自动化提升设备控制能力，增强或者改善我们广播效果的决策水平。我们周而复始处理短波广播覆盖效果，观察影响广播效果的相关参数数据，例如：参考相关查阅资料、理论预测模型、数据趋势等，以便持续提高短波效果，自动化分析关键在于系统内业务目标相关数据挖掘分析，系统内是指各类型数据可实现关联、释义、作用、共享的网络系统，具备数据收集的一定能力后，数据准备成为现阶段重要一环。而聚集的这些数据主要来源于发射质量数据、空间气候条件、覆盖地点收听数据、用户监听数据和参考辅助数据。传播效果影响力主要目标是用户监听数据，这也是服务的目标，广播覆盖到本地影响程度。
短波发射质量数据主要是发射机通过发射天线对外直接辐射时，我们通过接收设备能够直接收集的一些播出数据，这些数据其受大气层影响小，或者在短波覆盖范围内能够长期稳定可接收到的数据。一般情况下，可采用地波数据或者短波一跳覆盖范围内的数据，接收点同时还不会受到同邻频干扰，能够对主频率进行解调获取较清晰的音频数据，可听度综合评判在3分以上。覆盖地点收听数据主要用于表现节目服务区内的效果，服务区一定在覆盖区内，服务区内指的是播出的节目为当地通用语言，但是接收点可能会受到本地收听环境条件影响（本地电源干扰、接收信号噪底、同邻频干扰、天气影响等），覆盖区会大于服务区，而接收点仅是服务区内一个特定的环境，可以通过覆盖区内的多点收听到的数据补充服务区临时受干扰时的数据，当然要重点区分服务区内受干扰的条件，一是接收点的异常数据能否反映节目服务区的效果，二是看受干扰的条件具体分析（干扰类型、干扰源、干扰周期）。短波发射质量数据有别于覆盖地点收听数据，质量数据主要表征短波发射载波信号本身质量，体现载波信号有无与质量好坏，固有不变。覆盖地点收听数据考虑了气候条件影响、电离层影响、干扰影响，是变化的，有时是短波信号2跳、3跳的效果，反映了节目服务区真实收听效果，此数据是用户想收听的、关心的。
短波发射质量数据主要收集到的是发射本地获取到的时间、节目、调制度、频率、天线代码、发射方向、发射功率、覆盖区、接收点、接收载波信号电平和可听度（综合考虑欲收听信号强度、干扰、噪声等因素，主观评定收听效果和质量。一般用五分制表示）。有些发射节目可以通过卫星获取清晰标准源，这个有利于进一步实现自动化监测中的节目对比。空间气候条件包括了发射地经纬度、节目服务区接收地点、接收大圆距离、月份、日时间段、频段、太阳黑子数。覆盖地点收听数据有接收地点、接收环境、接收天线型号、天线灵敏度、接收方位、电源参数、接收设备参数、收听时间、20K频谱（考虑临频干扰）、频段噪底、载波信号电平、解调后的音频、接收信号标准域、节目、可听度、干扰类型、干扰源、干扰数据周期。用户监听数据包括收听方式（网络、短波、其他）、收听设备、收听地点、收听时间、频率、节目、可听度。参考辅助数据包括了短波覆盖预测数据、历史数据趋势与规律和其他组织提供频率覆盖参考数据。
2. 数据质量准备
自动化分析开始前，首先要确保聚集数据本身质量，并保证有效，保证数据质量的准确性，数据质量本身也是可以自动化来实现的，每项数据都有其数据值特性和范围，形成固有的数据域，保证了数据类型的识别，提升数据采集、收录质量，只有数据质量保障了才能体现自动分析数据产生的价值，自动分析才有意义。 广播效果其中一个关键的可听度数据，其数据的异常、缺失、一致性不足都将影响数据自动统计分析，尤其是可听度数据异常，这种情况实际收听过程中可能犯的、疏忽的。异常数据：最有可能是可听度数据录入错误，或者收听短暂而填写的数据;或者没有取数据中值;或者收听时环境临时变化等。因为我们一般报告分析采用此作为关键评价效果的指标，且多数情况下采用加权平均数统计，可听度数据异常值将极大影响广播分析结果。而数据一致性，要看录入的可听度与该发射特性、收听地点规律是否一致，这一点可辅助判断可听度数据的有效性。强化数据质量一致性检查，可以保证数据分析结果更有效。确保数据一致性方法可以通过发射指标理论预测、多接收点收听数据趋势分析或者频域识别等，增强不同接收地点之间数据互补性，实现跨收听点数据验证、填写，减少因收听地点个别时段受干扰带来的数据误差或者漏填。
其次，数据质量准备的条件要考虑数据采集设备运行状态（尤其是接收参数设置）、信号接收环境条件、数据受干扰类型识别、数据采集条件、数据处理与流转、评估数据统计算法、天气条件、可听度收听时间范围和可参考可听度参考数据，这些数据可以辅助决策获取到的关键评价指标数据，同时增加了数据质量的评估维度。
再有，数值质量准备的辅助参考，我们要做数据自动化系统分析会产生，同时也能反作用于我们的系统数据质量，例如大数据积累、模型抽象化的数据域和理论预测数据都可为数据质量准备提供参考。
为了满足用户对短波广播效果数据质量要求，数据其时效性格外重要，一方面他不仅及时向用户传达了现下广播效果情况，同时也能为用户及时调整广播播出策略提供有效的依据。另一个方面是各项数据之间的时间逻辑关系确立，为自动化分析做好了关联分析准备。从短波广播目标结果看，时效性数据越及时、越准确、越完整，就能越能提升用户广播节目的服务效果。
3. 数据关联准备
自动分析还要对数据之间的相关性做好关联准备，在数据质量准备好的条件下，发挥数据之间的影响力，可以实现数据抽象模型建立，找到影響广播效果的关键数据变化，并为改善广播效果找到关键点，为用户提供高质量广播效果的说明提供强有力证据。例如同源节目多址判断，一方面是相同性：其一可以采用卫星收听信号作为对比源;其二覆盖区内不同接收地点的相同频率同一个时段的接收信号对比;还有质量收听数据和覆盖收听数据对比。一方面是排他性：可以参考辅助数据（覆盖预测结果、HFCC提供数据集等）、20K频谱等等。一方面是相关性：载波信号电平变化、信噪比、语谱图。一般情况下，是对音频收听可听度的判断分析，而自动化水平提升还需要引入接收信号本质特征加以判断，例如：接收信号电平、20K频谱、频段噪底、音频频谱等等。
在网络条件下，还要考虑网络传输的局限性（不稳定性、窄带等）、数据本身的安全性，因此可以考虑节目音频收听特征提取比对，实现尽量在收听信号源头尽早数字化处理，同时实现广播效果研判内容的数据安全可靠传递。
数据准备不仅在数据初期收集阶段，还应在数据实现价值后反馈回数据准备，提升数据范围、数据质量和数据解释。通过自动化分析尽量实现重复收听数据之间对比，不断完善自动分析多域性关联分析、数字化分析、特征性分析、数据安全域处理，建立一套有效的收听维护模型，实现高效用户目标服务。
关联度数据分析越高效，越能预测广播播出效果或者找到解决问题的关键点，越能说明广播效果质量程度，越能提高多用户之间的协同处理广播业务水平。
4. 结束语
为了聚焦收听结果数据分析，仅记录了有利于覆盖效果分析的数据，某些数据可能更有利于覆盖维护就不提及了。作为自动化分析基础，本文仅讲述了短波效果部分数据类型和内容，并重点从数据质量和数据关联两个方面谈了自动化分析的前期数据准备。
【关键词】数据准备;覆盖区;可听度
中图分类号：TN929 文献标识码：A DOI：10.12246/j.issn.1673-0348.2020.21.027
短波广播作为一种重要的远距离广播传输手段，有其固有的传播特点和节目收听受众，虽然互联网和数字通信发展很快，但现在各国家仍然保留短波传播方式来作为节目覆盖一种形式，且采用模拟信号广播，2019年11月出版的WRTH手册中公开的全世界活跃短波国际广播发射地址有139个。仍然有相应的部门从节目制作、播出、发送、接收、监测等多方面建立了较高级的技术系统来保障其播出效果，国际上也有相应的组织协调各播出部门、各国家的使用频率规划，或者有些组织发布世界范围内的短波广播频率、节目、播音时间、服务区等信息，例如世界无线电手册。有些组织不断完善短波信号传输模型建议，例如ITU提供的REC533短波预测方法，也有些成熟的软件提供短波传输覆盖点或区域的效果预测等等。从事短波广播的各个部门透过多种途径收集了大量的短波各阶段数据，并针对各自服务对象的需求进行了系列的、持续的数据分析，以便通过有序的覆盖进一步满足短波用户需求。
由于短波一个传输重要特点是通过天波传播，传输不稳定性和易受干扰相对较大，其覆盖区域的广播播音效果受到播出部门的关注。一般情况下将聚集的收听数据进行分析，发现播出规律和存在问题的播出频率、时间段，以便调整播音时段、频率、发射地点和发射参数来提升解覆盖区或者服务区内的播音效果。
随着大家各种类型数据的积累、计算能力的提升、网络性能拓展、短波传播模型完善、核心新技术发展、目標趋同下的多用户协作，使得短波效果自动化分析成为可能。现实情况下，每个人集中精力处理数据范围非常有限，但期望能够计算机自动数据收集、信息处理、质量分析、流程化处理、多业务协同周期操作，让计算机或者设备按照一定预期的目标自动化实现一些多人固有的重复工作，将一些个人工作经验转化为逻辑判断和流程化，提升计算机协同处理水平。
1. 聚集的数据
数据准备首先要了解收集数据的意义，收集的这些数据在实际工作中如何产生和数据本身的定义域，哪些数据至关重要，哪些数据会影响采集重要数据的准确性，了解数据怎样为用户目标服务以及其流转过程，良好的数据准备为分析打下基础，同时因为数据分析准确反馈可以自动化提升设备控制能力，增强或者改善我们广播效果的决策水平。我们周而复始处理短波广播覆盖效果，观察影响广播效果的相关参数数据，例如：参考相关查阅资料、理论预测模型、数据趋势等，以便持续提高短波效果，自动化分析关键在于系统内业务目标相关数据挖掘分析，系统内是指各类型数据可实现关联、释义、作用、共享的网络系统，具备数据收集的一定能力后，数据准备成为现阶段重要一环。而聚集的这些数据主要来源于发射质量数据、空间气候条件、覆盖地点收听数据、用户监听数据和参考辅助数据。传播效果影响力主要目标是用户监听数据，这也是服务的目标，广播覆盖到本地影响程度。
短波发射质量数据主要是发射机通过发射天线对外直接辐射时，我们通过接收设备能够直接收集的一些播出数据，这些数据其受大气层影响小，或者在短波覆盖范围内能够长期稳定可接收到的数据。一般情况下，可采用地波数据或者短波一跳覆盖范围内的数据，接收点同时还不会受到同邻频干扰，能够对主频率进行解调获取较清晰的音频数据，可听度综合评判在3分以上。覆盖地点收听数据主要用于表现节目服务区内的效果，服务区一定在覆盖区内，服务区内指的是播出的节目为当地通用语言，但是接收点可能会受到本地收听环境条件影响（本地电源干扰、接收信号噪底、同邻频干扰、天气影响等），覆盖区会大于服务区，而接收点仅是服务区内一个特定的环境，可以通过覆盖区内的多点收听到的数据补充服务区临时受干扰时的数据，当然要重点区分服务区内受干扰的条件，一是接收点的异常数据能否反映节目服务区的效果，二是看受干扰的条件具体分析（干扰类型、干扰源、干扰周期）。短波发射质量数据有别于覆盖地点收听数据，质量数据主要表征短波发射载波信号本身质量，体现载波信号有无与质量好坏，固有不变。覆盖地点收听数据考虑了气候条件影响、电离层影响、干扰影响，是变化的，有时是短波信号2跳、3跳的效果，反映了节目服务区真实收听效果，此数据是用户想收听的、关心的。
短波发射质量数据主要收集到的是发射本地获取到的时间、节目、调制度、频率、天线代码、发射方向、发射功率、覆盖区、接收点、接收载波信号电平和可听度（综合考虑欲收听信号强度、干扰、噪声等因素，主观评定收听效果和质量。一般用五分制表示）。有些发射节目可以通过卫星获取清晰标准源，这个有利于进一步实现自动化监测中的节目对比。空间气候条件包括了发射地经纬度、节目服务区接收地点、接收大圆距离、月份、日时间段、频段、太阳黑子数。覆盖地点收听数据有接收地点、接收环境、接收天线型号、天线灵敏度、接收方位、电源参数、接收设备参数、收听时间、20K频谱（考虑临频干扰）、频段噪底、载波信号电平、解调后的音频、接收信号标准域、节目、可听度、干扰类型、干扰源、干扰数据周期。用户监听数据包括收听方式（网络、短波、其他）、收听设备、收听地点、收听时间、频率、节目、可听度。参考辅助数据包括了短波覆盖预测数据、历史数据趋势与规律和其他组织提供频率覆盖参考数据。
2. 数据质量准备
自动化分析开始前，首先要确保聚集数据本身质量，并保证有效，保证数据质量的准确性，数据质量本身也是可以自动化来实现的，每项数据都有其数据值特性和范围，形成固有的数据域，保证了数据类型的识别，提升数据采集、收录质量，只有数据质量保障了才能体现自动分析数据产生的价值，自动分析才有意义。 广播效果其中一个关键的可听度数据，其数据的异常、缺失、一致性不足都将影响数据自动统计分析，尤其是可听度数据异常，这种情况实际收听过程中可能犯的、疏忽的。异常数据：最有可能是可听度数据录入错误，或者收听短暂而填写的数据;或者没有取数据中值;或者收听时环境临时变化等。因为我们一般报告分析采用此作为关键评价效果的指标，且多数情况下采用加权平均数统计，可听度数据异常值将极大影响广播分析结果。而数据一致性，要看录入的可听度与该发射特性、收听地点规律是否一致，这一点可辅助判断可听度数据的有效性。强化数据质量一致性检查，可以保证数据分析结果更有效。确保数据一致性方法可以通过发射指标理论预测、多接收点收听数据趋势分析或者频域识别等，增强不同接收地点之间数据互补性，实现跨收听点数据验证、填写，减少因收听地点个别时段受干扰带来的数据误差或者漏填。
其次，数据质量准备的条件要考虑数据采集设备运行状态（尤其是接收参数设置）、信号接收环境条件、数据受干扰类型识别、数据采集条件、数据处理与流转、评估数据统计算法、天气条件、可听度收听时间范围和可参考可听度参考数据，这些数据可以辅助决策获取到的关键评价指标数据，同时增加了数据质量的评估维度。
再有，数值质量准备的辅助参考，我们要做数据自动化系统分析会产生，同时也能反作用于我们的系统数据质量，例如大数据积累、模型抽象化的数据域和理论预测数据都可为数据质量准备提供参考。
为了满足用户对短波广播效果数据质量要求，数据其时效性格外重要，一方面他不仅及时向用户传达了现下广播效果情况，同时也能为用户及时调整广播播出策略提供有效的依据。另一个方面是各项数据之间的时间逻辑关系确立，为自动化分析做好了关联分析准备。从短波广播目标结果看，时效性数据越及时、越准确、越完整，就能越能提升用户广播节目的服务效果。
3. 数据关联准备
自动分析还要对数据之间的相关性做好关联准备，在数据质量准备好的条件下，发挥数据之间的影响力，可以实现数据抽象模型建立，找到影響广播效果的关键数据变化，并为改善广播效果找到关键点，为用户提供高质量广播效果的说明提供强有力证据。例如同源节目多址判断，一方面是相同性：其一可以采用卫星收听信号作为对比源;其二覆盖区内不同接收地点的相同频率同一个时段的接收信号对比;还有质量收听数据和覆盖收听数据对比。一方面是排他性：可以参考辅助数据（覆盖预测结果、HFCC提供数据集等）、20K频谱等等。一方面是相关性：载波信号电平变化、信噪比、语谱图。一般情况下，是对音频收听可听度的判断分析，而自动化水平提升还需要引入接收信号本质特征加以判断，例如：接收信号电平、20K频谱、频段噪底、音频频谱等等。
在网络条件下，还要考虑网络传输的局限性（不稳定性、窄带等）、数据本身的安全性，因此可以考虑节目音频收听特征提取比对，实现尽量在收听信号源头尽早数字化处理，同时实现广播效果研判内容的数据安全可靠传递。
数据准备不仅在数据初期收集阶段，还应在数据实现价值后反馈回数据准备，提升数据范围、数据质量和数据解释。通过自动化分析尽量实现重复收听数据之间对比，不断完善自动分析多域性关联分析、数字化分析、特征性分析、数据安全域处理，建立一套有效的收听维护模型，实现高效用户目标服务。
关联度数据分析越高效，越能预测广播播出效果或者找到解决问题的关键点，越能说明广播效果质量程度，越能提高多用户之间的协同处理广播业务水平。
4. 结束语
为了聚焦收听结果数据分析，仅记录了有利于覆盖效果分析的数据，某些数据可能更有利于覆盖维护就不提及了。作为自动化分析基础，本文仅讲述了短波效果部分数据类型和内容，并重点从数据质量和数据关联两个方面谈了自动化分析的前期数据准备。