电视制作的网络化数字化建设

电视台构建非线性节目制作网络系统必须根据可靠性、实用性、扩展性、可维护性要求,一步设计、分期实施、逐步完善建成,最终实现在网络环境下完成节目编辑工作.     

电视制作的网络化数字化建设

电视台构建非线性节目制作网络系统必须根据可靠性、实用性、扩展性、可维护性要求,一步设计、分期实施、逐步完善建成,最终实现在网络环境下完成节目编辑工作。     

网络化电视系统测试

文章从现阶段网络化电视系统的构成形式，组成特点出发，主要分析了对它的测试重点和测试方式，并介绍了目前对MPEG－2码流测试的流程和环节。     

试谈电视播控系统的数字化发展

本简单介绍了视频数字化的技术，并根据唐山台播控系统的具体特点展望了播控系统数字化的发展。     

未来电视网络化制作方式的探讨

广播电视领域的数字化改革由于计算机多媒体技术，通信技术，网络技术，存储技术和数字压缩技术的融合与推动得到了迅猛了发展，在广电领域引入了新的观念与思维方式，这种观念的引入，对于电视台的制作产生了巨大的改变。网络制作这一新技术越来越得到广泛的应用。     

电视制作网络化构想

本文对电视台基于非线性编辑系统的网络构建提出了自己的一些想法。     

音频教学信息的数字化处理

21世纪的教育将是全新的数字化、信息化、网络化时代，数字教学信息将是这个时代的主宰。讨论了数字音频教学信息采集、处理、存储、播放等各个环节的内容和方法。     

音频教学信息的数字化处理

21世纪的教育将是全新的数字化、信息化、网络化时代,数字教学信息将是这个时代的主宰.讨论了数字音频教学信息采集、处理、存储、播放等各个环节的内容和方法.     

基于HFC网络的地面数字单频网组网技术在中央无线数字化覆盖工程中的应用

中央广播电视节目无线数字化覆盖工程,创造性采用了GPS+BDS卫星授时和电视AVS+、广播DRA+编码的地面数字广播单频网组网技术方案.本文结合昭通市实际,就如何以HFC网络为传输媒介,将省、市、县等地方广播电视节目搭载于中央广播电视节目无线数字化覆盖工程项目中,进行地面数字电视广播单频网插播组网覆盖做应用分析与介绍.     

利用数字电视技术实现节目下传

阐述数字电视信号从编码复用到调制再经过SDH传输到接收的过程，介绍如何利用数字电视前端透明传输平台完成吉林市5套节目的下传工作。     

数字电视电子节目指南EPG的实现方式

从介绍数字电视电子节目指南EPG的功用和构成入手,引出了DVB系统中的业务信息SI和节目描述信息PSI,并详细介绍了SI和PSI的信息规范,据此讲述了在有线数字电视机顶盒中实现电子节目指南EPG的方式。     

电视台制播系统中存储方案的设计

磁盘存储技术已在电视台制播系统中获得大量应用.本文简要介绍并比较了各种存储方式:DAS、NAS、FC-SAN、ISCSI-SAN等.     

DV数字设备在电视台数字化、网络化中的作用

今年是总局确定的“数字发展年”和“产业发展年”,因此,今年也是我国广播电视数字化、产业化的关键年。广播、电视的数字化、网络化的目标是,首先是实现电视台内部的数字化、网络化,进而实现台与台之间的网络化、形成互联互通、节目资源共享的全国性的节目平台。台内数字化、网络化是：节目的采集、编辑、制作、传输、播出即摄、录、编、播设备的数字化。     

数字电视节目制作中的数据处理

通过对图像格式的比较，说明在数字电视节目制作中数据处理对图像质量的影响，从而更好地避免格式转换过程中图像质量的下降。     

交互式数字电视节目回传系统的构建

介绍了交互式数字电视节目回传系统信号流程:将电视信号流实时录制为媒体文件、并同时抽取关键帧和镜头帧形式来实现,录制完毕后通过关键帧或镜头帧并结合媒体文件内容进行内容的人工拆条打点,然后发布到IPTV中心片库.     

The Recommendation of Digital TV Program Based on Rankboost Algorithm

A Rankboost algorithm using for recommendation of digital TV program is proposed. The program feature model expressed by time, channel, main category and subcategory are founded. The rank function is calculated based on Rankboost algorithm and real user TV watching records, its AUC （Area under the curve） of ROC （Receiver operator characteristic） is the highest comparing with those got by simple statistic and Bayesian approach, the experimental recommendation results which are calculated using the above rank function conform user real actions well.